1. 首页
  2. 数据挖掘

用Python分析苹果公司股价数据

ppvke • 2018年4月17日 am12:00 • 数据挖掘

作者：酱油哥，清华程序猿、IT非主流

专栏地址：

https://zhuanlan.zhihu.com/c_147297848

要点抢先看

1.csv数据的读取

2.利用常用函数获取均值、中位数、方差、标准差等统计量

3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期

我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。

要知道，NumPy的常用数学和统计分析的函数非常多，如果我们一个一个的分散来讲，一来非常枯燥，二来呢也记不住，就仿佛又回到了昏昏欲睡的课堂，今天我们用一个背景例子来串联一下这些零散的知识点。

我们通过分析苹果公司的股票价格，来串讲NumPy的常用函数用法

我们在我们python文件的同级目录下放置数据文件AAPL.csv，用excel文件可以打开看看里面是什么样的：

用Python分析苹果公司股价数据

依次是日期，收盘价、成交量、开盘价、最高价和最低价 在CSV文件中，每一列数据数据是被“,”隔开的，为了突出重点简化程序，我们把第一行去掉，就像下面这样

用Python分析苹果公司股价数据

首先，我们读取“收盘价”和“成交量”这两列，即第1列和第2列（csv也是从第0列开始的）

  1. import numpy as np 
  2. c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 
  3. print(c) 
  4. print(v) 
  6. [ 178.02 178.65 178.44 179.97 181.72 179.98 176.94 175.03 176.67  176.82 176.21 175.  178.12 178.39 178.97 175.5  172.5  171.07  171.85 172.43 172.99 167.37 164.34 162.71 156.41 155.15 159.54  163.03 156.49 160.5  167.78 167.43 166.97 167.96 171.51 171.11  174.22 177.04 177.  178.46 179.26 179.1  176.19 177.09 175.28  174.29 174.33 174.35 175.  173.03 172.23 172.26 169.23 171.08  170.6  170.57 175.01 175.01 174.35 174.54 176.42] 
  7. [ 38313330. 22676520. 29334630. 31464170. 32191070. 32130360.  24518850. 31686450. 23273160. 27825140. 38426060. 48706170.  37568080. 38885510. 37353670. 33772050. 30953760. 37378070.  33690660. 40113790. 50908540. 40382890. 32483310. 60774900.  70583530. 54145930. 51467440. 68171940. 72215320. 85957050.  44453230. 32234520. 45635470. 50565420. 39075250. 41438280.  51368540. 32395870. 27052000. 31306390. 31087330. 34260230.  29512410. 25302200. 18653380. 23751690. 21532200. 20523870.  23589930. 22342650. 29461040. 25400540. 25938760. 16412270.  21477380. 33113340. 16339690. 20848660. 23451420. 27393660.  29385650.]

这样，我们就完成了第一个任务，将csv数据文件中存储的数据，读取到我们两个ndarray数组c和v中了。

接下来，我们小试牛刀，对收盘价进行最简单的数据处理，求取他的平均值。

第一种，非常简单，就是我们最常见到的算数平均值

  1. import numpy as np 
  2. c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 
  3. mean_c = np.mean(c) print(mean_c) 
  5. 172.614918033

第二种，是加权平均值，我们用成交量来加权平均价格

即，用成交量的值来作为权重，某个价格的成交量越高，该价格所占的权重就越大。

  1. import numpy as np 
  2. c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 
  3. vwap = np.average(c, weights=v) 
  4. print(vwap) 
  6. 170.950010035

再来说说取值范围，找找最大值和最小值

我们找找收盘价的最大值和最小值，以及最大值和最小值之间的差异

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. print(np.max(c)) 
  4. print(np.min(c)) 
  5. print(np.ptp(c)) 
  7. 181.72 
  8. 155.15 
  9. 26.57

接下来我们进行简单的统计分析

我们先来求取收盘价的中位数

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. print(np.max(c)) 
  4. print(np.min(c)) 
  5. print(np.median(c)) 
  7. 181.72 
  8. 155.15 
  9. 174.35

求取方差

另外一个我们关心的统计量就是方差，方差能够体现变量变化的程度。在我们的例子中，方差还可以告诉我们投资风险的大小。那些股价变动过于剧烈的股票一定会给持有者带来麻烦

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. print(np.var(c)) 
  5. 37.5985528621

我们回顾一下方差的定义，方差指的是各个数据与所有数据算数平均数的离差平方和的均值

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. print(np.mean((c - c.mean())**2)) 
  5. 37.5985528621

上下对比一下，看看，结果是一模一样的。

现在我们来看看每天的收益率，这个计算式子很简单：用Python分析苹果公司股价数据，即用今天的收盘价减去昨天的收盘价，再除以昨天的收盘价格。同时我们发挥NumPy的优势，利用向量运算，可以一次性算出所有交易日的收益率

diff函数时用数组的第N项减第N-1项，得到一个n-1项的一维数组。本例中我们注意到数组中日期越近的收盘价，数组索引越小，因此得取一个相反数，综上代码：

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. returns = -np.diff(c)/c[1:] 
  4. print(returns) 
  6. [-0.00352645 0.00117687 -0.00850142 -0.0096302  0.00966774 0.01718097  0.01091242 -0.00928284 -0.00084832 0.00346178 0.00691429 -0.01751628 -0.00151354 -0.00324077 0.01977208 0.0173913  0.00835915 -0.00453884 -0.00336368 -0.00323718 0.0335783  0.01843739 0.01001782 0.04027875  0.00812117 -0.02751661 -0.0214071  0.04179181 -0.02498442 -0.04339015  0.00209043 0.00275499 -0.00589426 -0.0206985  0.00233768 -0.01785099 -0.0159286  0.00022599 -0.00818111 -0.00446279 0.00089336 0.01651626 -0.00508216 0.01032634 0.00568019 -0.00022945 -0.00011471 -0.00371429  0.01138531 0.00464495 -0.00017416 0.01790463 -0.01081365 0.0028136  0.00017588 -0.02536998 -0.     0.00378549 -0.00108858 -0.01065639]

然后观察一下每日收益的标准差，就可以看看收益的波动大不大了：

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. returns = -np.diff(c)/c[1:] 
  4. print(np.std(returns)) 
  6. 0.0150780328454

如果我们想看看哪些天的收益率是正的，很简单，还记得where语句吗，拿来使用吧

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. returns = -np.diff(c)/c[1:] 
  4. print(np.where(returns>0)) 
  6. (array([ 1, 4, 5, 6, 9, 10, 14, 15, 16, 20, 21, 22, 23, 24, 27, 30, 31, 34, 37, 40, 41, 43, 44, 48, 49, 51, 53, 54, 57], dtype=int64),)

专业上我们对价格变动可以用一个叫做“波动率”的指标进行度量。计算历史波动率时需要用到对数收益率，对数收益率很简单，就是用Python分析苹果公司股价数据，依照对数的性质，他等于用Python分析苹果公司股价数据，在计算年化波动率时，要用样本中所有的对数收益率的标准差除以其均值，再除以交易日倒数的平方根，一年交易日取252天。

我们简单的看一下下面的代码

  1. import numpy as np 
  2. c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 
  3. logreturns = -np.diff(np.log(c)) 
  4. volatility = np.std(logreturns) / np.mean(logreturns) 
  5. annual_volatility = volatility / np.sqrt(1./252.) 
  6. print(volatility) 
  7. print(annual_volatility) 
  9. 100.096757388 
  10. 1588.98676256

这里我们再强调一点就是：sqrt方法中应用了除法计算，这里必须使用浮点数进行运算。月度波动率也是同理用1./12.即可

我们可以常常会发现，在数据分析的过程中，对于日期的处理和分析也是一个很重要的内容。

我们先试图用老办法来从csv文件中把日期数据读出来

  1. import numpy as np 
  2. dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)
  4. Traceback (most recent call last):
  5.  File "E:/12homework/12homework.py", line 2, in <module>
  6.   dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True) 
  7.  File "C:Python34libsite-packagesnumpylibnpyio.py", line 930, in loadtxt
  8.   items = [conv(val) for (conv, val) in zip(converters, vals)]
  9.  File "C:Python34libsite-packagesnumpylibnpyio.py", line 930, in <listcomp>
  10.   items = [conv(val) for (conv, val) in zip(converters, vals)]
  11.  File "C:Python34libsite-packagesnumpylibnpyio.py", line 659, in floatconv
  12.   return float(x)
  13. ValueError: could not convert string to float: b'2018/3/16'

我们发现他报错了，错误信息是不能将一个字节类型的对象转换为浮点类型对象。原因是因为NumPy是面向浮点数运算的，那么我们对症下药，对日期字符串进行一些转换处理。

我们先假定日期是一个字符串类型（下载的网络数据中往往是将字符串通过utf-8编码成字节码，这个可以见第一季中字符编码相关内容的介绍）

  1. import numpy as np import datetime  
  2. strdate = '2017/3/16' 
  3. d = datetime.datetime.strptime(strdate,'%Y/%m/%d') 
  4. print(type(d)) 
  5. print(d) 
  7. <class 'datetime.datetime'> 
  8. 2017-03-16 00:00:00

通过python标准库中的datetime函数包，我们通过指定匹配的格式%Y/%m/%d

将日期字符串转换为了datetime类型对象，Y大写匹配完整的四位数记年，y小写就是两位数，例如17。

datetime对象有一个date方法，把datetime对象中的time部分去掉，变成一个纯的日期，再调用weekday可以转换为一周中的第几天，这里是从周日开始算起的。

  1. import numpy as np import datetime 
  2. strdate = '2018/3/16' 
  3. d = datetime.datetime.strptime(strdate,'%Y/%m/%d') 
  4. print(d.date()) 
  5. print(d.date().weekday()) 
  7. 2018-03-16 4

最后，我们回到这份苹果公司股价的csv文件，来做一个综合分析，来看看周几的平均收盘价最高，周几的最低：

  1. import numpy as np import datetime 
  2. def datestr2num(bytedate): 
  3.   return datetime.datetime.strptime(
  4.          bytedate.decode('utf-8'),'%Y/%m/%d').date().weekday() 
  6. dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), 
  7.           converters={0: datestr2num}, unpack=True) 
  8. averages = np.zeros(5) 
  9. for i in range(5):   
  10.   index = np.where(dates == i)   
  11.   prices = np.take(c, index)   
  12.   avg = np.mean(prices)   
  13.   averages[i] = avg print("Day {} prices: {},avg={}".format(i,prices,avg)) 
  14. top = np.max(averages) 
  15. top_index = np.argmax(averages) 
  16. bot = np.min(averages) 
  17. bot_index = np.argmin(averages) 
  18. print('highest:{}, top day is {}'.format(top,top_index)) 
  19. print('lowest:{},bottom day is {}'.format(bot,bot_index)) 
  21. Day 0 prices: [[ 181.72 176.82 178.97 162.71 156.49 167.96 177.  174.35 176.42]],avg=172.49333333333334 
  22. Day 1 prices: [[ 179.97 176.67 178.39 171.85 164.34 163.03 166.97 177.04 176.19  174.33 172.26 170.57 174.54]],avg=172.78076923076924 
  23. Day 2 prices: [[ 178.44 175.03 178.12 171.07 167.37 159.54 167.43 174.22 179.1  174.29 172.23 170.6  174.35]],avg=172.44538461538463 
  24. Day 3 prices: [[ 178.65 176.94 175.  172.5  172.99 155.15 167.78 171.11 179.26  175.28 173.03 171.08 175.01]],avg=172.59846153846152 
  25. Day 4 prices: [[ 178.02 179.98 176.21 175.5  172.43 156.41 160.5  171.51 178.46  177.09 175.  169.23 175.01]],avg=172.71923076923073 
  26. highest:172.78076923076924, top day is 1 
  27. lowest:172.44538461538463,bottom day is 2

简要的再分析一下：由于从csv中读取的数据类型为bytes，所以我们写了一个转换函数，先将bytes类型的日期数据进行解码（字符串编解码详见第一季），然后再用上一段程序介绍的方法转换为一个表示周几的数字

而np.loadtxt函数中的参数converters={0: datestr2num}，就是说针对第一列的数据，我们利用这个转换函数将其转化为一个数字，并将这个整形元素构成的数组赋值给dates变量。

后面的处理就很简单了，用循环依次取出每个工作日的收盘价构成的数组，对其求平均值。然后得到周一到周五，五个平均值的最大值、最小值。

最后我们再介绍两个实用函数，一个是数组的裁剪函数，即把比给定值还小的值设置为给定值，比给定值大的值设置为给定上限

  1. import numpy as np 
  2. a = np.arange(5) 
  3. print(a.clip(1,3)) 
  5. [1 1 2 3 3]

第二个是一个筛选函数，返回一个根据给定条件筛选后得到的结果数组

  1. import numpy as np 
  2. a = np.arange(5) 
  3. print(a.compress(a > 2)) 
  5. [3 4]

这一小节中，我们利用NumPy的一些实用函数，对苹果公司的股价进行了一些非常非常简单的分析，目的是通过这个实例来串讲一下这些实用的数据处理函数。

其实NumPy的功能非常非常多，远不止这些，但是没有必要去一个一个学。并且另一方面，NumPy的方法都过于原始和底层，虽然功能很丰富，但是使用起来也很繁杂。这里我们为大家打一个基础，后面的章节就不会再一一介绍里面的各种函数了。后面我要介绍基于NumPy之上的一些更高层的方法库，功能更强大，使用也更简单。

END.

来源：数盟

原文始发于微信公众号（PPV课数据科学社区）：用Python分析苹果公司股价数据

原创文章，作者：ppvke，如若转载，请注明出处：http://www.ppvke.com/archives/6394

赞 (0)
0
七种回归分析方法 个个经典
« 上一篇 2018年4月16日 am12:00
为什么要学数学？因为这是一场战略性的投资
下一篇 » 2018年4月18日 am12:00

相关推荐

联系我们

4000-51-9191

在线咨询：点击这里给我发消息

工作时间：周一至周五，9:30-18:30，节假日休息