Numpy——股价统计分析演练

一、加载csv数据

import numpy as np
close,amount=np.loadtxt("./data.csv",delimiter=",",usecols=(6,7),unpack=True) #导入收盘价、成交量两列
    # delimiter=: 分隔符
    # usecols=(): 将所有获取数据的列索引放入元组中
    # unpack=True: 将获取的所有元素解耦，可赋值给不同的变量，default=False

二、统计分析

2.1初步函数统计

price_weight = np.average(close,weights=amount)  #成交量加权平均价
price_mean = np.mean(close)                      #收盘价的算术平均价

price_max = np.max(amount)                       #最大成交量
price_min = np.min(amount)                       #最小成交量
price_ptp = np.ptp(amount)                       #成交量的极差

price_mediam = np.median(close)                  #收盘价的中位数

sorted_price=np.msort(close)                     #将收盘价排序，默认升序
var_price=np.var(close)                          #计算收盘价的方差

2.2 计算股票收益率、年波动率及月波动率

returns=np.diff(close) / close[:-1]    #计算收盘价的简单收益率
                                       # np.diff() 后一天与前一天的差值（最后一天的不计算）
                                       # arr[:-1]  除去最后一天的数组

returns_index=np.where(returns > 0)    #获取收益率为正值的元素的索引组成的元组
result=np.take(close,returns_index)    #根据索引值，获取相应的数组元素

std_price=np.std(close)                #计算收盘价的标准差
logreturns=np.diff(np.log(close))      #对数收益率

计算年波动率: 
 #年波动率等于对数收益率的标准差除以其均值，再除以交易日倒数的平方根，通常交易日取252天。
annual_volatility = (np.std(logreturns) / np.mean(logreturns)) / np.sqrt(1/252) 

月波动率
 #月波动率等于对数收益率的标准差除以其均值，再除以交易月倒数的平方根，交易月为12月。
mon_volatility=annual_volatility * np.sqrt(1/12)

2.3 日期处理函数

import numpyas np
from datetime import datetime
datestr="2018-05-28"
newDate=datetime.strptime(datestr,"%Y-%m-%d")
print(newDate)      #2018-05-28 00:00:00
weekday=newDate.date().weekday()
print("{}是星期{}".format(datestr,weekday+1))

2.3 综合统计

需求：文件中的数据为给定时间范围内某股票的数据，分别对应的平均收盘价及哪天的平均收盘价最高，
哪天的平均收盘价最低。

 importnumpy as np
 from datetime import datetime

 def datestr2num(s):                     #将日期格式字符串转换并得到星期
     return datetime.strptime(s.decode("utf8"), "%d-%m-%Y").date().weekday()     
 date,close=np.loadtxt("./data.csv",delimiter=",",usecols=(1,6),converters={1:datestr2num},unpack=True)  #导入data数据，分别获取交易日期和收盘价数据
 average=[]

 for i in range(5):
     mask= date==i                       #mask索引，获取date为i的mask索引
     close_w=close.compress(mask)        #根据mask索引返回星期为i+1的所有收盘价
     average.append(np.mean(close_w))    #将星期数为i+1的平均收盘价放入average列表中
 maxIndex=np.argmax(average)   #获取数组中最大值的索引
 minIndex=np.argmin(average)   #获取数组中最小值的索引
 print("星期{}的收盘价的平均收盘价最高！".format(maxIndex+1))
 print("星期{}的收盘价的平均收盘价最低！".format(minIndex+1))