Python中的股票风险分析应用程序
在本文中，我将解释我们如何对某些上市股票进行风险分析。为此，我们将查看特定时间框架的数据，并尝试根据价格偏差和平均价格分析哪只股票比另一只股票风险更大。
在整个练习中，我将使用 Python 作为编程语言。
所需的包
这是我们在继续之前需要安装的软件包列表：
- pandas
- numpy
- yfinance
- matplotlib
一旦安装了软件包，我们就可以开始了。
导入库
import pandas as pd
import numpy as np
import yfinance as yf
import matplotlib.pyplot as pyplot选择股票和期限
接下来，我们需要选择要分析的股票列表和持续时间。在这里，我选择的是微软和特斯拉的股票，我选择的期限是从 2018-01-01 到 2022-02-01。
stocks = yf.download([‘MSFT’,’TSLA’], start=”2018–01–01", end=”2022–02–01")
stocks.head(5)传递 5 将显示最初的 5 行数据，如下所示：
我们将根据股票的收盘价进行分析。所以，让我们只为关闭列抓取数据，如下所示：
stocksData = stocks.loc[:,”Close”].copy()为初步分析绘制收盘价
让我们绘制两只股票的收盘价，以从高层次了解每只股票的位置，这可以通过以下代码行来完成：
stocksData.plot(figsize= (20,10), fontsize=15)
pyplot.style.use(“classic”)
pyplot.show()执行上述行，将为您提供如下所示的图：
分析价格变化了多少
接下来我们将检查每天价格变化了多少，并将删除所有缺失值的行。在这里，您将获得非交易日的缺失值。
data = stocksData.pct_change().dropna()现在我们需要找到这些日子的每一天的偏差和平均值。我们可以使用以下行来做到这一点：
data = data.describe().T.loc[:,[“mean”, “std”]]
标准差会告诉我们，任何给定股票的历史数据之间的偏差有多大，平均值会告诉我们持续时间的平均股票价格。
上表显示单日数据。因此，我们需要计算一整年的时间，即大约 251 个交易日。
data[“mean”] = data[“mean”] * 251
data[“std”] = data[“std”] * np.sqrt(251)
绘制均值和标准差
绘制均值和标准差的时间，可以通过以下几行来完成：
data.plot.scatter(figsize= (20,10), fontsize=15, x=”std”, y=”mean”)
for idx in data.index:
pyplot.annotate(idx,xy=(data.loc[idx,”std”]+0.005,data.loc[idx,”mean”]+0.005))
分析
通过查看图 1 和图 2，您可以看到 TSLA 在标准差和均值方面都非常高，这意味着它一直非常不稳定。与 MSFT 相比，这种波动性使 TSLA 处于高价格变化（增加）和风险之中。与此同时，图 1 清楚地显示了描绘 2018 年收盘价和 2022 年收盘价的趋势。
希望您对风险分析有所了解并喜欢阅读本文。
免责声明
本文只是为您提供如何以编程方式对股票进行风险分析的要点，与任何特定的股票或财务建议无关。
常见问题FAQ
- 程序仅供学习研究，请勿用于非法用途，不得违反国家法律，否则后果自负，一切法律责任与本站无关。
- 请仔细阅读以上条款再购买，拍下即代表同意条款并遵守约定，谢谢大家支持理解！
