第五次作业-股票数据分析

数据是未来的石油。上周参加了Tiger创办的[解密大数据社群],受益匪浅。 中途参加正在补课中。

基本指标的定义

开盘价,指某种证券在证券交易所每个营业日的第一笔交易的成交价格。

交易日,指开放式基金销售机构在规定时间受理投资者申购、转换、赎回或其它业务申请的工作日。周末和节假日不属于T日(交易日),T日以股市收市时间为界,每天15:00之前提交的交易按照当天收市后公布的净值成交(净值公布时间一般是当天18:00左右),15:00之后提交的交易将按照下一个交易日的净值成交。

收盘价,是指某种证券在证券交易所一天交易活动结束前最后一笔交易的成交价格。

成交量:成交量是指在某一时段内成交的股价的总手数 (1手=100股)。

换手率,也称“周转率“,指在一定时间内市场中股票转手买卖的频率,是反映股票流通性强弱的指标之一。股票的换手率越高,意味着该只股票的交投越活跃,人们购买该只股票的意愿越高,反之表明该只股票少人关注;手率高一般意味着股票流通性好,进出市场比较容易,具有较强的变现能力;将换手率与股价走势相结合,可以对未来的股价做出一定的预测和判断。换手率的计算公式:周转率(换手率)=(某一段时期内的成交量)/(发行总股数)x100%

涨跌幅, 是对涨跌值的描述,用%表示。其计算公式:(当前最新成交价(或收盘价) - 前一日交易日收盘价) ÷ 前一日交易日收盘价×100%。

均价,由均价线表示。反映了当天的市场参与平均成本,和一定的压力支撑作用。其计算公式为: 每股平均成交价格=某日总成交金额÷某日总成交股数。延长时间 期限,可得5日均价、10均价等等。

均量:其含义可参考均价得出。

数据读取与展示

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os

data_src='C://Users//ecaoyng//Downloads//stockData.txt'
stock_data=pd.read_table(data_src)

if os.path.exists(data_src):
    stock_data=stock_data.iloc[:,0:15]
    print(stock_data)

stock_data.sort_index(ascending = False)[:5]
Paste_Image.png

分析一 统计信息

stock_data.describe()
Paste_Image.png
Paste_Image.png

从中可以得到各个指标的平均值,标准差,最小值,最大值,上下四分卫以及中位数

分析二 相关系数分析与协方差

获取各项指标彼此间相关系数的代码如下

for i in ['high' ,'low','    open','close','ma5','ma10','ma20','volume','v_ma5','v_ma10','v_ma20']:
    for j in ['high' ,'low','    open','close','ma5','ma10','ma20','volume','v_ma5','v_ma10','v_ma20']:
        print('%s and %s corr is %s '%(i, j, (stock_data[i].corr(stock_data[j]))))    
    print('-'*20)

得到的相关系数统计如下,可以很清楚的看到各个列之间的相关系数

high and high corr is 1.0 
high and low corr is 0.93037923331 
high and     open corr is 0.897211953333 
high and close corr is 0.966243822278 
high and ma5 corr is 0.812480947253 
high and ma10 corr is 0.660447391359 
high and ma20 corr is 0.179590482526 
high and volume corr is 0.896833634665 
high and v_ma5 corr is 0.868560964795 
high and v_ma10 corr is 0.628375689954 
high and v_ma20 corr is -0.354876794097 
high and turnover corr is 0.897045822307 
--------------------
low and high corr is 0.93037923331 
low and low corr is 1.0 
low and     open corr is 0.95643942191 
low and close corr is 0.910515603813 
low and ma5 corr is 0.894385404937 
low and ma10 corr is 0.759209638782 
low and ma20 corr is 0.350171538359 
low and volume corr is 0.730795712392 
low and v_ma5 corr is 0.907433960723 
low and v_ma10 corr is 0.708135592414 
low and v_ma20 corr is -0.284208967808 
low and turnover corr is 0.730853369056 
--------------------
    open and high corr is 0.897211953333 
    open and low corr is 0.95643942191 
    open and     open corr is 1.0 
    open and close corr is 0.836541327926 
    open and ma5 corr is 0.898542997094 
    open and ma10 corr is 0.757148165488 
    open and ma20 corr is 0.350463060696 
    open and volume corr is 0.697294144296 
    open and v_ma5 corr is 0.922297477575 
    open and v_ma10 corr is 0.725333330517 
    open and v_ma20 corr is -0.247214903269 
    open and turnover corr is 0.697646328153 
--------------------
close and high corr is 0.966243822278 
close and low corr is 0.910515603813 
close and     open corr is 0.836541327926 
close and close corr is 1.0 
close and ma5 corr is 0.756787587238 
close and ma10 corr is 0.593292197451 
close and ma20 corr is 0.107855192304 
close and volume corr is 0.910780093909 
close and v_ma5 corr is 0.824391839972 
close and v_ma10 corr is 0.576449470244 
close and v_ma20 corr is -0.376021929049 
close and turnover corr is 0.910879839054 
--------------------
ma5 and high corr is 0.812480947253 
ma5 and low corr is 0.894385404937 
ma5 and     open corr is 0.898542997094 
ma5 and close corr is 0.756787587238 
ma5 and ma5 corr is 1.0 
ma5 and ma10 corr is 0.921168092037 
ma5 and ma20 corr is 0.525347581453 
ma5 and volume corr is 0.535869431606 
ma5 and v_ma5 corr is 0.953928210144 
ma5 and v_ma10 corr is 0.853326052426 
ma5 and v_ma20 corr is -0.200960528265 
ma5 and turnover corr is 0.535991249199 
--------------------
ma10 and high corr is 0.660447391359 
ma10 and low corr is 0.759209638782 
ma10 and     open corr is 0.757148165488 
ma10 and close corr is 0.593292197451 
ma10 and ma5 corr is 0.921168092037 
ma10 and ma10 corr is 1.0 
ma10 and ma20 corr is 0.523157969292 
ma10 and volume corr is 0.35901429877 
ma10 and v_ma5 corr is 0.791054293397 
ma10 and v_ma10 corr is 0.843184862447 
ma10 and v_ma20 corr is -0.266123905738 
ma10 and turnover corr is 0.358978976146 
--------------------
ma20 and high corr is 0.179590482526 
ma20 and low corr is 0.350171538359 
ma20 and     open corr is 0.350463060696 
ma20 and close corr is 0.107855192304 
ma20 and ma5 corr is 0.525347581453 
ma20 and ma10 corr is 0.523157969292 
ma20 and ma20 corr is 1.0 
ma20 and volume corr is -0.0600220207727 
ma20 and v_ma5 corr is 0.374810467632 
ma20 and v_ma10 corr is 0.558744215458 
ma20 and v_ma20 corr is 0.51793654476 
ma20 and turnover corr is -0.0600833456034 
--------------------
volume and high corr is 0.896833634665 
volume and low corr is 0.730795712392 
volume and     open corr is 0.697294144296 
volume and close corr is 0.910780093909 
volume and ma5 corr is 0.535869431606 
volume and ma10 corr is 0.35901429877 
volume and ma20 corr is -0.0600220207727 
volume and volume corr is 1.0 
volume and v_ma5 corr is 0.643850457981 
volume and v_ma10 corr is 0.356907380189 
volume and v_ma20 corr is -0.376176237006 
volume and turnover corr is 0.99999710781 
--------------------
v_ma5 and high corr is 0.868560964795 
v_ma5 and low corr is 0.907433960723 
v_ma5 and     open corr is 0.922297477575 
v_ma5 and close corr is 0.824391839972 
v_ma5 and ma5 corr is 0.953928210144 
v_ma5 and ma10 corr is 0.791054293397 
v_ma5 and ma20 corr is 0.374810467632 
v_ma5 and volume corr is 0.643850457981 
v_ma5 and v_ma5 corr is 1.0 
v_ma5 and v_ma10 corr is 0.828185562361 
v_ma5 and v_ma20 corr is -0.171466705223 
v_ma5 and turnover corr is 0.644134172052 
--------------------
v_ma10 and high corr is 0.628375689954 
v_ma10 and low corr is 0.708135592414 
v_ma10 and     open corr is 0.725333330517 
v_ma10 and close corr is 0.576449470244 
v_ma10 and ma5 corr is 0.853326052426 
v_ma10 and ma10 corr is 0.843184862447 
v_ma10 and ma20 corr is 0.558744215458 
v_ma10 and volume corr is 0.356907380189 
v_ma10 and v_ma5 corr is 0.828185562361 
v_ma10 and v_ma10 corr is 1.0 
v_ma10 and v_ma20 corr is 0.150980899067 
v_ma10 and turnover corr is 0.357412751599 
--------------------
v_ma20 and high corr is -0.354876794097 
v_ma20 and low corr is -0.284208967808 
v_ma20 and     open corr is -0.247214903269 
v_ma20 and close corr is -0.376021929049 
v_ma20 and ma5 corr is -0.200960528265 
v_ma20 and ma10 corr is -0.266123905738 
v_ma20 and ma20 corr is 0.51793654476 
v_ma20 and volume corr is -0.376176237006 
v_ma20 and v_ma5 corr is -0.171466705223 
v_ma20 and v_ma10 corr is 0.150980899067 
v_ma20 and v_ma20 corr is 1.0 
v_ma20 and turnover corr is -0.375592133339 
--------------------
turnover and high corr is 0.897045822307 
turnover and low corr is 0.730853369056 
turnover and     open corr is 0.697646328153 
turnover and close corr is 0.910879839054 
turnover and ma5 corr is 0.535991249199 
turnover and ma10 corr is 0.358978976146 
turnover and ma20 corr is -0.0600833456034 
turnover and volume corr is 0.99999710781 
turnover and v_ma5 corr is 0.644134172052 
turnover and v_ma10 corr is 0.357412751599 
turnover and v_ma20 corr is -0.375592133339 
turnover and turnover corr is 1.0 
--------------------

同理可以得到各个指标对应的协方差:

for i in ['high' ,'low','    open','close','ma5','ma10','ma20']:
        for j in ['high' ,'low','    open','close','ma5','ma10','ma20']:
        print('%s and %s cov is %s '%(i, j, (stock_data[i].cov(stock_data[j]))))    
    print('-'*20)

结论:
由彼此间相关系数可知,如果定义相关系数大于等于0.95为强相关,则

  1. 最高点与收盘价存在强相关,相关系数为0.97
  2. 开盘价与最低价存在强相关,相关系数为0.96
  3. 收盘价与最高价存在强相关,相关系数为0.97
  4. 5日均线与5日均成交量成正强相关,相关系数为0.95
  5. 换手率与成交量存在强相关,相关系数为0.999

当然,我们可以更改强相关的定义,结论同样可以由上面的输出得到。
其实根据相关系数我们可以开展许多分析,此处不在一一展开。

分析三: 最低点10.55(19日)分析

由matplotlib进行图形化显示各项价格指标的走势

from datetime import datetime
from dateutil.parser import parse
from matplotlib.dates import AutoDateLocator, DateFormatter,DayLocator


date = stock_data['date']
date = pd.to_datetime(date)
high = stock_data['high'].values
low = stock_data['low'].values
open_price= stock_data['    open'].values
close = stock_data['close'].values
ma5 = stock_data['ma5'].values
ma10 = stock_data['ma10'].values
ma20 = stock_data['ma20'].values


fig = plt.figure(figsize = (15,5))
ax = fig.add_subplot(111)
ax.set_title("Stock price")
ax.plot(date,open_price,label='open')
ax.plot(date,high,label='high')
ax.plot(date,low,label = 'low')
ax.plot(date,close,label = 'close')
ax.plot(date,ma5,label = 'ma5')
ax.plot(date,ma10,label = 'ma10')
ax.plot(date,ma20,label = 'ma20')

ax.xaxis.set_major_locator(autodates)
ax.set_xlabel("date")
ax.set_ylabel("values")
ax.xaxis.set_major_locator(DayLocator(bymonthday=range(1,32), interval=1)) 
ax.xaxis.set_major_formatter(DateFormatter('%Y%m%d')) 
plt.xticks(rotation=60)

plt.legend(loc='upper left') 


plt.grid(True)
plt.show()

20170417171433358.png

图一: 最低值曲线和5/10/20日均线的关系


20170417213935413.png

图二:成交量与5/10/20日均成交量曲线的关系(图二)

20170417213935413.png

图三:换手率与其他价格指标的的关系(图三)

20170417214350594.png

在19号,分析之前的数据, 可以得到如下的买入理由:

  1. 根据19日之前的数据得到,low曲线的下四分位是10.89,19日当日数最低值(10.55)与下四分卫10.89相差较大。19日之前最低值的下四分位可以由下面的程序得出。
data_19=stock_data.sort_index(ascending = False)[:10]
data_19.describe()
  1. 由图一可知,5日均线已经止跌企稳并持续一段时间
  2. 19日最低值(10.55)与5/10/20日均线(11.014 11.241 11.227)相差比较大。
  3. 由相关系数可知,v_ma5 与最低值存在0.9的相关系数,由图二可知,v_ma5曲线已经趋稳。

分析四:最低值曲线和5/10/20日均线交点分析(21日)

最低点线由下向上穿过5/10/20日均线交叉点并且5日均线由下向上穿过10/20日均线。由三根均线作为支撑,该股票看多头的概率增加。

分析五:最高卖出点分析(26日)

最低点由上而下穿过5日均线
最低值均高于三根均线
同理,可以根据相关系数做出相应解读

分析六:均价解读

5/10/20日均线的变化趋向于平滑,不会出现陡增减的情况并且时间越长越趋向平缓。5/10/20日均成交量同这里

PS:
自己平时爱好金融,在我看来中国的股票市场是一个会让有钱人取经验也未必能挣到钱的地方。机构与上市公司是不会亏钱的,他们可以通过透支未来的股价来人为拉高或者降低股价从而受益。本篇仅仅是举例来说明一些分析思路,不做展开。

最后感谢 虎哥能分享自己的专业知识。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,924评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,781评论 2 378
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,813评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,264评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,273评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,383评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,800评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,482评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,673评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,497评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,545评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,240评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,802评论 3 304
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,866评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,101评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,673评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,245评论 2 341

推荐阅读更多精彩内容

  • 编者按:自今年年初加入由Tiger创办的解密大数据社群以来,便不断的接触到各种与大数据相关的概念和案例,收益颇多。...
    昆明石头阅读 4,867评论 7 9
  • 技术分析:股指是最好的参照基本分析:把握宏观经济投资组合:根据行情调整成功者的启示:具备与众不同的思维方式超越专家...
    你在学校阅读 4,538评论 0 13
  • 搭讪,拍婆子 军训的时候,大家都穿的一样绿,晒的一样黑,偶尔看到有高年级的学姐,从操场走过,我们都会忍不住全体行注...
    郭磊guolei阅读 263评论 0 0
  • 儿时的好多事情都不记得了,记得最清楚的事情大多都与吃有关。小时候家里的煤火炉,还带了个简易的小烤箱。烤箱有个四四方...
    卿小柒阅读 420评论 0 1
  • 前言:这是真自由训练营的最后一堂课,非常感谢永澄老师的分享,听了之后突然有种脑洞大开的感觉,之前那些模糊的认知变得...
    阿甘321阅读 588评论 0 2