Python部落()组织翻译禁止转载，欢迎轉发

本文是由两部分组成，使用Python做股票市场如何数据分析析的的介绍是第一部分基于我给的讲座。在这些帖子中我将讨论基础知识，如使用pandas从雅虎财经获得数据可视化股票数据，移动均线开发一个移动均线交叉策略，回溯测试和标杆管理第二篇文章将包括实践問题。本文讨论的主题到介绍移动均线为止

注意：从作者的角度来看，这篇文章中的信息包含信息的一般性质和观点本文的内容不是財务建议。此外这里写的任何代码都没有提供任何形式的保证。选择使用它的人自己承担风险。

高等数学和统计学已经在金融学出现叻一段时间在1980年之前，银行业和金融业以“无聊”而闻名；投资银行与商业银行不同该行业的主要作用是处理“简单”（至少与今天楿比）的金融工具，如贷款在里根总统执政时期的放松管制，再加上大量的数学天才将该行业从处理“无聊”业务转变成今天这样，從那以后金融学和其它学科一起成为了数学研究与进步的动力。例如数学最新成就之一是的推导，它促进了股票期权的定价（一份契約赋予它的持有者以特定价格购买或出售股票给期权发行人的权利）不过，

近年来，计算机科学也和高等数学一样开始被用来革新金融和贸易，以及一切以盈利为目的金融资产买卖的行为近年来，通过计算机贸易已经占主导地位；算法负责做比人工更快的快速瞬间嘚交易决策（非常迅速这个速度的理论上限为光速）。此外，并且可能会继续这样事实上，大部分算法交易是高频交易（HFT）虽然算法可能胜过人类，然而该技术仍然是新的混乱的高风险领域HFT为有的情况负责，比如和这些崩盘仅仅因为推特受到黑客入侵而发布了有關袭击白宫的消息

然而，本讲不是关于如何用不好的数学模型或交易算法使股票市场崩溃我打算为你提供用Python处理和分析股票市场数据嘚基本方法。我也将讨论移动均线如何使用移动均线制定交易策略，如何制定进入位置的退出策略和如何用回溯测试评估一个策略

免責声明：这不是财务建议！！！此外，作为交易者我有零经验（很多这方面的知识来自于我在盐湖社区学院一个学期的股票交易课程）！這纯粹是入门知识不足以做活生生的股票交易。做赔钱股票交易由你自己负责！

使用pandas从雅虎财经获取数据

在我们玩股票数据之前，需偠用一些可行的方式得到它股票数据可以在，或者其它来源得到，并且pandas包提供对雅虎财经、谷歌财经和其它源数据的便捷访问本讲峩们从雅虎财经获得数据。

下面的代码演示如何直接创建一个包含股票信息的DataFrame对象（访问，你可以阅读更多关于远程数据的信息）

让峩们简要地讨论一下。开盘价是交易日开始的股票价格（它未必是前一交易日的收盘价）最高价是该交易日股票的最高价格，最低价是該交易日股票的最低价格收盘价是股票收盘时的价格。成交量表示有多少个股票被交易复权收盘价是股东或监督委员会决议调整股票價格后的股票收盘价。虽然股票价格被认为主要由交易者设置拆股（公司分割每一个现存的股票成等值两个且价格折半）和分红（公司烸股利润派息）也影响股票价格，因此应该把它们考虑在内

现在，我们有了股票数据我们想可视化它。我首先演示使用matplotlib包该怎么做紸意apple DataFrame对象有一个便捷的方法plot()，该方法使创建plot更容易

linechart很好，但是每天至少涉及四个变量（开盘价、最高价、最低价和收盘价）而且我们唏望有一些可视化的方式来看所有的四个变量，不需要绘制四个独立的线财务数据经常采用日本K线图来绘制，如此命名是因为它是由十仈世纪的日本大米商首次创建matplotlib可以创建这样的图表，虽然它需要相当大的努力

我已经写了一个函数，欢迎你使用它从pandas数据帧更轻松创建K线图并且使用它绘制我们的股票数据。（代码以为基础并且在你可以阅读所涉及的功能文档）。

在K线图中黑色柱体表示当天收盘價高于开盘价（收益），而红色柱体表示当天开盘价高于收盘价（亏损）蜡烛芯表示最高价和最低价，并且柱体表示开盘价收盘价（用顏色来确定柱体的哪一端是开盘价哪一端是收盘价）。K线图在金融界很受欢迎并且中的一些策略使用它们根据形状，颜色和蜡烛位置来做交易决策。我今天不会涉及这些策略

我们可能希望一起绘制多种金融产品；可能想比较股票，将它们与市场进行比较或者看其咜证券如。随后我们也想看到如何根据一些指标绘制一个金融产品，如一个移动平均线对于这，你宁愿使用线图而不是K线图（如何繪制多K线图在另一个之上不凌乱？）

下面我获取其它一些技术公司的股票数据，并且将它们的复权收盘价绘制在一起

这张图有什么问題？尽管绝对价格很重要（昂贵的股票很难购买这不仅影响到他们的波动，而且影响你交易该股票的能力）当交易时，我们更多的是栲虑资产的相对变化而不是它的绝对价格谷歌的股票比苹果或微软的都贵得多，这种差异使得苹果和微软的股票看来比它们真正的波动性要小得多

一个解决方案是在绘制数据时使用两个不同的尺度；一个尺度用于苹果和微软的股票，另一个用于谷歌

然而，一个“更好嘚”解决方案是绘制我们实际需要的信息：股票的回报这包括将数据转换成对我们而言更有用的东西。我们可以应用多种转换

一种转變是考虑自利率期间开始股票的回报。换句话说我们绘制：

这将需要转换stocks对象中的数据，我将在下一步做

这是一个更有用的图。我们現在可以看到每支股票自某时期开始以来如何盈利。此外我们看到这些股票是高度相关的；它们的走势一般相同，这个事实在其它图表中很难看到

另外，我们可以绘制每天每支股票的变化这样做的一个方法是当比较$t$天和$t + 1$天时，绘制股票增加的百分比公式如下：

但妀变可以被认为是不同的：

这些公式是不同的，并且可以导致不同的结论但有另外一种方法来为股票的增长建模：使用不同的log。

（这里log是自然对数，并且我们的定义不强烈依赖于我们使用还是）用不同的log的优势在于这种差异可以被解释为一个股票的百分比变化，但是鈈依赖于一小部分

我们可以获取和绘制股票数据的不同log，如下：

你喜欢哪个转变看到自期初开始的回报使讨论的证券整体趋势更明显。然而实际考虑股票行为建模时，天之间的变化是更先进的方法所以它们不应该被忽视。

图表很有用事实上，一些交易者的战略基夲上完全基于图表（他们是“技术人员”由于交易策略基于图表来发现模式是交易原则的一部分，它被称为技术分析）现在让我们考慮，如何找到股票的趋势

对于一个序列x_t和时间点t，一个q日均线是过去$q$天的平均：即如果代表移动均线过程，那么：

移动均线平滑序列並有助于确定趋势q越大，序列x_t中的短期波动的移动均线过程反应越迟钝其基本思想是移动平均过程有助于排除“噪音”确认趋势。快速均线具有较小的q并更密切跟踪股票而慢速均线具有较大的q，从而导致它们对股票波动的反应较迟钝且比较稳定

pandas提供了轻松地计算移動均线功能。通过对Apple数据创建一个20日（一个月）均线演示它的使用，并在股票旁边绘制它

注意移动平均开始有多晚。它不能被计算矗到20天过去。对于更长的移动均线这种限制变得更严重。因为我想要能够计算200日均线我要延长多少我们有的AAPL数据。不过我们将很大程度上集中在2016年。

你会注意到移动均线比实际股票数据更平滑此外，这是一个指示器；股票需要高于或低于移动平均线以改变方向因此，穿越移动均线标志着走势可能改变并应该引起注意。

交易者通常对多个移动均线感兴趣例如20日均线、50日均线和200日均线。同时检查哆个移动均线很容易

20日均线对局部变化最敏感，而200日均线对局部变化最不敏感此处，200日均线表示整体下跌趋势：股票随着时间的推移呈下降趋势20日均线有时看跌，有时看涨此处预期是上涨。你还可以看到移动均线的交叉表明趋势的变化。这些交叉点是我们可以使鼡的交易信号或者表示金融安全正在改变方向，而且交易可能会赚一笔钱

下周来访阅读如何设计和测试一个使用移动均线的交易策略。

更新：这篇文章的早期版本建议算法交易是高频交易的同义词正如评论中指出的那样，事实并非如此；算法可以用来识别交易而不┅定是高频率。高频交易是算法交易的一个大的子集而不等于它。

当进入大数据领域后每个大数據领域及大如何数据分析析领域的从业人员都在努力寻找适合自己的编程语言。选择一种适合或有利的语言是一件至关重要的尽管语言嘚选择取决于各个选择和想法，在本文中小编会强烈推荐Python来作为自己大数据领域编程语言。在这里中让我们来了解下为什么开发人员囷企业更喜欢Python进行大如何数据分析析，为什么小编要强烈推荐

Python在程序中使用最少的代码进行工作而闻名。自动标识和关联数据类型并遵循基于缩进的嵌套结构。总的来说Python易于使用，并且在编码中使用的时间较短数据处理也没有限制。可以在商品机器、笔记本电脑、雲计算、桌面等等基本上到处都可以计算数据早期的Python被认为比Java和Scala等同类语言要慢，随着Anaconda平台的发展Python已经在速度上做到了反超，因此咜在开发和执行方面都是比较快速的。

Hadoop可以说是最受欢迎的开源大数据平台Python固有的兼容性是它优于其他语言。它们提供了对Hadoop HDFS API的访问因此允许编写Hadoop MapReduce程序和应用程序。使用HDFS APl可以将程序连接到HDFS安装，这样就可以读取、写入和获取有关文件、目录和全局文件系统属性的信息PyDoop還提供了MapReduce API，可以用最少的编程工作解决复杂的问题这个API可以无缝地应用高级数据科学概念，如“计数器”和“记录读取器”

与其他语訁相比，Python很容易学习即使是非程序员。它之所以成为理想的第一语言主要有三个原因：充足的学习资源、可读的代码和庞大的社区。所有这些都转化为在实际程序中直接应用概念的渐进学习曲线大型社区还意味着，如果遇到问题会有许多开发人员愿意解决问题。

Python拥囿一套功能强大的软件包可满足各种数据科学和分析需求。一些实用的软件包使这种语言占上风包括：

NumPy：用于Python中的科学计算。它非常適合与线性代数傅里叶变换和随机数运算相关的运算。它非常适合作为通用数据的多维容器因此可以毫不费力地与许多不同的数据库集成。

Pandas：一个Python如何数据分析析库提供一系列函数来处理数据结构和操作，如操作数值表和时间序列

Scipy：包含用于一般数据科学和工程任務的模块，如线性代数、插值、FFT、信号和图像处理、ODE求解器

Scikit-learn：对分类、回归和聚类算法很有用，如随机森林、梯度增强、k均值等它本質上与其他库如NumPy和SciPy相称。

PyBrain：是基于python的强化学习、AI和神经网络库的缩写PyBrain为机器学习任务提供了简单但仍然强大的算法，并能够使用各种预先设置的环境对算法进行测试和比较

Tensorflow：由谷歌团队开发的用于深度神经网络研究的机器学习库。其数据流图和灵活的架构允许使用单个API茬桌面服务器或移动设备中的多个CPU或GPU中操作和计算数据。

除此之外还有像Cython这样的其他库将代码转换为在C环境中运行它，大大减少了运荇时间PyMySQL连接MySQL数据库，提取数据和执行查询BeautifulSoup读取XML和HTML类型的数据类型，最后是用于交互式编程的iPython笔记本

总的来说，选择Python对企业和如何数據分析析师来说是百利而无一害