怎么利用Python分析一下最近的股票市场

小编给大家分享一下怎么利用Python分析一下最近的股票市场，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

一、数据获取

数据获取范围为2022年一月一日到2022年2月25日，获取的数据为俄罗斯黄金，白银，石油，银行，天然气：

# 导入模块import numpy as npimport pandas as pdimport yfinance as yf# GC=F黄金，SI=F白银，ROSN.ME俄罗斯石油，SBER.ME俄罗斯银行，天然气tickerSymbols = ['GC=F', 'SI=F', 'ROSN.ME', 'SBER.ME','NG=F']# 获取这些代码的数据MSFT = yf.Ticker(tickerSymbols[0])TSLA = yf.Ticker(tickerSymbols[1])AAPL = yf.Ticker(tickerSymbols[2])AMZN = yf.Ticker(tickerSymbols[3])GOOG = yf.Ticker(tickerSymbols[4])# 获取代码的历史价格MSFT_df = MSFT.history(period='1d', start='2022-1-1', end='2022-2-25')TSLA_df = TSLA.history(period='1d', start='2022-1-1', end='2022-1-25')AAPL_df = AAPL.history(period='1d', start='2022-1-1', end='2022-1-25')AMZN_df = AMZN.history(period='1d', start='2022-1-1', end='2022-1-25')GOOG_df = GOOG.history(period='1d', start='2022-1-1', end='2022-1-25')# 比如天然气GOOG_df.head()

如下：

二、合并数据

# 将每只股票的收盘列保存到新变量中MSFT = MSFT_df['Close']TSLA = TSLA_df['Close']AAPL = AAPL_df['Close']AMZN = AMZN_df['Close']GOOG = GOOG_df['Close']# Concatenate all stocks close columns into one data framestocks_df = pd.concat([MSFT, TSLA, AAPL, AMZN, GOOG], axis='columns', join='inner')# Rename the data frame columns with their corresponding tickers symbolsstocks_df.columns = ['gold', 'silver', 'oil', 'bank', 'gas']# Visualize the new data framestocks_df.head()

如下：

三、绘制股票每日百分比变化

# 接下来，让我们计算股票每日百分比变化并绘制它们以直观地分析它们在过去一个多月中的变化行为。# 获取每日百分比变化stocks_df = stocks_df.pct_change().dropna()# 可视化新数据框stocks_df.head()# 绘制每日百分比变化stocks_df.plot(figsize=(20, 10), title="Daily Returns");

如下：

从图也可以看出哪个变动大，哪个稳定）自己用眼睛看

四、箱线图

上面的图确实不好看，所以我们画一个箱线图更加直观：

# 箱线图# 计算累积回报cumulative_returns = (1 + stocks_df).cumprod()# 绘制累积回报cumulative_returns.plot(figsize=(20, 10), title="Cumulative Returns");# 箱线图直观地显示风险stocks_df.plot.box(figsize=(20, 10), title="Portfolio Risk");

累计回报图：

箱线图：

显然是天然气收益最高；盒子越宽，晶须越长，股票的波动性就越大。石油最稳定，天然气波动大了点

五、计算月化夏普比率

#计算月化夏普比率sharpe_ratios = (stocks_df.mean() * 30) / (stocks_df.std() * np.sqrt(30))sharpe_ratios = sharpe_ratios.sort_values(ascending=False)sharpe_ratios

如下：

#将夏普比率可视化为条形图sharpe_ratios.plot(figsize=(20, 10), kind="bar", title="Sharpe Ratios");

如下：

六、结论

根据以上结果，建议购买黄金，其次为白银，天然气，俄罗斯银行和石油不建议购买。注意：以上分析数据为2022年1月1日到2022年2月5日分析图。没有写预测部分，我觉得动荡太多，没必要预测了，买稳定的吧，预测已经没有意义。

看完了这篇文章，相信你对"怎么利用Python分析一下最近的股票市场"有了一定的了解，如果想了解更多相关知识，欢迎关注行业资讯频道，感谢各位的阅读！