КОДЕКС
Анализ цен акций с помощью Python с использованием Hindustan Unilever Limited Dataset 2
Модуль 2. Визуализация данных и технический анализ
«Картина говорит тысячу слов» как никогда актуальна на финансовых рынках. Абсолютно ни один не проходит через миллионы строк чисел, мы всегда предпочитаем данные в графической форме, чтобы сделать выводы лучше. Этот модуль будет охватывать построение графиков, основные технические индикаторы и нашу собственную настройку, а также выполнение наших собственных торговых вызовов!
Постановления о проблеме:
- Загрузите файл week2.csv в фрейм данных. Какого типа столбец "Дата"? Убедитесь, что это тип datetime64. Преобразуйте столбец Date в индекс фрейма данных. Постройте цену закрытия каждого дня для всего периода времени, чтобы получить представление о том, каков общий прогноз по акциям. Обратите внимание на резкие изменения в этой акции, у вас есть точная дата, когда они произошли, попытайтесь получить новости за этот день по этой акции. Это будет полезно, если мы хотим научить нашу модель принимать входные данные НЛП.
Выходной график:
2. Основной график - это график с дискретными рядами, идеально подходящий для построения дневных данных. Его можно построить с помощью функции plt.stem ().
Отобразите основной график ежедневного изменения цены акций в процентах. Этот столбец был рассчитан в модуле 1 и уже должен быть доступен в week2.csv. Наблюдайте за каждым большим изменением.
Выходной график:
3. Постройте также дневные объемы и сравните с ними процентный график ствола. Задокументируйте свой анализ взаимосвязи между объемом и дневным процентным изменением.
Графики вывода:
4. Мы создали столбец «Тренд» в модуле 1. Мы хотим видеть, как часто встречается каждый тип тренда. Это можно увидеть в виде круговой диаграммы, где каждый сектор представляет процент дней, в течение которых происходит каждый тренд. Постройте круговую диаграмму для всех «тенденций», чтобы знать относительную частоту каждой тенденции. Вы можете использовать функцию группировки со столбцом тренда, чтобы сгруппировать все дни с одинаковым трендом в одну группу перед построением круговой диаграммы. На основе сгруппированных данных создайте БАРС-график средних и медианных значений «Общего торгуемого количества» по типу тренда.
Графики вывода:
5. Постройте распределение дневной доходности (в процентах) в виде гистограммы. Анализ гистограмм - один из самых фундаментальных методов исследовательского анализа данных. В этом случае он вернет частотный график различных значений процентных изменений.
Выходной график:
6. Далее мы хотим проанализировать, как коррелирует поведение различных акций. Корреляция выполняется на процентном изменении цены акции, а не цены акции.
Загрузите любые 5 акций по вашему выбору в 5 фреймов данных. Сохраните только строки, для которых столбец «Серии» имеет значение «EQ». Создайте единый фрейм данных, содержащий "цену закрытия" каждой акции. Следовательно, этот фрейм данных должен иметь пять столбцов. Переименуйте каждый столбец в название акции, содержащейся в столбце. Создайте новый фрейм данных, который представляет собой процентное изменение значений в предыдущем фрейме данных. Удалите Nan’s из этого фрейма данных. Используя seaborn, проанализируйте корреляцию между процентными изменениями в пяти запасах. Это чрезвычайно полезно для управляющего фондом при разработке диверсифицированного портфеля. Чтобы узнать больше, ознакомьтесь с этими ресурсами о корреляции и диверсификации.
Выходной график:
7. Волатильность - это изменение дисперсии доходности акции за определенный период времени. Прочтите следующую документацию по волатильности. Вы уже рассчитали процентные изменения курсов нескольких акций. Вычислите 7-дневное скользящее среднее процентного изменения любой из цен акций, затем вычислите стандартное отклонение (которое является квадратным корнем из дисперсии) и нанесите на график значения. Примечание: pandas предоставляет функцию Rolling () для фреймов данных и функцию std (), которую вы также можете использовать.
Выходной график:
8. Вычислите волатильность для индекса Nifty и сравните 2. Это приводит нас к полезному индикатору, известному как «Бета» (мы подробно рассмотрим его в Модуле 3).
Выходной график:
9. Постройте 21-дневную и 34-дневную скользящие средние со средней ценой и решите колл! Колл должен быть покупкой всякий раз, когда меньшая скользящая средняя (21) пересекает более длинную скользящую среднюю (34), И колл должен быть продажей всякий раз, когда меньшая скользящая средняя пересекает более длинную скользящую среднюю. Один из наиболее широко используемых технических индикаторов.
Выходной график:
10. Постройте полосы Боллинджера для этой акции - продолжительность 14 дней и 2 стандартных отклонения от среднего. Полосы Боллинджера включают следующие точки данных: 14-дневное скользящее среднее цены закрытия (мы называем его средним) Верхняя полоса что представляет собой скользящее среднее + 2 стандартных отклонения от среднего. Нижняя полоса, которая является скользящим средним - 2 стандартных отклонения от среднего. Средняя дневная цена акций. Полосы Боллинджера чрезвычайно надежны, с точностью 95% при 2 стандартных отклонениях, и особенно полезны на рынке с боковым движением. Наблюдайте за полосами самостоятельно и анализируйте точность всех торговых сигналов, подаваемых полосами Боллинджера. Сохранить в новый файл CSV.
Выходной график:
Ссылка на наборы данных:
Ссылка на мою предыдущую статью из этой серии:
