Soovitus

NSEpy & Pandas kasutades Pythonis korrelatsioonimatrixi arvutamise kiirjuhendit

Gathering stock data with Python following the demise of Yahoo Finance (Cameron Nugent) (Juuni 2019).

Anonim

Siin on pythoni kiire juhendaja korrelatsioonimatrixi arvutamiseks paljude varuinstrumentide vahel, kasutades pütoni pakette nagu NSEpy & Pandas. Üldiselt on korrelatsiooni koefitsient statistiline mõõde, mis peegeldab kahe aktsia / finantsinstrumendi korrelatsiooni. Kahe väärtpaberi vahelise suhte kindlaksmääramine on kasulik intermarketi suhete, sektori / varude suhete ning sektori / turu suhete analüüsimiseks.

Siin on mõned olulised pythoni raamatukogud, mis on vajalikud korrelatsioonimaatriksi andmete visualiseerimiseks

IPython (interaktiivne Python)
Pandas (ajaperioodi andmete käsitlemiseks Pythoni raamatukogu)
NSEpy ( laadige ajaloolised andmed NSEindia-st - NSEpy 0, 3 versioonist või uuemast)
Matplotlib (Pythoni raamatukogu 2D joonistamiseks)

Importige vajalikud pythoni moodulid

i) nsepy.archives'ist peame importima get_price_history: - aktsiahindade üksikasjade hankimiseks
ii) kuupäeva impordist peate importima kuupäeva objekti: - nõutavate varude tähtaja määramine
iii) import pandas: - andmefailide loomiseks
iv) impordi matplotlib korrelatsioonisoojuse kaardistamiseks

Loo varude loend

Anna ajaloolised andmed
Nüüd saate iga varude hinnaajalugu, lähtudes konkreetsest tähtajast ja lisada viimane suletud väärtus tühjale pandas andmefailile

Arvuta ja korreleerimismaatriks
Nüüd arvuta protsendi muutus ja Pearsoni korrelatsioon, kasutades pandas andmefailide funktsioone pct_change (), corr () ja korrutades maatriksi, kasutades
matplotlib nagu allpool näidatud.

Märkus: ipütoni sülearvutis kuvatakse muutuja % pylab inline .

Proovi IPythoni sülearvuti varude korrelatiivmaatriksi kaardi loomiseks, nagu allpool näidatud: