'''1.数据平滑：通常包含降噪、拟合等操作。降噪的功能在于去除额外的影响因素，拟合的目的在于数学模型化，可以通过更多的数学方法识别曲线的特征。

2.绘制两支股票的收益率

---收益率 =(后一天的收盘价 - 前一天的收盘价)/前一天的收盘价'''

importmatplotlib.pyplot as mpimportnumpy as npimportdatetime as dtimportmatplotlib.dates as md#日期转化函数

defdmy2ymd(dmy):#把dmy格式的字符串转化成ymd格式的字符串

dmy = str(dmy, encoding='utf-8')

d= dt.datetime.strptime(dmy, '%d-%m-%Y')

d=d.date()

ymd= d.strftime('%Y-%m-%d')returnymd

dates, bhp_closing_prices=\

np.loadtxt('./da_data/bhp.csv', delimiter=',', usecols=(1, 6), unpack=True,

dtype='M8[D], f8', converters={1: dmy2ymd}) #converters为转换器，运行时先执行，其中1表示时间所在的列索引号

vale_closing_prices=\

np.loadtxt('./da_data/vale.csv', delimiter=',', usecols=(6,), unpack=True,

dtype='f8')#绘制收盘价折线图

mp.figure('Profits', facecolor='lightgray')

mp.title('Profits', fontsize=18)

mp.xlabel('date', fontsize=12)

mp.ylabel('profits', fontsize=12)

mp.tick_params(labelsize=10)

mp.grid(linestyle=':')#设置x轴的刻度定位器，使之更适合显示日期数据

ax =mp.gca()#以周一作为主刻度

ma_loc = md.WeekdayLocator(byweekday=md.MO)#次刻度，除周一外的日期

mi_loc =md.DayLocator()

ax.xaxis.set_major_locator(ma_loc)

ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d'))

ax.xaxis.set_minor_locator(mi_loc)#日期数据类型转换，更适合绘图

dates =dates.astype(md.datetime.datetime)#计算两支股票的收益率

bhp_returns = np.diff(bhp_closing_prices) / bhp_closing_prices[:-1]

vale_returns= np.diff(vale_closing_prices) / vale_closing_prices[:-1]#绘制两支股票的收益率曲线

mp.plot(dates[:-1], bhp_returns, color='orangered', label='BHP_return', alpha=0.3)

mp.plot(dates[:-1], vale_returns, color='dodgerblue', label='VALE_return', alpha=0.3)#mp.hlines(0, md.date2num(dates[0]), md.date2num(dates[-1]), colors='red')#使用卷积对两组数据降噪

kernel = np.hanning(8) #随机生成一个卷积核(对称的)

kernel /=kernel.sum()

bhp_returns_convolved= np.convolve(bhp_returns, kernel, 'valid')

vale_returns_convolved= np.convolve(vale_returns, kernel, 'valid')#mp.plot(dates[7:-1], bhp_returns_convolved, color='orangered', label='bhp_returns_convolved')#mp.plot(dates[7:-1], vale_returns_convolved, color='dodgerblue', label='vale_returns_convolved')

#对两条曲线执行多项式拟合

days = dates[7:-1].astype('M8[D]').astype('i4')

bhp_P= np.polyfit(days, bhp_returns_convolved, 3)

vale_P= np.polyfit(days, vale_returns_convolved, 3)#绘制多项式曲线

bhp_y =np.polyval(bhp_P, days)

vale_y=np.polyval(vale_P, days)

mp.plot(dates[7:-1], bhp_y, color='greenyellow', label='bhp_y')

mp.plot(dates[7:-1], vale_y, color='pink', label='vale_y')#求曲线的交点坐标

P = np.polysub(bhp_P, vale_P) #求两个多项式函数的差函数的P值

xs =np.roots(P)

y=np.polyval(bhp_P, xs)

result= xs.astype('i4').astype('M8[D]')

mp.scatter(result, y, s=80, color='red', zorder=3)

mp.tight_layout()

mp.legend()#自动格式化x轴日期的显示格式(以最合适的方式显示)

mp.gcf().autofmt_xdate()

mp.show()