در این پست ، ما تجزیه و تحلیل بازار سهام را انجام خواهیم داد. در S& P ، که مخفف است. 500 استاندارد و فقیر ، یا به سادگی S& P 500 ، شاخص بورس سهام است که عملکرد سهام 500 شرکت بزرگ را که در صرافی ها در ایالات متحده ذکر شده اند ، ردیابی می کند.

سریال های زمانی چیست؟

بنابراین با کلمات ساده ، سری زمانی مجموعه ای از نقاط داده است که به ترتیب زمان فهرست بندی شده است ، یا می توانید بگویید. یک سری زمانی مجموعه ای از مشاهدات موارد داده به خوبی تعریف شده به دست آمده از طریق اندازه گیری های مکرر در طول زمان است. به عنوان مثال ، اندازه گیری ارزش خرده فروشی هر ماه از سال شامل یک سری زمانی است.

بنابراین ، چه نوع تجزیه و تحلیل می توانید در مورد این داده های سهام انجام دهید؟بیایید بگوییم که شما باید بازده روزانه هر یک از سهام را در یک هفته تجزیه و تحلیل کنید.

بازده روزانه را تجزیه و تحلیل کنید

بیایید بگوییم که شما سالانه در دوره y محور y و محور x به موقع بازده دارید. همانطور که مشاهده می کنید ، ما بیشترین درصد را در سال 2013 دیدیم و در اواسط سال 2012 کمترین ارزش را دارید. این یک نوع تجزیه و تحلیل است که می توانید در مورد داده های خود انجام دهید.

مقایسه قیمت سهام

تجزیه و تحلیل دیگری که می توانید انجام دهید مقایسه قیمت سهام است که نوع دیگری از تجزیه و تحلیل هر شرکت سهام است. بنابراین بدون اتلاف وقت ، بیایید شروع کنیم.

بارگیری مجموعه داده

به منظور سادگی ، کد از مشخصات Jovian من تعبیه شده است.

1. تجزیه و تحلیل قیمت بسته شدن سهام و روند حجم

وارد کردن کتابخانه های لازم

ایجاد قاب داده اصلی ما

اگر پرونده پایگاه داده ما را برای اهداف سادگی و زمان مشاهده می کنید ، پرونده CSV هر شرکت را جدا از هم جدا کرده ایم. ما در حال حاضر روی تجزیه و تحلیل 4 شرکت برتر تمرکز خواهیم کرد: "آمازون" ، "مایکروسافت" ، "گوگل" و اپل. شما می توانید همه شرکت ها یا هر کدام را که دوست دارید ببرید.

ادغام داده های 4 شرکت در یک.

شکل داده

انواع داده ها:

اگر به زیر تصویر نگاه کنید ، نوع داده برای ستون تاریخ اشتباه است ، که یک نوع شی است. ما باید نوع داده را به عنوان زمان تاریخ به آن ارائه دهیم.

تغییر نوع داده به زمان تاریخ

قیمت بسته شدن همه سهام را تجزیه و تحلیل کنید

بگذارید روی اولین بیانیه مشکل خود کار کنیم. برای این کار ، ما در کل 4 سهام در مجموعه داده های خود داریم. ما قیمت بسته شدن هر مجموعه داده مربوط به تاریخ را تجزیه و تحلیل خواهیم کرد تا از این نمودار ببینیم که کدام سال قیمت بسته شدن پایین یا زیاد است.

ذخیره نام شرکت

ترسیم شکل

بگذارید کد فوق را درک کنیم.

در خط اول ، اندازه شکل را تعریف می کنیم.

خط 2 که برای من است ، شرکت در Enumerate (Tech_List ، 1): ما از حلقه با عملکرد شمارش استفاده می کنیم که اگر در اولین تکرار Tech_List را پشت سر بگذارید ، به ما I = 1 و شرکت = "AAPL" می دهد.

خط 3 plt. subplot (2،2 ، i) ما در حال ترسیم یک نقشه خالی هستیم که در آن من = 1

برای درک بهتر ، من به صورت دستی I = 1 را برای نمایشگاه قرار می دهم

خط 4 df = full_df [full_df ['name'] == شرکت] برای هر شرکت ، ما در صورت تصور تصور اینکه این تصویر زیر است ، یک نام قاب داده موقت را به عنوان DF ایجاد می کنیم.

خط 5 plt. plot (df ['date'] ، df ['close']) در این خط ، ما فقط با استفاده از نام قاب داده موقت df ، PLT خود را ترسیم می کنیم.

خط ششم plt. title (شرکت) فقط در این اولین تکرار ، نمودار را برای نمودار ما می دهد که به این شکل می دهد

این برای تکرار 1 است ، به همان روشی که حلقه دوباره دور می شود و خروجی را برای همه می دهد.

همانطور که از نمودار فوق می بینید افت قیمت بسته شدن در اواسط سال 2016 وجود داشت.

2. حجم کل سهام که هر روز معامله می شود را تجزیه و تحلیل کنید

برای این کار ، ما از Plotly استفاده خواهیم کرد

اگر نیاز به دیدن تجارت حجم در سال 201 5-2017 دارید می توانید یک مربع را بکشید و به طور خودکار قادر خواهید بود روی آن بزرگنمایی کنید و ماهانه جزئیات بیشتری کسب کنید.

لطفاً ویدیوی زیر را در مورد نحوه استفاده از آن بررسی کنید.

2. تجزیه و تحلیل بازده های روزانه

1. تجزیه و تحلیل قیمت روزانه سهام را تجزیه و تحلیل کنید
2. میانگین ماهانه ویژگی نزدیک را تجزیه و تحلیل کنید

بیایید مجموعه داده هایی را که ما فقط روی یک مجموعه داده که از آمازون است کار خواهیم کرد.

همانطور که می بینیم هیچ ویژگی وجود ندارد که تغییر قیمت روزانه را به ما بگوید

ما در حال ایجاد یک ستون جدید هستیم که تغییرات روزانه قیمت را به ما می گوید. بیایید ببینیم مجموعه داده چگونه به نظر می رسد. همانطور که می بینید یک ستون جدید اضافه شده است.

بیایید درصد بازده روزانه را نیز پیدا کنیم

با استفاده از نقشه ای که قبل از آن وارد می کنیم فقط نمودار را ترسیم خواهیم کرد

با استفاده از این می توانیم بدانیم که در کدام سال بازگشت کمترین و بالاترین است.

میانگین ماهانه ویژگی نزدیک را تجزیه و تحلیل کنید

ما از همان پایگاه داده استفاده خواهیم کرد که فقط یک کپی از پایگاه داده تهیه خواهیم کرد تا مجموعه داده اصلی مختل نشود.

تبدیل ستون تاریخ که یک شیء به تاریخ است.

تنظیم مجدد فهرست تا به امروز

ما فهرست را به عنوان تاریخ تنظیم می کنیم. بیایید بگوییم که شما می خواهید تاریخ برخی از بازه ها را بدست آورید ، می توانیم به راحتی محدوده تاریخ را پشت سر بگذاریم و مطابق شکل زیر آن را بدست آوریم.

داده ها را با میانگین هر ماه دوباره نمونه برداری کنید

نمونه از نمونه برای نمونه برداری از مقدار محدوده داده شده ما طبق فاصله زمانی استفاده می شود. اگر می خواهید در مورد استفاده مجدد بیشتر بدانید ، ویدیوی زیر را تماشا کنید.

زمان ترسیم داده های ما

همانطور که در نمودار می بینیم افزایش مداوم در مقدار بسته شدن وجود دارد. با برخی از سقوط در وسط.

نمونه برداری بر اساس سال

3. انجام تجزیه و تحلیل چند متغیره

1. تجزیه و تحلیل اینکه آیا قیمت سهام این شرکت های فناوری با همبستگی است یا خیر.
2. بازگشت روزانه هر سهام و نحوه ارتباط آنها را تجزیه و تحلیل کنید.
3. ارزش تجزیه و تحلیل ریسک برای شرکت های فنی.

تجزیه و تحلیل اینکه آیا قیمت سهام این شرکت های فناوری با همبستگی دارد یا خیر

در کل ، ما 4 شرکت داریم بنابراین آنها را با هم تجزیه و تحلیل خواهیم کرد و می بینیم که آیا بین شرکت فناوری همبستگی وجود دارد یا خیر.

ما تمام مجموعه داده ها را به طور جداگانه وارد خواهیم کرد تا بتوانیم تمام قیمت های بسته شدن این شرکت را با هم ترکیب کنیم یا نه.

به ما اجازه می دهد یک مجموعه داده خالی را تعریف کنیم تا بتوانیم با هم با قیمت بسته شدن همه شرکت فوق با هم تماس بگیریم و تجزیه و تحلیل کنیم

اگر در زیر مشاهده کردید ، اکنون تمام قیمت های بسته شدن هر شرکت در یک ستون جدا شده است ، اکنون می توان نمودار را ترسیم کرد

ما در حال ترسیم یک طرح جفت هستیم

ترسیم نقشه گرما

اگر نگاهی به نمودار فوق بیندازید و بین آمازون گوگل و مایکروسافت مشاهده کنید ، همبستگی بالایی وجود دارد. این بدان معناست که می توانیم بگوییم که اگر هر یک از قیمت سهم شرکت کاهش یابد ، 97 ٪ احتمال کاهش قیمت سهام دو نفر دیگر وجود دارد.

همچنین می توانید شرکت های دیگری را نیز در نظر بگیرید که در مجموعه داده ها قرار دارند و تجزیه و تحلیل خود را انجام می دهند.

بازگشت روزانه هر سهام و نحوه ارتباط آنها را تجزیه و تحلیل کنید.

برای تجزیه و تحلیل بازده روزانه ، ما باید بازده روزانه هر سهام را به طور جداگانه محاسبه کنیم تا از فرمول ((قیمت نزدیک قیمت باز) / قیمت نزدیک *100) استفاده کنیم.

ما از همان مجموعه داده 4 شرکت استفاده خواهیم کرد

ابتدا ، ما در حال ایجاد یک نام شهرت داده خالی به عنوان داده هستیم ، سپس با استفاده از فرمول ذکر شده در حال بازگرداندن روزانه هر سهام هستیم. این مرحله برای هر سهام به طور جداگانه دنبال می شود.

ترسیم طرح جفت

نقشه حرارت

همانطور که از نقشه گرمای فوق می بینیم که بین بازده روزانه گوگل و آمازون ارتباط خوبی وجود دارد. ما همچنین می توانیم با مایکروسافت و گوگل برخی را ببینیم.

ارزش تجزیه و تحلیل ریسک برای شرکت های فنی.

بیایید یک طرح توزیع را برای دیدن داده ها ترسیم کنیم

با این کار ، می توانیم بگوییم که 68 ٪ داده های ما بین انحراف استاندارد 1 است

انحراف استاندارد دوم ما به ما می گوید که 95 ٪ داده های ما بی ن-2. 37 تا 2. 37 نهفته است

انحراف معیار سوم ما به ما می گوید که 99. 7 ٪ داده های ما بی ن-3. 56 تا 3. 56 نهفته است

بیایید مقدار کمی ما را بررسی کنیم

بنابراین م ن-1. 42 را بازگرداند ، بنابراین اساساً می گوید 90 درصد از زمان آخرین ضرر روزانه من از ای ن-1. 42 فراتر نمی رود. بنابراین این اساساً نتیجه گیری این مقدار است.

این همه از طرف من امروز است. سعی کنید داده ها را کشف کنید. سعی کنید سهام مختلف دیگری را در نظر بگیرید و از طرف خود تجزیه و تحلیل کنید. امیدوارم که از این وبلاگ برخی از موارد را دوست داشته باشید و یاد بگیرید.