使用 Python 分析股票的完整程序
以下是一个完整的 Python 程序，展示如何获取股票数据、进行数据清洗、计算技术指标、并进行简单的价格走势分析。
1. 安装必要的库
首先，确保安装了必要的库：
bash复制
pip install requests pandas matplotlib yfinance
2. 获取股票数据
使用 yfinance 库获取股票数据。yfinance 是一个流行的库，可以方便地从雅虎财经获取股票数据。
Python复制
import yfinance as yf# 获取股票数据
ticker = "AAPL" # 示例：苹果公司股票代码
data = yf.download(ticker, start="2024-01-01", end="2025-01-01")# 查看数据
print(data.head())
3. 数据清洗
使用 pandas 进行数据清洗，处理缺失值和重复数据。
Python复制
import pandas as pd# 检查缺失值
print(data.isnull().sum())# 填充缺失值
data.fillna(method='ffill', inplace=True)# 检查重复数据
print(data.duplicated().sum())# 删除重复数据
data.drop_duplicates(inplace=True)
4. 计算技术指标
计算一些常用的技术指标，如移动平均线（MA）和布林带（Bollinger Bands）。
Python复制
# 计算移动平均线
data['MA_50'] = data['Close'].rolling(window=50).mean()
data['MA_100'] = data['Close'].rolling(window=100).mean()
data['MA_200'] = data['Close'].rolling(window=200).mean()# 计算布林带
data['BB_upper'] = data['Close'].rolling(window=20).mean() + 2 * data['Close'].rolling(window=20).std()
data['BB_lower'] = data['Close'].rolling(window=20).mean() - 2 * data['Close'].rolling(window=20).std()
5. 数据可视化
使用 matplotlib 绘制股票价格走势和技术指标。
Python复制
import matplotlib.pyplot as plt# 绘制收盘价和移动平均线
plt.figure(figsize=(14, 7))
plt.plot(data['Close'], label='Close Price')
plt.plot(data['MA_50'], label='50-day MA')
plt.plot(data['MA_100'], label='100-day MA')
plt.plot(data['MA_200'], label='200-day MA')
plt.legend()
plt.title('Stock Price and Moving Averages')
plt.show()# 绘制布林带
plt.figure(figsize=(14, 7))
plt.plot(data['Close'], label='Close Price')
plt.plot(data['BB_upper'], label='Upper Bollinger Band')
plt.plot(data['BB_lower'], label='Lower Bollinger Band')
plt.legend()
plt.title('Bollinger Bands')
plt.show()
6. 简单的价格走势分析
分析股票价格的走势，计算收益率等。
Python复制
# 计算日收益率
data['Daily_Return'] = data['Close'].pct_change()# 绘制日收益率
plt.figure(figsize=(14, 7))
plt.plot(data['Daily_Return'], label='Daily Return')
plt.legend()
plt.title('Daily Return')
plt.show()# 计算累积收益率
data['Cumulative_Return'] = (1 + data['Daily_Return']).cumprod()# 绘制累积收益率
plt.figure(figsize=(14, 7))
plt.plot(data['Cumulative_Return'], label='Cumulative Return')
plt.legend()
plt.title('Cumulative Return')
plt.show()
7. 使用机器学习进行预测（可选）
可以使用机器学习模型进行股票价格预测。这里是一个简单的示例，使用 scikit-learn 进行线性回归预测。
Python复制
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error# 准备数据
X = data[['Open', 'High', 'Low', 'Volume']]
y = data['Close']# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)# 预测
y_pred = model.predict(X_test)# 评估模型
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")# 绘制预测结果
plt.figure(figsize=(14, 7))
plt.plot(y_test.index, y_test, label='Actual Price')
plt.plot(y_test.index, y_pred, label='Predicted Price')
plt.legend()
plt.title('Stock Price Prediction')
plt.show()
总结
通过上述步骤，你可以使用 Python 获取股票数据、进行数据清洗、计算技术指标、进行数据可视化，并使用机器学习进行简单的预测。这些步骤涵盖了从数据获取到分析的全流程，帮助你更好地理解股票市场的动态和趋势。
