基于tushare的数据和Python语言，对某公司股票数据的adf、acf/pacf、GARCH分析

股票数据ADF、ACF/GARCH分析

最新推荐文章于 2025-12-06 18:40:48 发布

原创

最新推荐文章于 2025-12-06 18:40:48 发布 · 置顶 · 1.5k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言 #最小二乘法 #数据库架构 #数据分析 #动态规划 #概率论

一，前期准备

为了开展某公司2023年度股票的相关分析，首先需要安装并配置 tushare 数据接口。然后在代码中输入用户在 Tushare 官网申请的有效 Token，以便顺利调用其金融数据接口。接着导入后续分析所需的常用 Python 库，包括但不限于 tushare（用于获取股票数据）、pandas（用于数据处理）、matplotlib 和 seaborn（用于数据可视化）、numpy（用于数值计算）等，为数据清洗、可视化和建模分析做好准备。

1.下载tushare库

Tushare 是一个免费、开源的 Python 财经数据接口库，主要用于获取股票、基金、期货、宏观经济等金融数据。其数据来源于公开市场或第三方数据提供商，适合量化投资、数据分析等领域的研究者使用。Tushare 因其易用性和丰富的数据类型，成为国内金融数据分析的常用工具之一。

pip install tushare

在这里插入图片描述

2.设置token，并访问数据库

下载数据需要注册 Tushare 账号并获取 API Token。

二，代码演示

import tushare as ts
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.stattools import adfuller, acf, pacf
from arch import arch_model
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
import sys


# 1. 设置 Tushare Token
ts.set_token('你的token')
pro = ts.pro_api()

# 2. 获取一年日线数据
df = pro.daily(ts_code='002920.SZ', start_date='20230101', end_date='20231231')
df['trade_date'] = pd.to_datetime(df['trade_date'])
df.set_index('trade_date', inplace=True)
df.sort_index(inplace=True)
returns = df['close'].pct_change().dropna() * 100  # 日收益率（百分比）

# 3. ADF平稳性检验
def adf_analysis(series):
    adf_result = adfuller(series)
    print("\033[92m" + "="*50 + "\033[0m")
    print("\033[92mADF 平稳性检验结果:\033[0m")
    print(f"\033[92mADF Statistic: {
     
     adf_result[