\t目前，获取股票数据的渠道有很多，而且基本上是免费的，比如，行情软件有同花顺、东方财富等，门户网站有新浪财经、腾讯财经、和讯网等。Python也有不少免费的开源api可以获取交易行情数据，如pandas自带的库，tushare和baostock等。由于pandas库不再支持yahoo数据库后变得很不好用，而baostock最早记录的数据是2006年，因此本文主要讲讲如何使用tushare获取股票交易数据和可视化分析，tushare基本上记录了股票自上市之日起所有的日交易数据，是目前分析国内A股（支持其他非股票行情数据，如期货）比较好用的开源接口。
阅读本文之前，建议学习或回顾下【手把手教你】系列文章，熟悉掌握pandas、tushare、numpy和matplotlib等包的使用，不然后面代码阅读起来可能比较吃力。
获取股票数据
01
使用tushare包的get_k_data()函数来获取股票交易数据，具体可以通过命令help(ts.get_k_data)了解函数和参数含义。
#先引入后面可能用到的包（package）\nimport pandas as pd \nimport numpy as np\nimport matplotlib.pyplot as plt\n#正常显示画图时出现的中文\nfrom pylab import mpl\n#这里使用微软雅黑字体\nmpl.rcParams[\'font.sans-serif\']=[\'SimHei\']\n#画图时显示负号\nmpl.rcParams[\'axes.unicode_minus\']=False\nimport seaborn as sns #画图用的\nimport tushare as ts\n#Jupyter Notebook特有的magic命令\n#直接在行内显示图形\n%matplotlib inline \n
02
小试牛刀：获取上证指数自发布以来的数据
sh=ts.get_k_data(code=\'sh\',ktype=\'D\',\n autype=\'qfq\', start=\'1990-12-20\')\n#code:股票代码，个股主要使用代码，如‘600000’\n#ktype:\'D\':日数据；‘m’：月数据，‘Y’:年数据\n#autype:复权选择，默认‘qfq’前复权\n#start：起始时间\n#end：默认当前时间\n#查看下数据前5行\nsh.head(5)\n
能看到的第一列是索引，对于pandas的数据结构，最后将索引设置为时间序列，方便后面可视化分析。
#将数据列表中的第0列\'date\'设置为索引\nsh.index=pd.to_datetime(sh.date) \n#画出上证指数收盘价的走势\nsh[\'close\'].plot(figsize=(12,6))\nplt.title(\'上证指数1990-2018年走势图\')\nplt.xlabel(\'日期\')\nplt.show()\n
上面的指数走势图还是可以清晰看出，股指分别在2007年和2015年有两波大牛市，然后又从高峰跌入谷底，目前处于下跌通道。真是辛辛苦苦28年，一夜回到解放前o(╥﹏╥)o
描述性统计
#pandas的describe()函数提供了数据的描述性统计\n#count:数据样本，mean:均值，std:标准差\nsh.describe().round(2)\n
结果如下表所示：
从上述结果可以看出，上证指数从1990年12月20日至2018年11月7日（最后交易日是当前运行时间），一共有6645个样本，均值为1937.52点，标准差为1079.51点（波动还是比较大的），最大值是6092.06点。
#再查看下每日成交量 \n#2006年市场容量小，交易量比较小，我们从2007年开始看\nsh.loc["2007-01-01":]["volume"].plot(figsize=(12,6))\nplt.title(\'上证指数2007-2018年日成交量图\')\nplt.xlabel(\'日期\')\nplt.show()\n
上图的成交量反映了一个有趣的现象，2014-2015年的大牛市很可能是天量的交易推动起来的，因为这期间实体经济并不景气，央行多次降息降准，货币宽松，资金流入股市，银行理财等影子银行在这期间疯狂扩张，场外加杠杆和**主导了这一场牛市。感兴趣的朋友可以结合货币供给、实体经济指标、影子银行等数据一起分析，进行交叉验证。
均线分析
#这里的平均线是通过自定义函数，手动设置20,52,252日均线\n#移动平均线：\nma_day = [20,52,252]\nfor ma in ma_day:\n column_name = "%s日均线" %(str(ma))\n sh[column_name] =sh["close"].rolling(ma).mean()\n#sh.tail(3)\n#画出2010年以来收盘价和均线图\nsh.loc[\'2010-10-8\':][["close",\n"20日均线","52日均线","252日均线"]].plot(figsize=(12,6))\nplt.title(\'2010-2018上证指数走势图\')\nplt.xlabel(\'日期\')\nplt.show()\n
日收益率可视化
#2005年之前的数据噪音太大，主要分析2005年之后的\nsh["日收益率"] = sh["close"].pct_change()\nsh["日收益率"].loc[\'2005-01-01\':].plot(figsize=(12,4))\nplt.xlabel(\'日期\')\nplt.ylabel(\'收益率\')\nplt.title(\'2005-2018年上证指数日收益率\')\nplt.show()\n
###这里我们改变一下线条的类型\n#(linestyle)以及加一些标记(marker)\nsh["日收益率"].loc[\'2014-01-01\':].plot(figsize=\n(12,4),linestyle="--",marker="o",color="g")\nplt.title(\'2014-2018年日收益率图\')\nplt.xlabel(\'日期\')\nplt.show()\n
分析多只股票（指数）
#分析下常见的几个股票指数\nstocks={\'上证指数\':\'sh\',\'深证指数\':\'sz\',\'沪深300\':\'hs300\',\n \'上证50\':\'sz50\',\'中小板指\':\'zxb\',\'创业板\':\'cyb\'}\nstock_index=pd.DataFrame()\nfor stock in stocks.values():\n stock_index[stock]=ts.get_k_data(stock,ktype=\'D\', \nautype=\'qfq\', start=\'2005-01-01\')[\'close\']\n#stock_index.head()\n#计算这些股票指数每日涨跌幅\ntech_rets = stock_index.pct_change()[1:]\n#tech_rets.head()\n#收益率描述性统计\ntech_rets.describe()\n#结果不在此报告\n#均值其实都大于0\ntech_rets.mean()*100 #转换为%\n
对上述股票指数之间的相关性进行可视化分析：
#jointplot这个函数可以画出两个指数的”相关性系数“，或者说皮尔森相关系数\nsns.jointplot(\'sh\',\'sz\',data=tech_rets)\n
#成对的比较不同数据集之间的相关性，\n#而对角线则会显示该数据集的直方图\nsns.pairplot(tech_rets.iloc[:,3:].dropna())\n
returns_fig = sns.PairGrid(tech_rets.iloc[:,3:].dropna())\n###右上角画散点图\nreturns_fig.map_upper(plt.scatter,color="purple") \n###左下角画核密度图 \nreturns_fig.map_lower(sns.kdeplot,cmap="cool_d") \n###对角线的直方图 \nreturns_fig.map_diag(plt.hist,bins=30)\n
收益率与风险
使用均值和标准分别刻画股票（指数）的收益率和波动率，对比分析不同股票（指数）的收益-风险情况。
#构建一个计算股票收益率和标准差的函数\n#默认起始时间为\'2005-01-01\'\ndef return_risk(stocks,startdate=\'2005-01-01\'):\n close=pd.DataFrame()\n for stock in stocks.values():\n close[stock]=ts.get_k_data(stock,ktype=\'D\', \n autype=\'qfq\', start=startdate)[\'close\']\n tech_rets = close.pct_change()[1:]\n rets = tech_rets.dropna()\n ret_mean=rets.mean()*100\n ret_std=rets.std()*100\n return ret_mean,ret_std\n#画图函数\ndef plot_return_risk():\n ret,vol=return_risk(stocks)\n color=np.array([ 0.18, 0.96, 0.75, 0.3, 0.9,0.5])\n plt.scatter(ret, vol, marker = \'o\', \n c=color,s = 500,cmap=plt.get_cmap(\'Spectral\'))\n plt.xlabel("日收益率均值%") \n plt.ylabel("标准差%")\n for label,x,y in zip(stocks.keys(),ret,vol):\n plt.annotate(label,xy = (x,y),xytext = (20,20),\n textcoords = "offset points",\n ha = "right",va = "bottom",\n bbox = dict(boxstyle = \'round,pad=0.5\',\n fc = \'yellow\', alpha = 0.5),\n arrowprops = dict(arrowstyle = "->",\n connectionstyle = "arc3,rad=0"))\nstocks={\'上证指数\':\'sh\',\'深证指数\':\'sz\',\'沪深300\':\'hs300\',\n \'上证50\':\'sz50\',\'中小板指数\':\'zxb\',\'创业板指数\':\'cyb\'}\nplot_return_risk()\n
stocks={\'中国平安\':\'601318\',\'格力电器\':\'000651\',\n \'招商银行\':\'600036\',\'恒生电子\':\'600570\',\n \'中信证券\':\'600030\',\'贵州茅台\':\'600519\'}\nstartdate=\'2018-01-01\'\nplot_return_risk()\n
蒙特卡洛模拟分析
蒙特卡洛模拟是一种统计学方法，用来模拟数据的演变趋势。蒙特卡洛模拟是在二战期间，当时在原子弹研制的项目中，为了模拟裂变物质的中子随机扩散现象，由美国数学家冯·诺伊曼和乌拉姆等发明的一种统计方法。之所以起名叫蒙特卡洛模拟，是因为蒙特卡洛在是欧洲袖珍国家摩纳哥一个城市，这个城市在当时是非常著名的一个赌城。因为赌博的本质是算概率，而蒙特卡洛模拟正是以概率为基础的一种方法，所以用赌城的名字为这种方法命名。蒙特卡洛模拟每次输入都随机选择输入值，通过大量的模拟，最终得出一个累计概率分布图。
df=ts.get_k_data(\'sh\',ktype=\'D\', autype=\'qfq\', \n start=\'2005-01-01\')\ndf.index=pd.to_datetime(df.date)\ntech_rets = df.close.pct_change()[1:]\nrets = tech_rets.dropna()\n#rets.head()\n#下面的结果说明，我们95%的置信，一天我们不会损失超过0.0264...\nrets.quantile(0.05)\n-0.026496813699825043\n
构建蒙特卡洛模拟函数：
def monte_carlo(start_price,days,mu,sigma):\n dt=1/days\n price = np.zeros(days)\n price[0] = start_price\n shock = np.zeros(days)\n drift = np.zeros(days)\n for x in range(1,days):\n shock[x] = np.random.normal(loc=mu * dt,\n scale=sigma * np.sqrt(dt))\n drift[x] = mu * dt\n price[x] = price[x-1] + (price[x-1] *\n (drift[x] + shock[x]))\n return price\n#模拟次数\nruns = 10000\nstart_price = 2641.34 #今日收盘价\ndays = 252\nmu=rets.mean()\nsigma=rets.std()\nsimulations = np.zeros(runs)\nfor run in range(runs):\n simulations[run] = monte_carlo(start_price,\n days,mu,sigma)[days-1]\nq = np.percentile(simulations,1)\nplt.figure(figsize=(8,6))\nplt.hist(simulations,bins=50,color=\'grey\')\nplt.figtext(0.6,0.8,s="初始价格: %.2f" % start_price)\nplt.figtext(0.6,0.7,"预期价格均值: %.2f" %simulations.mean())\nplt.figtext(0.15,0.6,"q(0.99: %.2f)" %q)\nplt.axvline(x=q,linewidth=6,color="r")\nplt.title("经过 %s 天后上证指数模拟价格分布图" %days,weight="bold")\nText(0.5,1,\'经过 252 天后上证指数模拟价格分布图\')\n
实际上蒙特卡洛模拟在期权定价里面还是很有用的。我们借用期权定价里对未来股票走势的假定来进行蒙特卡洛模拟。
import numpy as np\nfrom time import time\nnp.random.seed(2018)\nt0=time()\nS0=2641.34\nT=1.0; \nr=0.05; \nsigma=rets.std()\nM=50;\ndt=T/M; \nI=250000\nS=np.zeros((M+1,I))\nS[0]=S0\nfor t in range(1,M+1):\n z=np.random.standard_normal(I)\n S[t]=S[t-1]*np.exp((r-0.5*sigma**2)*dt+\n sigma*np.sqrt(dt)*z)\ns_m=np.sum(S[-1])/I\ntnp1=time()-t0\nprint(\'经过250000次模拟，得出1年以后上证指数的\n 预期平均收盘价为：%.2f\'%s_m)\n经过250000次模拟，得出1年以后上证指数的预期平均收盘价为：2776.85\n%matplotlib inline\nimport matplotlib.pyplot as plt\nplt.figure(figsize=(10,6))\nplt.plot(S[:,:10])\nplt.grid(True)\nplt.title(\'上证指数蒙特卡洛模拟其中10条模拟路径图\')\nplt.xlabel(\'时间\')\nplt.ylabel(\'指数\')\nplt.show()\n
plt.figure(figsize=(10,6))\nplt.hist(S[-1], bins=120)\nplt.grid(True)\nplt.xlabel(\'指数水平\')\nplt.ylabel(\'频率\')\nplt.title(\'上证指数蒙特卡洛模拟\')\nText(0.5,1,\'上证指数蒙特卡洛模拟\')\n
THE END
本文主要介绍了如何使用Python获取股票数据，并进行简单的统计分析和可视化，综合运用了Python金融量化分析的Pandas、NumPy和Matplotlib等包。目前，A股处于至暗时刻，或许是学习和历练的最好时机，涅槃重生的过程总是艰难的，但振翅飞翔的一刻值得你等待。