投稿
  1. 小新网首页
  2. 百科知识

数据探索性分析的一般操作及流程

zz1080 • • 百科知识

题材概念一直是A股市场投机炒作的主旋律。大多数散户都在复杂的理论、财务指标、技术图形和消息上折腾，缺乏从实践上去认识和把握市场。概念板块是市场资金达成共识的重要介质，主力资金凭借热点题材形成赚钱效应，热点炒作驱动资金与赚钱效应形成正向反馈环，推动热点板块个股上涨，而热点题材的级别大小和想象力大小则决定了股票上涨的空间。热点题材与板块主要来自经济、政策、情绪、资金、技术和外围环境。同花顺软件提供了各种热点题材和概念指数数据，为我们分析热点题材板块动向提供了依据。那么如何利用板块指数行情监测领涨板块，寻找板块龙头股呢？本文利用Python从tushare上获取同花顺概念板块行业指数行情数据和个股交易数据，分析板块及个股的动量走向，为构建热点题材和龙头股（强势股）监测系统提供参考依据。

数据获取与探索性分析

下面利用tushare pro获取同花顺概念板块行业指数相关数据，tushare pro需到其官网注册获取token才能使用，某些数据提取有积分限制，下面使用到的数据可以通过在WX公众号后台reply “20220210”或“同花顺概念”获取。

首先导入需要用到的Python库/模块。

import pandas as pdimport numpy as np#可视化：matplotlib、seaborn、pyechartsimport matplotlib.pyplot as pltimport seaborn as sns#正确显示中文和负号plt.rcParams[‘font.sans-serif’]=[‘SimHei’]plt.rcParams[‘axes.unicode_minus’]=False#这里的pyecharts使用的是0.5.11版本from pyecharts import Bar,HeatMap#导入时间处理模块from dateutil.parser import parsefrom datetime import datetime,timedelta#pandas赋值老提升警告import warningswarnings.filterwarnings(‘ignore’)#使用tushare pro获取数据，需要到官网注册获取相应的tokenimport tushare as ts token=’输入你的token’pro=ts.pro_api(token)获取同花顺概念和行业列表。

index_list=pro.ths_index()#查看数据前几行index_list.head() 数据探索性分析的一般操作及流程

#数据保存本地#index_list.to_csv(‘index_list.csv’)#读取本地数据#index_list=pd.read_csv(‘index_list.csv’,index_col=0)

其中，ts_code：代码；name：名称；count：成分个数；exchange：交易所，包括A股、港股（H）和美股（US）；list_date：上市日期；type：指数类型N-板块指数，I-行业指数，S-同花顺特色指数。

def plot_bar(data,title,label=True,zoom=False): bar=Bar(”) attr=list(data.index) v=list(data.values) bar.add(title,attr,v,is_label_show=label, is_splitline_show=False, is_datazoom_show=zoom) return bar

data=index_list.groupby(‘exchange’)[‘name’].count()title=’同花顺概念和行业指数nA股港股美股’plot_bar(data,title) 数据探索性分析的一般操作及流程

概念或行业成分股中平均有53只个股，当然，每只个股可能分属不同的概念板块行业，如果某个概念板块所含个股数量太多或太少，相当于涵盖面太宽泛或代表性不足，分析起来意义不大。下面删除重复项和剔除成份个股数量低于12大于52（相当于取25%到75%分位数）。

#删除代码重复项，#保留type为N板块的指数final_index_list=(A_index_list .drop_duplicates(subset=[‘ts_code’], keep=’first’) .query(“12<nums<52”) .query(“type==’N'”))#去掉样本股或成份股指数final_index_list=final_index_list[-final_index_list.name.apply(lambda s:s.endswith(‘样本股’)or s.endswith(‘成份股’))]final_index_list.sort_values(‘nums’) 数据探索性分析的一般操作及流程

data=(final_index_list.sort_values(‘nums’,ascending=False) .set_index(‘name’)[‘nums’])title=’同花顺概念和行业指数成分股个数’plot_bar(data,title,False,True) 数据探索性分析的一般操作及流程

#删除重复缺失值、将代码使用概念中文名代替final_data=(all_data.sort_values([‘ts_code’,’trade_date’]) .drop_duplicates() .set_index([‘trade_date’,’ts_code’])[‘close’].unstack() .dropna(axis=1) .rename(columns=dict(index_list[[‘ts_code’,’name’]].values)))final_data.tail() 数据探索性分析的一般操作及流程

#近20个交易日out_chart(20) 数据探索性分析的一般操作及流程

#近120个交易日out_chart(120) 数据探索性分析的一般操作及流程

实际上钾肥这个概念所含个股较少，且盐湖股份由于中间停牌复牌后短期暴涨（实际上是盐湖提锂概念在驱动），因此该概念指数120日涨幅最大。一起看下近期较热门的数字货币概念。翠微股份120日涨幅高达314%，可以说是近期接替妖股九安医疗的一大热门股。妖股是主力资金博弈到极致之物，与基本面与价值投资没有任何干系

stock_rets_rank(‘数字货币’) 数据探索性分析的一般操作及流程

结语

本文使用Python对同花顺概念板块指数及个股进行数据探索性分析，试图从动量的角度捕捉热门题材的走向，构建强势板块和个股的监测系统。利用板块和个股监测系统可以构建动量（强者恒强）或动量反转（物极必反）的量化交易策略。本文的数据挖掘存在一定的局限性，只考虑了某些时间周期内板块和个股的收益率表现（技术面）。关于概念板块行业的分析，还可以结合财经文本分析做深度挖掘，实际上热点题材最好是结合基本面与技术面的深入分析，技术面正如温度计一样只能告诉你当前的冷热，而基本面可以推断为啥上涨的原因，未来持续性如何，这个基本逻辑非常重要。金融市场上的交易，没有完全不变和百分之百确定的东西，任何分析和决策都是一种概率，而量化为我们多维度分析市场提供一种工具，实际上实战才是唯一能快速提升交易能力的方法。

本文来自作者:zz1080，不代表小新网立场！

转载请注明：https://www.xiaoxinys.cn/447657.html

赞 (0)
zz1080zz1080注册用户
0
上一篇 2023-04-16 16:05:00
下一篇 2023-04-16 16:13:00

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。