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 np import pandas as pd import pandas.io.data as web import 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 DAX['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。
立即学习“Python免费学习笔记（深入）”；
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))
冰兔(Btoo)网店系统
下载
系统简介：冰兔BToo网店系统采用高端技术架构，具备超强负载能力，极速数据处理能力、高效灵活、安全稳定；模板设计制作简单、灵活、多元；系统功能十分全面，商品、会员、订单管理功能异常丰富。秒杀、团购、优惠、现金、卡券、打折等促销模式十分全面；更为人性化的商品订单管理，融合了多种控制和独特地管理机制；两大模块无限级别的会员管理系统结合积分机制、实现有效的推广获得更多的盈利！本次更新说明：1. 增加了新
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：
