Python数据可视化：分析股票数据，折线图显示数据[Python基础]

  • Z时代
  • 2024-01-10
  • 分类：综合

python

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于数据皮皮侠，作者：皮皮侠

主要一个股票，使用时间序列模型研究按照下面的流程来研究一下其变化趋势，看看准不准，Python代码写的比较优美，学习者可以研读一下整个程序流程。

 

步骤：

  1. 准备数据

  2. 可视化数据、审查数据

  3. 处理数据

  4. 根据ACF、PACF定阶

  5. 拟合ARIMA模型

  6. 预测

# -*- coding: utf-8 -*-
"""
Spyder Editor
This is a temporary script file.
"""
import pandas as pd
import pandas_datareader
import datetime
import matplotlib.pylab as plt
from matplotlib.pylab import style
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
style.use("ggplot")     # 设置图片显示的主题样式
# 解决matplotlib显示中文问题
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 指定默认字体
plt.rcParams["axes.unicode_minus"] = False  # 解决保存图像是负号"-"显示为方块的问题
def run_main():
"""
        主函数
"""
# 1. 准备数据
# 指定股票分析开始日期
    start_date = datetime.datetime(2009, 1, 1)
# 指定股票分析截止日期
    end_date = datetime.datetime(2019, 4, 1)
# 股票代码
    stock_code = "600519.SS"# 沪市贵州茅台
    stock_df = pandas_datareader.data.DataReader(
                        stock_code, "yahoo", start_date, end_date
                )
# 预览数据
print(stock_df.head())
# 2. 可视化数据
    plt.plot(stock_df["Close"])
    plt.title("股票每日收盘价")
    plt.show()
# 按周重采样
    stock_s = stock_df["Close"].resample("W-MON").mean()
    stock_train = stock_s["2014":"2018"]
    plt.plot(stock_train)
    plt.title("股票周收盘价均值")
    plt.show()
# 分析 ACF
    acf = plot_acf(stock_train, lags=20)
    plt.title("股票指数的 ACF")
    acf.show()
# 分析 PACF
    pacf = plot_pacf(stock_train, lags=20)
    plt.title("股票指数的 PACF")
    pacf.show()
# 3. 处理数据，平稳化数据
# 这里只是简单第做了一节差分，还有其他平稳化时间序列的方法
    stock_diff = stock_train.diff()
    diff = stock_diff.dropna()
print(diff.head())
print(diff.dtypes)
    plt.figure()
    plt.plot(diff)
    plt.title("一阶差分")
    plt.show()
    acf_diff = plot_acf(diff, lags=20)
    plt.title("一阶差分的 ACF")
    acf_diff.show()
    pacf_diff = plot_pacf(diff, lags=20)
    plt.title("一阶差分的 PACF")
    pacf_diff.show()
# 4. 根据ACF和PACF定阶并建立模型
    model = ARIMA(stock_train, order=(1, 1, 1), freq="W-MON")
# 拟合模型
    arima_result = model.fit()
print(arima_result.summary())
# 5. 预测
    pred_vals = arima_result.predict(start=str("2019-01"),end=str("2019-03"),
                                     dynamic=False, typ="levels")
print(pred_vals)
# 6. 可视化预测结果
    stock_forcast = pd.concat([stock_s, pred_vals], axis=1, keys=["original", "predicted"])
    plt.figure()
    plt.plot(stock_forcast)
    plt.title("真实值vs预测值")
    plt.savefig("./stock_pred.png", format="png")
    plt.show()
if__name__ == "__main__":
    run_main()

结果显示：

以上是 Python数据可视化：分析股票数据，折线图显示数据[Python基础] 的全部内容， 来源链接： utcz.com/z/529999.html

回到顶部