Python的功能不可以说不大，在金融数据分析里面有着很方便的应用。本篇文章给大家分享的内容是Python之获取与简单处理金融数据，有着一定的参考价值，有需要的朋友可以参考一下

1.数据获取

pandas包中有自带的数据获取接口，详细的大家可以去其官网上找，是io.data下的DataReader方法。

import numpy as npimport pandas as pdimport pandas.io.data as webimport math#从雅虎财经获取DAX指数的数据DAX = web.DataReader(name='^GDAXI', data_source='yahoo',start = '2000-1-1')#查看一下数据的一些信息 上面这一方法返回的是一个pandas dataframe的数据结构print DAX.info()#绘制收盘价的曲线D<mark style="color:transparent">本文来源gaodaimacom搞#^代%!码&网*</mark>AX['Close'].plot(figsize=(8,5))

我们获得的数据是dataframe的结构，毕竟是pandas的接口的嘛。然后我们绘制一下收盘价曲线。

这个是我们获取的数据的信息。

绘制出来的收盘价曲线是这样的。

2.简单的数据处理

有了股票价格，我们就计算一下每天的涨跌幅度，换句话说，就是每天的收益率，以及股价的移动平均和股价的波动率。

#计算每日的涨跌幅DAX['Return'] = np.log(DAX['Close']/DAX['Close'].shift(1))print DAX[['Close','Return']].tail()#将收盘价与每日涨跌幅度放在一张图上DAX[['Close','Return']].plot(subplots = True,style = 'b',figsize=(8,5))#42与252个交易日为窗口取移动平均DAX['42d']=pd.rolling_mean(DAX['Close'],window=42)DAX['252d']=pd.rolling_mean(DAX['Close'],window=252)#绘制MA与收盘价DAX[['Close','42d','252d']].plot(figsize=(8,5))#计算波动率，然后根据均方根法则进行年化DAX['Mov_Vol']=pd.rolling_std(DAX['Return'],window = 252)*math.sqrt(252)DAX[['Close','Mov_Vol','Return']].plot(subplots = True, style = 'b',figsize = (8,7))

我们可以掌握这种subplots的绘图方法，把几张趋势图片放在一起。

这是移动平均线的图片，subplots的属性为false，那么就是叠加在一起绘制。

这是市场的波动率和股市的关系。和FRM中提到的一样，在市场低迷，或者说，金融危机的时候，市场的波动率急剧增加。于是，就有了恐慌指数这个东西，也就是Vix，其实就是市场的波动率指数。

相关推荐：

Python在金融,数据分析,和人工智能中的应用

使用Python获取Google,Yahoo金融数据工具

以上就是Python之获取与简单处理金融数据的详细内容，更多请关注搞代码gaodaima其它相关文章！

喜欢 (0)赏

[搞代码]

分享 (0)