pandas包中有自带的数据获取接口,详细的大家可以去其官网上找,是io.data下的DataReader方法。
- import numpy as np
- import pandas as pd
- import pandas.io.data as web
- import math
- #从雅虎财经获取DAX指数的数据
- DAX = web.DataReader(name='^GDAXI', data_source='yahoo',start = '2000-1-1')
- #查看一下数据的一些信息 上面这一方法返回的是一个pandas dataframe的数据结构
- print DAX.info()
- #绘制收盘价的曲线
- DAX['Close'].plot(figsize=(8,5))
我们获得的数据是dataframe的结构,毕竟是pandas的接口的嘛。然后我们绘制一下收盘价曲线。
这个是我们获取的数据的信息。
绘制出来的收盘价曲线是这样的。
有了股票价格,我们就计算一下每天的涨跌幅度,换句话说,就是每天的收益率,以及股价的移动平均和股价的波动率。
- #计算每日的涨跌幅
- DAX['Return'] = np.log(DAX['Close']/DAX['Close'].shift(1))
- print DAX[['Close','Return']].tail()
- #将收盘价与每日涨跌幅度放在一张图上
- DAX[['Close','Return']].plot(subplots = True,style = 'b',figsize=(8,5))
- #42与252个交易日为窗口取移动平均
- DAX['42d']=pd.rolling_mean(DAX['Close'],window=42)
- DAX['252d']=pd.rolling_mean(DAX['Close'],window=252)
- #绘制MA与收盘价
- DAX[['Close','42d','252d']].plot(figsize=(8,5))
- #计算波动率,然后根据均方根法则进行年化
- DAX['Mov_Vol']=pd.rolling_std(DAX['Return'],window = 252)*math.sqrt(252)
- DAX[['Close','Mov_Vol','Return']].plot(subplots = True, style = 'b',figsize = (8,7))
我们可以掌握这种subplots的绘图方法,把几张趋势图片放在一起。
这是移动平均线的图片,subplots的属性为false,那么就是叠加在一起绘制。
这是市场的波动率和股市的关系。和FRM中提到的一样,在市场低迷,或者说,金融危机的时候,市场的波动率急剧增加。于是,就有了恐慌指数这个东西,也就是Vix,其实就是市场的波动率指数。
联系客服