最近股市比較火，我7月初上車了官册，現(xiàn)在已經(jīng)下了生兆。中間雖然吃了點(diǎn)肉，但下車的時候都虧進(jìn)去了膝宁，最后連點(diǎn)湯都沒喝著鸦难。
這篇文章我們就用它python 對股票數(shù)據(jù)做個簡單的分析。數(shù)據(jù)集是從1999年到2016年上海證券交易所的1095只股票员淫。
共1000個文件合蔽。
我們的分析思路大致如下：
每年新發(fā)股票數(shù)
目前市值最大的公司有哪些
股票一段時間的漲跌幅如何
牛市的時候，個股表現(xiàn)如何
首先導(dǎo)入模塊
importpandasaspdimportnumpyasnpimportosimportseabornassnsimportmatplotlib.pyplotasplt# 繪圖顯示中文plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False
用 pandas 讀文件
file_list =os.listdir('./data/a-share/')pieces = []forfile_nameinfile_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 讀文件的時候需要指定文件編碼 encoding ='gb2312' 介返。將各個文件的 DataFrame 合并后拴事，將索引重置一下，并預(yù)覽一下數(shù)據(jù)
shares.reset_index(inplace=True,drop=True)shares.head()
這里我們最關(guān)注的就是 日期 圣蝎、 代碼 刃宵、 簡稱 、 收盤價 捅彻。
按照分析思路组去，我們首先來看看上市公司的總數(shù)
len(shares['代碼'].unique())
對股票代碼去重、計數(shù)可以看到一共有 1095 家上市公司步淹。那我們再看看每年新增的上市公司有多少家
# 計算每只股票的最早交易時間（即：上市時間）shares_min_date = shares.groupby('簡稱').agg({'日期':'min'})shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x:str(x)[:4])# 每年上市公司的數(shù)量shares_min_date.groupby('上市年份').count().plot()
可以看到，多的時候每年 60-80 家诚撵，而 05年-13年 這段時間上市后的公司特別少缭裆，尤其是 13年 只有1家，原因是13年暫停了IPO寿烟。
下面我們再來看看數(shù)據(jù)集中最新的時間點(diǎn)（2016-06-08）澈驼，市值較大的公司有哪些
shares_market_value = shares[shares['日期'] =='2016-06-08'][['簡稱','總市值(元)']].sort_values(by='總市值(元)', ascending=False)# 市值最大的公司 top10tmp_df = shares_market_value.head(10)# 畫圖sns.barplot(x=tmp_df['總市值(元)'], y=tmp_df['簡稱'])
截至16年6月8號，工商銀行（愛存不存）的市值最高1.5萬億筛武，不愧是宇宙第一大行缝其。并且能發(fā)現(xiàn)市值前十的公司大部分是銀行挎塌。
下面再來看看，從 11.06.09 - 16.06.08 5年時間里個股漲跌情況内边。起點(diǎn)選 11.06.09 的原因是這一天包含了900左右只股票榴都，樣本較大。然后漠其，我們抽取這兩天股票的收盤價嘴高，計算漲跌幅
shares_110609 = shares[shares['日期'] == '2011-06-09'][['代碼', '簡稱', '收盤價(元)']]shares_160609 = shares[shares['日期'] == '2016-06-08'][['代碼', '收盤價(元)']]# 按照股票代碼將2天數(shù)據(jù)關(guān)聯(lián)shares_price = shares_110609.merge(shares_160609, on='代碼')shares_price
一共有 879 只股票
# 多少家股票是上漲的shares_price[shares_price['漲跌幅(%)'] >0].count()
# 多少家股票是上漲的shares_price[shares_price['漲跌幅(%)'] <0].count()
可以看到，上漲的股票 627 只和屎，占比 71% 拴驮。那我們再來看看，上漲的股票柴信，漲幅分布情況
bins = np.array([0,40,70,100,1700])# 股價上漲的公司shares_up = shares_price[shares_price['漲跌幅(%)'] >0]# 按漲幅進(jìn)行分組shares_up['label'] = pd.cut(shares_up['漲跌幅(%)'], bins)# 分組統(tǒng)計up_label_count = shares_up[['label','代碼']].groupby('label').count()up_label_count['占比'] = up_label_count['代碼'] / up_label_count.sum().valuessns.barplot(x=up_label_count['占比'], y=up_label_count.index)
漲幅分布還是比較極端的套啤，雖然上漲的股票總體比較高，但上漲的股票中有30%只股票漲幅不足 40% 随常，也就是平均一年漲 8% 纲岭，如果理財年收益 10% 算及格的話， 8% 明顯偏低了线罕。再加上跌的股票止潮，收益率低于 10% 的股票大于 50% ，所以股市的錢也不是那么好掙的钞楼。
當(dāng)然也有踩狗屎運(yùn)的時候喇闸，比如買到了下面這些股票并且長期持有
# 漲幅最大的公司tmp_df = shares_up.sort_values(by='漲跌幅(%)',ascending=False)[:8]sns.barplot(y=tmp_df['簡稱'], x=tmp_df['漲跌幅(%)'])
像 金證股份 持有5年后可以翻16倍。
同樣的方式询件，我們可以看看股票跌幅分布
因為代碼類似燃乍，這里就不貼了。從數(shù)據(jù)上將近 70% 的股票5年后跌幅在 0-40% 的區(qū)間宛琅。
最后一個有意思的數(shù)據(jù)刻蟹，我們看看牛市的時候個股漲跌是怎么樣的。我們選擇 14.06.30 和 15.06.08 這兩天個股的漲跌情況嘿辟。分析思路跟上面類似舆瘪，我就直接說數(shù)據(jù)了。
牛市期間 99.6% 的股票都是漲的红伦，也就是說個股基本都在上漲英古。來看看漲幅分布
可以看到， 86% 只股票翻了一番昙读，所以牛市來了召调，基本上閉著眼選股都能掙錢。也不知道這種大牛市什么時候能再來一次，當(dāng)然了唠叛，牛市來了能不能把握住是個大問題只嚣。
我的分析就到這里了，其實(shí)分析有意思的數(shù)據(jù)還有很多艺沼，比如結(jié)合一些 市盈率 等其他維度進(jìn)行分析册舞，有興趣的朋友可以自行探索，我覺得還有一個更有挑戰(zhàn)性的分析是預(yù)測個股的走勢澳厢，雖然實(shí)踐上不可行环础，但從學(xué)習(xí)角度來看還是挺值得研究的，如果大家點(diǎn)贊較多剩拢，我下周考慮寫一下线得。
