精华内容
下载资源
问答
  • 上证指数季度k线400x296 - 90KB - JPEG戴若顾比:上证指数寻找新的支撑_股市及时雨550x341 - 25KB - JPEG证综指周K线300x232 - 16KB - JPEG上证指数季度K线_焦点透视332x250 - 67KB - JPEG上证指数日K线550...

    上证指数季度k线图

    400x296 - 90KB - JPEG

    戴若顾比:上证指数寻找新的支撑_股市及时雨

    550x341 - 25KB - JPEG

    上证综指周K线图

    300x232 - 16KB - JPEG

    上证指数季度K线图_焦点透视

    332x250 - 67KB - JPEG

    上证指数日K线图

    550x330 - 56KB - JPEG

    (上证指数月k线图)

    550x251 - 63KB - PNG

    上证指数日K线图

    450x360 - 40KB - JPEG

    图2 上证指数日K线

    554x208 - 16KB - JPEG

    图4为上证综指2001-2008年月k线图

    445x230 - 26KB - JPEG

    股市下半场 基本面说了算

    499x270 - 24KB - JPEG

    刚刚:周四A股走势已定,一旦出现此信号或将暴

    873x682 - 820KB - PNG

    春节红包行情怎么玩?

    550x330 - 33KB - JPEG

    上证综合指数月K线图

    400x216 - 15KB - JPEG

    沪深A股连续九周下跌 春节前大盘有望阶段性反

    410x255 - 20KB - JPEG

    上证指数日K线图

    360x270 - 20KB - JPEG

    前一篇:道琼斯指数走势图以及恒指、台湾、日本、A股PE历史图 后一篇:读书 我们从二十多年的指数趋势图

    在线互动式文档分享平台,在这里,您可以和千万网友分享自己手中的文档,全文阅读其他用户的文档,同时,也

    上证指数历史走势图:日 K线图 上证指数历史走势图:周 K线图 上证指数历史走势图:月 K线图 推荐教程:新生300

    打开通达信,切换到个股K线图界面,按Insert,选择你要看的指数或个股,确认就可以了。如果你嫌指标太多,

    上证指数历史月K线图。大盘特喜欢做三角形,95年和10-11的形态相似最终选择下破然后上行的走势,97-98年在

    如果自大盘的第一根K线起,每次为了帮助江恩爱好者能更清晰直观的研究大盘走势,笔者以上证指数日K线走势图

    按方向键↓ 然后可按←移动

    我们从上证指数的年K线图可以看到历史上年K线的阴线最多只有2个。2个 阴线后边起码跟随1个阳线。所以讲2012

    前一篇:[转载]道琼斯指数走势图以及恒指、台湾、日本、A股PE历史图 后一篇:[转载]与张化桥商榷:股市市盈

    展开全文
  • 首先从网易财经下载上证指数,以收盘价作为每日价格。 之后进行数据处理。 figure(1)绘制收盘价数据 figure(2)绘制对数收益率数据 figure(3)利用子图subplot方式把收盘价和对数收益率汇总 figure(4)利用双坐标轴在...

    首先从网易财经下载上证指数,以收盘价作为每日价格。
    之后进行数据处理。

    figure(1)绘制收盘价数据
    figure(2)绘制对数收益率数据
    figure(3)利用子图subplot方式把收盘价和对数收益率汇总
    figure(4)利用双坐标轴在图一幅图中绘制收盘价和对数收益率

    %shzh = readtable('zhishu.xlsx');
    %data_cell = table2cell(shzh(:,1));
    %data = datatime(data_cell,'InputFormat','yyyy/MM/dd');
    %shzhpt = table2array(shzh(:,4:7)); %Convert table to a homogeneous array.
    %pclose = shzhpt(:1);
    [num,txt,raw] = xlsread('000001.xlsx');
    date_cell = raw(2:end,1);
    %date_cell2 = txt(2:end,1);
    datenum = datenum(date_cell); %Converts the datetime values in datetime attay t to serial date numbers.
    x1 = datenum;
    pclose = num(:,1);
    
    figure(1);
    plot(x1,pclose);
    axis([min(x1) max(x1) min(pclose)-100 max(pclose)+100]) %x,y范围
    dateaxis('x',1);  %Date axis labels
    %set(gca,'XTickLabel',)
    
    figure(2);
    rlog = 100*diff(log(pclose)); %对数收益率
    T = length(pclose);
    rsimple = [];
    for j = 1:T-1
        rsimple(j) = 100*pclose(j+1)/pclose(j)-1;
    end
    x2 = datenum(2:end);
    plot(x2,rlog);
    axis([min(x2) max(x2) min(rlog)-3 max(rlog)+3]) 
    dateaxis('x',1);
    
    figure(3);
    subplot(2,1,1);
    plot(x1,pclose);
    axis([min(x1) max(x1) min(pclose)-100 max(pclose)+100])
    dateaxis('x',1);
    subplot(2,1,2);
    plot(x2,rlog);
    axis([min(x1) max(x1) min(rlog)-3 max(rlog)+3])
    dateaxis('x',1);
    
    figure(4);
    p2 = pclose(2:end);
    plotyy(x2,p2,x2,rlog);
    [AX,H1,H2] = plotyy(x2,p2,x2,rlog);
    set(AX,'Xlim',[min(datenum),max(datenum)]);
    set(AX(1),'Ylim',[min(pclose)-4000,max(pclose)+100]);
    set(AX(2),'Ylim',[min(rlog)-5 max(rlog)+30]);
    dateaxis('x',1);
    xlabel('time t');
    ylabel('Stock Price');
    title('Plot of Stock Price and Log Returns');
    

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述

    展开全文
  • 同时我们也注意到了今年以来60日线对于上证指数的强大压制力,不过观察历史趋势我们还可以发现一点,那就是一旦实现对60日线的有效突破,那就至少会有一段行情(虽然有时可能仅有一个小波段……) 五、查看估值...

    今天我们的目的并不是完全掌握Python量化分析,仅仅是作为入门引领,开启一扇新的大门。在之后的日子里,我会不定时地分享更多关于时间序列分析、量化分析的内容,欢迎关注、收藏、转发!

    最近股票行情不太好啊……

    可能很多朋友都想用Python分析一下股票数据,来看看自己的股票是否值得持有,或者判断某支股票是否值得建仓。那么问题来了,数据在哪里呢?

    我曾经写了一个脚本,用于抓取每日的行情数据并存储到数据库中,并且用crontab设置了让它每天收盘后执行。但是现在,我发现了一个更加方便的手段,可以快速获取股票的行情数据!

    这种方法就是使用Tushare提供的免费数据接口。Tushare API提供了对Python、R、HTTP、Matlab的支持,这对于我们个人开发者来说再好不过了!

    在Tushare的官方网站上有详细的安装和调用教程,感兴趣的可以先安装下。https://tushare.pro/document/1。

    假如你已经安装完成,那么接下来,就要开始我们的魔法了!

    一、获取上证指数历史行情数据

    import tushare as ts
    import pandas as pd
    
    # 设置token,只需要在第一次调用或者token失效时设置
    # 设置完成后,之后就不再需要这一个命令了
    # ts.set_token('*******')
    
    pro = ts.pro_api()
    df_daily = pro.index_daily(ts_code="000001.SH")
    df_daily.head()
    

    -w857

    可以看到,简单的几行命令,我们就成功获得了上证指数每日的行情数据,而且还是超级方便的pandas DataFrame格式呢!从数据中,我们看到Tushare提供了收盘价、开盘价、最高价、最低价、昨日收盘价、涨幅、百分比涨幅、成交量和成交额这些字段。

    二、处理日期

    我们注意到日期的格式不太符合我们的要求,还好pandas对于时间序列处理提供了良好的支持。我们可以先把日期对象转换为datetime对象,以方便后续的使用。同时我们将时间设置为index。

    df_daily.index = pd.to_datetime(df_daily['trade_date'])
    df_daily.index[:5]
    

    输出为:

    DatetimeIndex(['2018-12-25', '2018-12-24', '2018-12-21', '2018-12-20',
                   '2018-12-19'],
                  dtype='datetime64[ns]', name='trade_date', freq=None)
    

    可以看到,我们已经成功完成了格式转换。

    三、绘制历史收盘价曲线

    import seaborn as sns
    
    # 设置为seaborn的样式,更美观
    sns.set()
    
    # 绘制收盘价曲线
    df.plot(y="close");
    

    四、绘制均线

    我们知道,股票行情受各种因素影响,波动较大,因此我们经常会用均线来作为一个稳定趋势的参考。今天我们就以60日均线为例看下如何使用Python绘制均线。

    import matplotlib.pyplot as plt
    
    df_daily = df_daily.sort_index(ascending=True)
    plt.figure(figsize=(12, 6))
    df_daily.close['20150101':].plot()
    df_daily.close.rolling(60).mean()['20150101':].plot();
    

    考虑到展示效果的问题,我们仅截取了2015年以来的数据,看到这幅图,不禁开始心疼A股韭菜。曾经以为的慢牛,没想到只是一个反弹……

    同时我们也注意到了今年以来60日线对于上证指数的强大压制力,不过观察历史趋势我们还可以发现一点,那就是一旦实现对60日线的有效突破,那就至少会有一段行情(虽然有时可能仅有一个小波段……)

    五、查看估值水平

    Tushare还提供了接口用于获取每天的各项指标,其中就包含了我们接下来要查看的PE水平。

    df_basic = pro.index_dailybasic(ts_code='000001.SH')
    df_basic.head()
    

    -w978

    可以看到,这里有总市值、流通市值、总股本、流通股本、换手率、基于流通股本的换手率、PE(市盈率)、动态PE、PB(市净率)这些字段。

    那我们就来用动态市盈率数据来看下当前A股上证的估值水平。

    plt.figure(figsize=(12, 6))
    sns.distplot(df_basic.pe_ttm, bins=100)
    plt.axvline(x=df_basic.pe_ttm[0], color='red');
    

    看起来,虽然当前的动态市盈率处于绝对的低位,但是仍有很多天的动态市盈率在当前的水平之下。那我们再看一下比当前估值水平更低的情况都出现在哪些时期。

    df_basic.index = pd.to_datetime(df_basic["trade_date"])
    plt.figure(figsize=(12, 6))
    plt.plot(df_basic.pe_ttm)
    plt.axhline(y=df_basic.pe_ttm[0], color="red");
    

    看起来主要14、15年的阶段底部期间,A股上证的估值水平比现在还要低。那么如果真的要跌到这个水平的话,上证指数还要下跌多少?我们来算一下。

    now = df_basic.pe_ttm[0]
    min = df_basic.pe_ttm.min()
    ratio = (now - min) / now
    print("ratio: {0:.2f}%".format(ratio * 100))
    

    输出为:

    ratio: 19.96%
    

    还有20%……别怕,这个并不是真的要再跌20%,只是说在14、15年期间,上证磨底一直将PE磨到了8.9的水平,然后爆发了一波直接上涨到了23。所以说磨得越久,能量积蓄就越足。

    韭菜们,有点耐心哈!另外祝大家多多发财!圣诞快乐!

    展开全文
  • plot(D, main="(c) 上证指数核密度曲线图 ",xlab="收益", ylab='密度', xlim = c(-7,7), ylim=c(0,0.5),cex.main=0.95) polygon(D, col="gray", border="black") curve(dnorm,lty = 2, add = TRUE) x2 (-7:7) lines...

    R软件版本:[32-bit] E:\R-3.5.1

    ## 1) 读取Excel数据 
    library(RODBC)              
    SSEC_Data <- odbcConnectExcel('stock index.xls')              
    SSEC <-sqlFetch(SSEC_Data, 'SSEC')                   
    class(SSEC)   
    SSEC_shjc <- sqlFetch(SSEC_Data, 'SSEC-600009')        
    SSEC_scgf <- sqlFetch(SSEC_Data, 'SSEC-600008')           
    SSEC_zggm <- sqlFetch(SSEC_Data, 'SSEC-600007')          
    close(SSEC_Data)            
    detach(package:RODBC)       
    

    如果用的是[64-bit] E:\R-3.5.1
    第二行应该用函数

    SSEC_Data <- odbcConnectExcel2007('stock index.xls')              
    

    不过我本地没有运行成功

        ## 2) 计算对数收益序列
    head(SSEC)
    Close.ptd.SSEC <- SSEC$SSEC_Close                      
    Close.rtd.SSEC <- diff(log(Close.ptd.SSEC))*100        
    
       SSEC_Date SSEC_Open SSEC_High SSEC_Low
    1 2010-01-04   3289.75   3295.28  3243.32
    2 2010-01-05   3254.47   3290.51  3221.46
    3 2010-01-06   3277.52   3295.87  3253.04
    4 2010-01-07   3253.99   3268.82  3176.71
    5 2010-01-08   3177.26   3198.92  3149.02
    6 2010-01-11   3301.61   3306.75  3197.33
      SSEC_Close  #
    1    3243.76 NA
    2    3282.18 NA
    3    3254.22 NA
    4    3192.78 NA
    5    3196.00 NA
    6    3212.75 NA
    
        ## 3) 从各自个股的数据框中、提取相应的收盘价  
    Close.ptd.shjc <- SSEC_shjc$SSEC_600009_Close                        
    Close.ptd.scgf <- SSEC_scgf$SSEC_600008_Close  
    Close.ptd.zggm <- SSEC_zggm$SSEC_600007_Close
    
        ## 4) 绘制上证指数收益时间序列图、散点图、自相关图与偏自相关图
    par(mfrow=c(2,2),mar=c(5,4,3,2))         
    which(SSEC$SSEC_Date=="2010-12-31")      
    Close.ptd.SSEC.ts<-ts(Close.ptd.SSEC,start=c(2010,1,4),freq=242)  
    plot(Close.ptd.SSEC.ts, type="l",main="(a) 上证指数日收盘价序列图",
         xlab="Date",ylab="Price",cex.main=0.95,las=1)     
    
    plot(Close.ptd.shjc[1:20], type="p",pch=17,main="(b) 上证指数样本股散点图",
         xlab="Time",ylab="Price",cex.main=0.95,ylim=c(4,14),las=1)      
    points(Close.ptd.scgf[1:20],pch=15)                                 
    points(Close.ptd.zggm[1:20],pch=14)                           
    legend("bottomright", legend=c("SHJC_600009","SCGF_600008","ZGGM_600007"),
           pch=c(17,15,14),cex=0.6,lty=c(-1,-1,-1))                      
        
    acf(Close.rtd.SSEC,main='',xlab='Lag',ylab='ACF',las=1)    
    title(main='(c) 上证指数收益率自相关检验',cex.main=0.95)
    
    pacf(Close.rtd.SSEC,main='',xlab='Lag',ylab='PACF',las=1)               
    title(main='(d) 上证指数收益率偏自相关检验',cex.main=0.95)
    

    在这里插入图片描述

        ## 5)  Q-Q图、 经验累积分布ecdf图、 密度图、直方图 
    par(mfrow=c(2,2),mar=c(5,4,3,2)) 
    
    qqnorm(Close.rtd.SSEC,main="(a) 上证指数收益率Q-Q图",cex.main=0.95,
           xlab='理论分位数',ylab='样本分位数')            
    qqline(Close.rtd.SSEC)                                 
    
    ECD.SSEC <- ecdf(Close.rtd.SSEC[1:10])                 
    plot(ECD.SSEC,lwd = 2,main="(b) 上证指数收益率累积分布函数图",cex.main=0.95,las=1) 
    xx <- unique(sort(c(seq(-3, 2, length=24), knots(ECD.SSEC))))         
    lines(xx, ECD.SSEC(xx))                      
    abline(v = knots(ECD.SSEC), lty=2, col='gray70')                           
    x1 <- c((-4):3)             # 设定区间范围
    lines(x1,pnorm(x1,mean(Close.rtd.SSEC[1:10]),sd(Close.rtd.SSEC[1:10])))  
    
    
    D <-density(Close.rtd.SSEC)                          
    plot(D, main="(c) 上证指数核密度曲线图 ",xlab="收益", ylab='密度',
         xlim = c(-7,7), ylim=c(0,0.5),cex.main=0.95)       
    polygon(D, col="gray", border="black")                 
    curve(dnorm,lty = 2, add = TRUE)                        
    
    x2 <- c(-7:7)
    lines(x2,dnorm(x2,mean=0,sd=1))      
    abline(v=0,lty = 3)                                     
    legend("topright", legend=c("核密度","正态密度"),lty=c(1,2),cex=0.5)
    
    
    hist(Close.rtd.SSEC[1:100],xaxt='n',main='(d) 上证指数收益率直方图',
         xlab='收益/100',ylab='密度', freq=F,cex.main=0.95,las=1)        
    summary(Close.rtd.SSEC[1:100])   
    x2 <- seq(-6, 4, by=0.01)
    lines(x2,dnorm(x2,mean(Close.rtd.SSEC[1:100]),sd(Close.rtd.SSEC[1:100]))) 
    axis(1,at=axTicks(1),labels = as.integer(axTicks(1))/100 )         
    

    在这里插入图片描述

    展开全文
  • 上证指数的代码为00001,在这里抓取2017-01-01到2018-03-31期间的数据,并对其涨跌幅,也就是收益率进行初步可视化。代码如下: import tushare as ts import pandas as pd import numpy as np import matplotlib...
  • Python读取上证指数csv

    千次阅读 2017-02-17 15:17:13
    Python。对上证指数的基本分析。
  • 选取2007-2009年BDl指数上证综指的周均值作为实证研究的样本数据,对曲线图、散点图进行描述性分析,并进行相关性和波动趋势分析。结果显示:BDI指数上证综指呈现正相关;上证综指一定程度揭示了中国和世界...
  • 通过baostock数据平台获取了货币供应量M1和M2的历史数据,并且获取了相同时间内上证综合...几乎是一条直线,而上证指数的波动就比较大,时常有图上的暴涨暴跌。 代码如下: import baostock as bs import panda...
  • # 上证指数的参数估计 import numpy as np import pandas as pd from scipy import stats from matplotlib import pyplot as plt from jqdatasdk import * auth('ID','password') # 出于保密目的,这里不填写自己的...
  • python金融风控评分卡模型和数据分析微专业课(博主亲自录制视频):http://dwz.date/b9vv医药统计项目可联系QQ:231469242洛伦兹曲线(Lorenz curve)也叫提升或收益曲线提升主要通过随机选择比较模型表现。...
  • addLine(indexBeanList, "上证指数", Color.YELLOW); 4. MarkerView的实现 要求是点击曲线的点,然后弹出一个View 显示当前的日期,以及我的收益 即 MarkView 显示X Y 轴的值 public void setMarkerView1() { ...
  • RAD:辐射性公路的接近指数。 TAX:每 10000 美元的全值财产税率。 PTRATIO:城镇师生比例。 B:1000(Bk-0.63)^ 2,其中 Bk 指代城镇中黑人的比例。 LSTAT:人口中地位低下者的比例。 ...
  • 2.曲线展示 2.1 MPAndroidChart获取 2.2 数据对象获取 2.3 数据展示 3.曲线完善 3.1 图表背景、边框、网格线修改 3.2 X Y轴值的自定义 3.3 线条的渐变背景、值、点的修改 3.4 MarkerView的实现 3.5 X轴的...
  • Q1:matlab里怎样一个坐标显示多个曲线,而且横轴要用指数形式的?谢谢多个纵轴数组分别是y1,y2,y3,横轴数组为x命令为:semilogx(x,y1,x,y2,x,y3)完了Q2:如何在Word中建立拥有两个坐标系的图表基本步骤如下:1....
  • 如何用python画出直方的包络线拟合直方与Python问题,怎么解决用代码解决: import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import interp1d import scipy.stats as st sim = st....
  • 实验三、复指数序列的绘图

    千次阅读 2020-11-10 16:21:09
    充分熟悉复指数函数exp的使用; 熟悉复指数函数的实部、虚部、振幅、相位的计算; 能够画出复指数函数实部、虚部、振幅、相位的图形。 二、实验步骤 用help查找exp函数的使用情况; 编辑并生成函数exp.m(单位脉冲...
  • 提出问题本文主要针对以下两个问题进行探讨:如果投资者“不幸”从最高点开始定投指数基金,那么是否还能盈利?周定投和月定投哪个更好?获取数据注意:本文为了简单起见,直接用指数代替了指数基金。Step1 打开网址...
  • R语言逻辑回归、ROC曲线和十折交叉验证自己整理编写的逻辑回归模板,作为学习笔记记录分享。数据集用的是14个自变量Xi,一个因变量Y的australian数据集。1. 测试集和训练集3、7分组[html] view plain copyaustralian...
  • CSDN同步参考链接指数平滑法说起来很简单,不只是几个周期的平均值,但是您知道在Eviews中进行指数平滑时如何确定1、的初始值吗?2、可以根据需要更改确定初始值的方法吗?3、期末水平:在Eviews获得的结果中意味着...
  • 看懂巴菲特推荐的指数基金定投,Python验证超越股神,你这辈子是不可能了的啦,但是超越身边的普通人,那是足够了,只要你坚持定投,坚持定投正确的标的,直到成功为止,建立好市场的心里站,不要在股市中浮浮沉沉。...
  • jfreechar 曲线图

    千次阅读 2011-11-14 20:35:53
    本例实现了,俩个曲线数据的对比情况. 相关的jar包,大家可以去官网进行下载后, 将lib中的相关包进行导入即可. 下面的只是随便的测试例子,代码没有进行整理 package pic; import java.awt.Color; ...
  • 标准正态分布几率密度函数公式为:python 代码:(直方的参数在代码注释中)domimport numpy as npimport matplotlib.pyplot as pltx=np.arange(-4.5,4.5,0.01)def f(x):return (np.e)**(-x**2/2)/(2*np.pi)**0.5...
  • 为了评价溢油监测方法,提出一种基于数学统计模型的评价指数――可分离性指数SI,通过对TM影像的处理,验证了利用油膜光谱曲线确定溢油监测通道的可行性,评价了几种图像增强的方法,得出高斯拉伸与直方均衡化增强...
  • #自己的一些记录。 提供参考吧。 #可以直接复制到R运行 #加载包 library(randomForest) #加载数据 data=read.csv("L6_filter.csv",row.names = 1,header=T) #...Gini指数绘图(后续提供) 误差折线 (后续提供)
  • #一步已经输出 #直接查看 Concordance= 0.595 (se = 0.029 ) #由95% CI=1.96*se,且se=SD/2得:95% CI=1.96*SD/2= #一般cox coxModle2 (Surv(time,event ==1) ~ age+sex+hgb, x=T,y=T,data=df) summary(coxModle...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 10,878
精华内容 4,351
关键字:

上证指数曲线图

友情链接: test.rar