<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[luckyboy1997的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/luckyboy1997</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; luckyboy1997]]></copyright><item><title><![CDATA[（四）金融数据分析--股票移动平均计算]]></title><link>https://blog.youkuaiyun.com/luckyboy1997/article/details/105174817</link><guid>https://blog.youkuaiyun.com/luckyboy1997/article/details/105174817</guid><author>luckyboy1997</author><pubDate>Sun, 29 Mar 2020 11:11:04 +0800</pubDate><description><![CDATA[股票移动平均
1.引入数据库
#引入数据库
import pandas_datareader as pdr
#可视化
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

2.导入数据（上证指数的数据为例）
#选择一个数据上证指数为例（通过pandas库引入）
szzs=pdr.get_data_yaho...]]></description><category></category></item><item><title><![CDATA[（三）python计算夏普率]]></title><link>https://blog.youkuaiyun.com/luckyboy1997/article/details/105118840</link><guid>https://blog.youkuaiyun.com/luckyboy1997/article/details/105118840</guid><author>luckyboy1997</author><pubDate>Thu, 26 Mar 2020 16:24:24 +0800</pubDate><description><![CDATA[夏普率是衡量股票组合的一个指标之一：

·
实际举例：
如果某个投资组合第一天收益率为5%、第二天收益为9%、第三天的收益为-10%（这里的收益率是相对于前一天的数据或者前一个周期的数据），同时假设国债的收益率为4%，计算夏普率：
shaper ration=average（5%+9%-10%）-国债收益率日数据/收益率的方差
·
·
·
python 平安集团单支股票数据为例：
备注：tusha...]]></description><category></category></item><item><title><![CDATA[（二）python金融数据分析--β求解]]></title><link>https://blog.youkuaiyun.com/luckyboy1997/article/details/105010346</link><guid>https://blog.youkuaiyun.com/luckyboy1997/article/details/105010346</guid><author>luckyboy1997</author><pubDate>Sat, 21 Mar 2020 15:26:11 +0800</pubDate><description><![CDATA[2.股票的系统性风险β

（1）单只股票的收益率
A：简单收益率
计算逻辑=（当期价格-上期价格）/上期价格，获取的数据由上之下开始计算，所以第一个数据一般都为NAN
df2=df1['close'].pct_change()
df2.plot()

B：对数收益率
df1['return']=np.log(df1['close']/df1['close'].shift(1))
df1['retu...]]></description><category></category></item><item><title><![CDATA[（一）python金融数据分析--绘制图表]]></title><link>https://blog.youkuaiyun.com/luckyboy1997/article/details/104969953</link><guid>https://blog.youkuaiyun.com/luckyboy1997/article/details/104969953</guid><author>luckyboy1997</author><pubDate>Fri, 20 Mar 2020 15:44:20 +0800</pubDate><description><![CDATA[简单的数据分析及其调试

]]></description><category></category></item><item><title><![CDATA[python金融数据导入的方法]]></title><link>https://blog.youkuaiyun.com/luckyboy1997/article/details/104968481</link><guid>https://blog.youkuaiyun.com/luckyboy1997/article/details/104968481</guid><author>luckyboy1997</author><pubDate>Thu, 19 Mar 2020 16:08:43 +0800</pubDate><description><![CDATA[初学篇–数据导入
1.国内股票的数据；
2.国际股票的数据；
3.网页的数据；
4.本地的数据传入python分析；
（一）数据导入
1.国内股票的数据–tushare包（安装pip install tushare）
import tushare as ts

（1）如果是获取股票短期数据，目前是可以通过tushare的原始代码
参考链接
ts.get_hist_data('600848')

（...]]></description><category></category></item></channel></rss>