Python数据分析：股价相关性

最新推荐文章于 2025-03-18 15:32:56 发布
最新推荐文章于 2025-03-18 15:32:56 发布
阅读量3.4k 收藏 14
点赞数 3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_27851579/article/details/118398152
版权
本文通过Python进行股价相关性分析，选用全聚德和光明乳业作为研究对象，利用matplotlib, numpy, pandas和tushare等库获取并处理数据。通过Pearson相关系数计算，发现两者相关度高达0.81，属极强相关。虽然实际原因不明，但理论上可进行配对交易策略。最后，进行了数据可视化以观察趋势。" 122413918,11408263,天津港全球首个零碳码头并网发电，绿色能源引领智慧港口新未来,"['物联网', '大数据', '3d', '3d渲染', '智慧港口']

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

好久没发博客了，今天来发一篇分析股价相关度的。╮ ( ╯ ▽ ╰ ) ╭

为什么要分析股价相关度呢，我们来引入一个概念——配对交易

所谓的配对交易，是基于统计套利的配对交易策略是一种市场中性策略，具体的说，是指从市场上找出历史股价走势相近的股票进行配对，当配对的股票价格差偏离历史均值时，则做空股价较高的股票同时买进股价较低的股票，等待他们回归到长期均衡关系，由此赚取两股票价格收敛的报酬。

接下来开始我们的股价相关度分析，首先我们选两个股票 ~

感觉全聚德和光明乳业都很好吃的样子，我们就选它们了吧！ = ￣ω￣ =

1 、导入数据包

简单介绍一下要用到的数据包

matplotlib.pyplot ：绘图库，其中 pyplot 子包提供一个类 MATLAB 的绘图框架

numpy ：科学计算库，支持高级大量的维度数组与矩阵运算

pandas ：纳入了大量库和一些标准的数据模型，提供高效地操作大型数据集所需的工具

tushare ：财经数据接口包

    import matplotlib.pyplot as plt 
    import numpy as np
    import pandas a
最低0.47元/天 解锁文章
qq_27851579
关注
python股票相关性分析,Python数据分析：股价相关性
weixin_33638349的博客
03-26 2289
Python数据分析：股价相关性为什么要分析股价相关度呢，我们来引入一个概念——配对交易所谓的配对交易，是基于统计套利的配对交易策略是一种市场中性策略，具体的说，是指从市场上找出历史股价走势相近的股票进行配对，当配对的股票价格差偏离历史均值时，则做空股价较高的股票同时买进股价较低的股票，等待他们回归到长期均衡关系，由此赚取两股票价格收敛的报酬。接下来开始我们的股价相关度分析，首先我们选两个股票~感...
Python量化交易策略及回测系统源代码+全部数据（高分项目）
01-02
Python量化交易策略及回测系统源代码+全部数据（高分项目），个人经导师指导并认可通过的毕业设计项目，评审分98分，项目中的源码都是经过本地编译过可运行的，都经过严格调试，确保可以运行！主要针对计算机相关专业的正在做毕业设计的学生和需要项目实战练习的学习者，资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用需求，如果有需要的话可以放心下载使用。 Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）Python量化交易策略及回测系统源代码+全部数据（高分项目）个人经导师指导并认可通过的毕业设计项目，评审分98分，项目中的源码都是经过本地编译过可运行的，都经过严格调试，确保可以运行！个人经导
如何利用Python进行股票市场的相关性分析？
最新发布
股票量化的博客
03-18 368
Python，作为一种强大的编程语言，提供了多种工具和库，使得进行相关性分析变得简单而高效。通过本文的介绍，你已经了解了如何使用Python进行股票市场的相关性分析。记住，相关性分析只是众多投资分析工具中的一种，结合其他分析方法，如基本面分析和技术分析，可以更全面地理解市场动态。通过上述步骤，我们得到了苹果和谷歌股票回报率之间的相关性值以及可视化图表。这段代码首先绘制了苹果和谷歌股票回报率的散点图，然后绘制了相关性热图。这段代码计算了苹果和谷歌股票回报率之间的相关性，并打印结果。
股票关联性分析-新手使用两个数据源
lxh5431的博客
02-03 984
import baostock as bs import pandas as pd # 登陆系统 lg = bs.login() # 显示登陆返回信息 print('login respond error_code:'+lg.error_code) print('login respond error_msg:'+lg.error_msg) # 获取上证50成分股 rs = bs.query_sz50_stocks() print('query_sz50 error_code:'+rs.error_c
Python相关分析—一个金融场景的案例实操
weixin_30642305的博客
11-23 1818
哲学告诉我们：世界是一个普遍联系的有机整体，现象之间客观上存在着某种有机联系，一种现象的发展变化，必然受与之关联的其他现象发展变化的制约与影响，在统计学中，这种依存关系可以分为相关关系和回归函数关系两大类，本次分享，jacky将跟您分享如何用python做相关关系，并以真实金融案例为依托，深入浅出，探讨相关分析在实际工作中应用。 基础铺垫 相关系...
股票价格走势的行业关联性
weixin_37598719的博客
07-21 1454
A股股价走势的行业关联性分析
数据分析-股价数据
11-22
数据格式为CSV，内容为2010年3月到2015年6月间某公司的股价数据，适合学习Python数据分析的拿来练手
python股票相关性分析_python处理时间序列数据股票数据，并进行相关性分析
weixin_34751996的博客
02-21 2094
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfig = plt.figure()#读取数据stock = pd.read_csv('D:/0py-stock analysis/predict/600425test2.csv', parse_dates=[0], index_col=0)#usecols=ra...
对比股票趋势图，留下相似度高的，使用python代码，直接写代码
weixin_35750483的博客
12-21 798
好的，首先我们需要获取股票的历史数据，这通常可以通过调用金融数据接口或者爬取网页获取。假设我们已经获取了两只股票的历史数据，并将其存储在两个列表中，分别为 stock_1 和 stock_2。 我们可以使用 Python 的 numpy 库来计算两个列表的相关性。首先，我们需要导入 numpy 库： import numpy as np 然后，我们可以使用 numpy 库中的 corrcoef ...
1_python股价预测_机器学习_python预测_线性回归_python_
09-29
python程序。用于机器学习中的线性回归预测股价
用Python快速分析和预测股票价格
Python数据之道
06-19 8805
点击上方“Python数据之道”，选择“星标公众号”精品文章，第一时间送达作者 |Vincent Tatan译者 | 李洁编辑 | Lemonbit出品 | Pyth...
python股票数据可视化软件_【Python量化干货】同一板块内多只股票相关性与联动性？巧用Seaborn实现金融数据可视化2...
weixin_39591386的博客
01-01 776
点击蓝字关注我们，只有不到7%的公众号是原创，不到1%的公众号持续产出高质量的原创内容。标星★我们，每天get一点高质量编程、金融、量化、人工智能、前沿FinTech知识吧！爱你们，笔芯～o(*^▽^*)┛乐学偶得原创文章禁止转载 正版视频 | 公众号内【技术视频】或点击左下角公众号：乐学Fintech网站：lexueoude.com这是乐学偶得的第【184】篇原创技术文章我们在上一个推...
python分析股票,python分析股票,python分析股票常用的策略
weixin_35997666的博客
03-26 688
内容导航：Q1：怎样用python处理股票用Python处理股票需要获取股票数据，以国内股票数据为例，可以安装Python的第三方库：tushare；一个国内股票数据获取包。可以在百度中搜索“Python tushare”来查询相关资料，或者在tushare的官网上查询说明文档。Q2：python怎么分析所有股票在 Python的QSTK中，是通过 s_datapath 变量，定义相应股票数据所在...
python_计算股票指标
m0_37967652的博客
10-28 9977
使用python计算常用的股票指标，本文涉及到的指标包括：RSI、OBV、MACD、 KDJ、 SAR、 VOL、 PSY、 ARBR、 CR、 EMV、 BOLL、 TRIX、 DMA、 BIAS、 CCI、 W%R、 ROC、 DMI
股票相关性分析
weixin_30408675的博客
06-15 1431
1 import numpy as np 2 from matplotlib.pyplot import plot 3 from matplotlib.pyplot import show 4 5 bhp = np.loadtxt('BHP.csv', delimiter=',', usecols=(6,), unpack=True) 6 7 bhp_return...
优矿-python计算上证50之间的相关系数
云金杞
05-05 2784
#线性回归策略 # Import libraries import numpy as np import pandas as pd from statsmodels import regression import statsmodels.api as sm import matplotlib.pyplot as plt import math #编写线性回归函数 def linreg(X, Y)
python获取excel总行数_python实时获取股票涨停跌停与封板手数
weixin_42603332的博客
01-17 599
涨停板对于每天要复盘的股票高手们，经常会去关注当天的涨停板和跌停板，涨停板与跌停板的数目，可以很好反应当天的市场的情绪，比如千股涨停，千股跌停，半数涨停被砸开，什么天地板，地天板。即使笔者不去打板，不去追题材，平时也会根据涨跌停的分布与封单数据作为考量市场，作为一个市场活跃因子和情绪量化指标。比如下面是今天收盘后程序自动获取的数据。有人问怎么自动？答：部署在某台电脑服务器，crontab...
python 股价相关性
01-17
### 使用 Python 进行股价相关性分析 #### 导入库并获取数据 为了进行股价的相关性分析，首先需要导入必要的库，并通过 `Tushare` 获取所需的数据。 ```python import matplotlib.pyplot as plt import numpy as np import pandas as pd import tushare as ts pro = ts.pro_api('your_token_here') df_stock_1 = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231') df_stock_2 = pro.daily(ts_code='000002.SZ', start_date='20230101', end_date='20231231') ``` #### 数据预处理 接下来对获取到的数据进行清洗和整理，确保两支股票的时间戳一致以便后续计算其间的关联度。 ```python # 将日期设置为索引 df_stock_1.index = pd.to_datetime(df_stock_1['trade_date']) df_stock_2.index = pd.to_datetime(df_stock_2['trade_date']) # 只保留收盘价列用于计算相关性 close_price_1 = df_stock_1[['close']] close_price_2 = df_stock_2[['close']] # 合并两个DataFrame对象，基于相同的日期进行连接 merged_df = pd.merge(close_price_1, close_price_2, left_index=True, right_index=True) # 去除缺失值 cleaned_data = merged_df.dropna() ``` #### 计算Pearson相关系数 利用 Pandas 提供的方法来计算两只股票之间的 Pearson 相关系数。 ```python correlation_matrix = cleaned_data.corr(method='pearson', min_periods=1)[^2] print(f"Pearson Correlation Coefficient between two stocks is {correlation_matrix.iloc[0, 1]}") ``` #### 结果可视化 最后可以绘制图表直观地查看两者间的关系趋势。 ```python plt.figure(figsize=(14,7)) plt.plot(cleaned_data) plt.legend(['Stock A Close Price', 'Stock B Close Price']) plt.title('Comparison of Two Stocks\' Closing Prices Over Time') plt.xlabel('Date') plt.ylabel('Price (CNY)') plt.grid(True) plt.show() def show(df): normalized_returns = (df / df.iloc[0]) - 1 plt.figure(figsize=(14,7)) plt.plot(normalized_returns) plt.title('Normalized Returns Comparison Between Two Stocks') plt.xlabel('Time') plt.ylabel('Returns Rate') plt.grid(True) plt.show() show(cleaned_data) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值