Python数据分析之股票数据

发表于

最近股市比较火，我7月初上车了，现在已经下了。中间虽然吃了点肉，但下车的时候都亏进去了，最后连点汤都没喝着。

这篇文章我们就用python对股票数据做个简单的分析。数据集是从1999年到2016年上海证券交易所的1095只股票。


共1000个文件。

我们的分析思路大致如下：

  • 每年新发股票数
  • 目前市值最大的公司有哪些
  • 股票一段时间的涨跌幅如何
  • 牛市的时候，个股表现如何

首先导入模块

1
2
3
4
5
6
7
8
复制代码import pandas as pd
import numpy as np
import os
import seaborn as sns
import matplotlib.pyplot as plt
# 绘图显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

用pandas读文件

1
2
3
4
5
6
7
8
9
复制代码file_list = os.listdir('./data/a-share/')

pieces = []
for file_name in file_list:
    path = './data/a-share/%s' % file_name
    file = pd.read_csv(path, encoding ='gb2312')
    pieces.append(file)
    
shares = pd.concat(pieces)

使用read_csv读文件的时候需要指定文件编码encoding ='gb2312'。将各个文件的DataFrame合并后，将索引重置一下，并预览一下数据

1
2
复制代码shares.reset_index(inplace=True, drop=True)
shares.head()


这里我们最关注的列是日期、代码、简称、收盘价。

按照分析思路，我们首先来看看上市公司的总数

1
复制代码len(shares['代码'].unique())

对股票代码去重、计数可以看到一共有1095家上市公司。那我们再看看每年新增的上市公司有多少家

1
2
3
4
5
6
复制代码# 计算每只股票的最早交易时间（即：上市时间）
shares_min_date = shares.groupby('简称').agg({'日期':'min'})
shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4])

# 每年上市公司的数量
shares_min_date.groupby('上市年份').count().plot()


可以看到，多的时候每年60-80家，而05年-13年这段时间上市后的公司特别少，尤其是13年只有1家，原因是13年暂停了IPO。

下面我们再来看看数据集中最新的时间点（2016-06-08），市值较大的公司有哪些

1
2
3
4
5
6
7
复制代码shares_market_value = shares[shares['日期'] == '2016-06-08'][['简称', '总市值(元)']].sort_values(by='总市值(元)', ascending=False)

# 市值最大的公司 top10
tmp_df = shares_market_value.head(10)

# 画图
sns.barplot(x=tmp_df['总市值(元)'], y=tmp_df['简称'])


截至16年6月8号，工商银行（爱存不存）的市值最高1.5万亿，不愧是宇宙第一大行。并且能发现市值前十的公司大部分是银行。

下面再来看看，从11.06.09 - 16.06.085年时间里个股涨跌情况。起点选11.06.09的原因是这一天包含了900左右只股票，样本较大。然后，我们抽取这两天股票的收盘价，计算涨跌幅

1
2
3
4
5
6
复制代码shares_110609 = shares[shares['日期'] == '2011-06-09'][['代码', '简称', '收盘价(元)']]
shares_160609 = shares[shares['日期'] == '2016-06-08'][['代码', '收盘价(元)']]

# 按照股票代码将2天数据关联
shares_price = shares_110609.merge(shares_160609, on='代码')
shares_price


一共有879只股票

1
2
复制代码# 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] > 0].count()

1
2
复制代码# 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] < 0].count()


可以看到，上涨的股票627只，占比71%。那我们再来看看，上涨的股票，涨幅分布情况

1
2
3
4
5
6
7
8
9
复制代码bins = np.array([0, 40, 70, 100, 1700])
# 股价上涨的公司
shares_up = shares_price[shares_price['涨跌幅(%)'] > 0]
# 按涨幅进行分组
shares_up['label'] = pd.cut(shares_up['涨跌幅(%)'], bins)
# 分组统计
up_label_count = shares_up[['label', '代码']].groupby('label').count()
up_label_count['占比'] = up_label_count['代码'] / up_label_count.sum().values
sns.barplot(x=up_label_count['占比'], y=up_label_count.index)


涨幅分布还是比较极端的，虽然上涨的股票总体比较高，但上涨的股票中有30%只股票涨幅不足40%，也就是平均一年涨8%，如果理财年收益10%算及格的话，8%明显偏低了。再加上跌的股票，收益率低于10%的股票大于50%，所以股市的钱也不是那么好挣的。

当然也有踩狗屎运的时候，比如买到了下面这些股票并且长期持有

1
2
3
复制代码# 涨幅最大的公司
tmp_df = shares_up.sort_values(by='涨跌幅(%)', ascending=False)[:8]
sns.barplot(y=tmp_df['简称'], x=tmp_df['涨跌幅(%)'])


像金证股份持有5年后可以翻16倍。

同样的方式，我们可以看看股票跌幅分布


因为代码类似，这里就不贴了。从数据上将近70%的股票5年后跌幅在0-40%的区间。

最后一个有意思的数据，我们看看牛市的时候个股涨跌是怎么样的。我们选择14.06.30和15.06.08这两天个股的涨跌情况。分析思路跟上面类似，我就直接说数据了。

牛市期间99.6%的股票都是涨的，也就是说个股基本都在上涨。来看看涨幅分布


可以看到，86%只股票翻了一番，所以牛市来了，基本上闭着眼选股都能挣钱。也不知道这种大牛市什么时候能再来一次，当然了，牛市来了能不能把握住是个大问题。

我的分析就到这里了，其实分析有意思的数据还有很多，比如结合一些市盈率等其他维度进行分析，有兴趣的朋友可以自行探索，我觉得还有一个更有挑战性的分析是预测个股的走势，虽然实践上不可行，但从学习角度来看还是挺值得研究的，如果大家点赞较多，我下周考虑写一下。

数据和源码已经打包，公众号回复关键字股票即可。

欢迎公众号 「渡码」 输出别地儿看不到的干货。

本文转载自: 掘金

开发者博客 – 和开发相关的 这里全都有

0%