概述
1.导入函数
import numpy as np import pandas as pd import matplotlib.pyplot as plt import tushare as ts import math
2. 数据获取
data = ts.get_hist_data('000012',start='2015-06-23',end='2017-11-16')
3.移动平均值
# 滚动窗口的使用
data['42d']= pd.rolling_mean(data['close'],window=42)
data['252d'] =pd.rolling_mean(data['close'],window=252)
print(data[['close','42d','252d']].tail())
data[['close','42d','252d']].plot(figsize=(8,5))
plt.show()
4.移动历史波动
data['return']=np.log(data['close']/data['close'].shift(1)) data['mov_vol'] = pd.rolling_std(data['return'],window=252)*math.sqrt(252) data[['close','return','mov_vol']].plot(subplots=True,style='b',figsize=(8,7)) plt.show()
转载于:https://www.cnblogs.com/hanbb/p/7868627.html
最后
以上就是无情帆布鞋为你收集整理的金融数据指标(历史移动波动率,均值)的全部内容,希望文章能够帮你解决金融数据指标(历史移动波动率,均值)所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复