前言：

哈喽，俗话说：“盛世藏古董，乱世买黄金”。黄金自古以来都是价值浮动不是很大的货币，直到现在社会依然有很多人收藏黄金。而古董是我们老祖宗留给我们的财富属于不可再生的资源，所以在未来肯定是增值趋势。而黄金是当今世界唯一流通的货币，所以任何时间都不会失去其固有的金属价值。

今天小编就用python来分析一下最近的股票市场。

一、数据获取

数据获取范围为2022年一月一日到2022年2月25日，获取的数据为俄罗斯黄金，白银，石油，银行，天然气：

# 导入模块
import numpy as np
import pandas as pd
import yfinance as yf# GC=F黄金，SI=F白银，ROSN.ME俄罗斯石油，SBER.ME俄罗斯银行，天然气
tickerSymbols = ['GC=F', 'SI=F', 'ROSN.ME', 'SBER.ME','NG=F']# 获取这些代码的数据
MSFT = yf.Ticker(tickerSymbols[0])
TSLA = yf.Ticker(tickerSymbols[1])
AAPL = yf.Ticker(tickerSymbols[2])
AMZN = yf.Ticker(tickerSymbols[3])
GOOG = yf.Ticker(tickerSymbols[4])# 获取代码的历史价格
MSFT_df = MSFT.history(period='1d', start='2022-1-1', end='2022-2-25')
TSLA_df = TSLA.history(period='1d', start='2022-1-1', end='2022-1-25')
AAPL_df = AAPL.history(period='1d', start='2022-1-1', end='2022-1-25')
AMZN_df = AMZN.history(period='1d', start='2022-1-1', end='2022-1-25')
GOOG_df = GOOG.history(period='1d', start='2022-1-1', end='2022-1-25')# 比如天然气
GOOG_df.head()

如下：

二、合并数据

# 将每只股票的收盘列保存到新变量中
MSFT = MSFT_df['Close']
TSLA = TSLA_df['Close']
AAPL = AAPL_df['Close']
AMZN = AMZN_df['Close']
GOOG = GOOG_df['Close']# Concatenate all stocks close columns into one data frame
stocks_df = pd.concat([MSFT, TSLA, AAPL, AMZN, GOOG], axis='columns', join='inner')# Rename the data frame columns with their corresponding tickers symbols
stocks_df.columns = ['gold', 'silver', 'oil', 'bank', 'gas']# Visualize the new data frame
stocks_df.head()

如下：

三、绘制股票每日百分比变化

# 接下来，让我们计算股票每日百分比变化并绘制它们以直观地分析它们在过去一个多月中的变化行为。
# 获取每日百分比变化
stocks_df = stocks_df.pct_change().dropna()# 可视化新数据框
stocks_df.head()# 绘制每日百分比变化
stocks_df.plot(figsize=(20, 10), title="Daily Returns");

如下：

从图也可以看出哪个变动大，哪个稳定（自己用眼睛看）

四、箱线图

上面的图确实不好看，所以我们画一个箱线图更加直观：

# 箱线图
# 计算累积回报
cumulative_returns = (1 + stocks_df).cumprod()# 绘制累积回报
cumulative_returns.plot(figsize=(20, 10), title="Cumulative Returns");# 箱线图直观地显示风险
stocks_df.plot.box(figsize=(20, 10), title="Portfolio Risk");

累计回报图：

箱线图：

显然是天然气收益最高；盒子越宽，晶须越长，股票的波动性就越大。石油最稳定，天然气波动大了点

五、计算月化夏普比率

#计算月化夏普比率
sharpe_ratios = (stocks_df.mean() * 30) / (stocks_df.std() * np.sqrt(30))
sharpe_ratios = sharpe_ratios.sort_values(ascending=False)
sharpe_ratios

如下：

#将夏普比率可视化为条形图
sharpe_ratios.plot(figsize=(20, 10), kind="bar", title="Sharpe Ratios");

如下：

六、结论

根据以上结果，建议购买黄金，其次为白银，天然气，俄罗斯银行和石油不建议购买。注意：以上分析数据为2022年1月1日到2022年2月5日分析图。

最后完整代码已经打包整理好了，有需要的小伙伴，可以点击这行字体，要么私信小编！

乱世买黄金？用python分析一下最近的股票市场相关推荐

python获取历史双色球数据_你的梦想，我来买单！Python分析双色球中奖号码竟成功获取特等奖
关于双色球的话题估计大家都听的很多,毕竟成本很低,但是收获很高.毕竟当利润达到100%时,就有人敢于铤而走险.当利润达到200%时,他们就敢于冒上断头台的危险. 而当利润达到300%他们就会践踏人间的 ...
Python分析《黄金兄弟》，到底是靠实力还是打情怀？？
由"古惑仔"原班人马主演的<黄金兄弟>在21号上映了,相信<古惑仔>系列电影在我们心中留下了许多深刻的印象,上映五天票房据首. 但在豆瓣上却只有5.3的评分 ...
Python入门买哪本书？分析6000本Python书籍告诉你答案！
(图片来源于网络) 大家好,我是辰哥~ 上面这张图是今年9月TIOBE 统计编程语言排行榜, 可以看到Python已经跃居第二, 一旦超越c语言排名第一,将会成为编程语言发展史的一个重要时刻现在也越 ...
python福利彩随机_看大神如何用Python分析福利彩票的秘密，百万大奖不是梦！
相信福利彩票大家都买过吧,既然学爬虫为何不动手写个小程序抓一下呢,说不定还能发现福彩的秘密,本篇主要面向于对Python爬虫感兴趣的零基础的同学,实例为中彩网的福利3D彩票,比较有趣,小伙伴们一起动手 ...
Python 分析 10 万条弹幕告诉你：《古董局中局2》到底好不好看？
作者 | 泽龙.Mika 来源 | CDA数据分析师今天我们聊一聊<古董局中局2> 点击下方视频,先睹为快: 上周日,有一部鉴宝题材的剧静悄悄上线了,那就是夏雨.魏晨等主演的古董局中局系 ...
用python分析拼多多_利用Python分析拼多多上卖的最热的产品, 结果出乎大多数人意料!...
一.缘起当然,我们先走第一步,开个头.现在,我们就从一个切面来窥探下. 二.我们获取了多少商品条目? 三.这些商品总共卖出了多少钱? 四.销售额前十的品类是哪些? 拼多多的主打品类是什么呢? 一级类 ...
【数据分析】系列-Python分析淘宝4200款Bra(没错,就是文胸)后，发现最好卖的款式居然是。。。
此博客仅为我业余记录文章所用,发布到此,仅供网友阅读参考,如有侵权,请通知我,我会删掉. 本着娱乐的态度,着手分析一下淘宝的前4200+款bra(文胸),看看有什么有趣的地方. 项目背景起因:近日, ...
张鑫溢：9.28黄金原油走势分析及操作建议指导.
分析永远是辅助,策略才是盈利的基本.对于技术,没有对错,关键性的分水岭,易成为行情转折的拐点抑或助推趋势的延伸.但是,交易中或实盘操作中,咱们必须果断,在对的方向里坚持,而当方向错误时,调整战略就是进 ...
用python构建多只股票日收益率直方图_用Python分析多股票的投资组合
俗话说不要将所有的鸡蛋放在同一个篮子里,在投资股票的时候我们也会多买几只以抵抗风险.本文将带领着你使用Python,来分析多只股票投资时的收益和风险,并找到最优的投资组合方案.这是上一篇文章<用 ...

乱世买黄金？用python分析一下最近的股票市场

前言：