post pandas-stoks

master
Dmitry Belyaev 2 years ago
parent e27ad82516
commit fe0dbb479a
Signed by: b4tman
GPG Key ID: 41A00BF15EA7E5F3
  1. 210
      content/post/2020-11-13-pandas-stoks.md
  2. 2657
      static/img/pstoks-201113/output_8_1.svg
  3. 2371
      static/img/pstoks-201113/output_8_2.svg
  4. 1291
      static/img/pstoks-201113/output_8_3.svg
  5. 1410
      static/img/pstoks-201113/output_8_4.svg
  6. 1725
      static/img/pstoks-201113/output_8_5.svg

@ -0,0 +1,210 @@
---
title: Анализ корреляций биржевых колебаний
date: 2020-11-12
tags: [Python, pandas, jupyter, MOEX, stoks, ETF]
---
Поэкспирементировал в Jupyter Lab и нарисовал несколько графиков на тему корреляции колебаний курса ETF и акций.
<!--more-->
Ставим зависимости, если надо.
```python
# !conda install snappy python-snappy pyarrow fastparquet
# !pip install pandas_datareader
```
```
```
Настраиваем графики и импортируем библиотеки.
```python
%matplotlib inline
%config InlineBackend.figure_format = 'svg' #векторный формат
from matplotlib import pyplot as plt
plt.style.use('ggplot') # Красивые графики
plt.rcParams['figure.figsize'] = (12, 5) # Размер картинок
import numpy as np
import pandas as pd
from datetime import timedelta
from datetime import datetime
import math
import os
import pandas_datareader.data as web
```
```
```
Скачиваем информацию через API биржи в локальный каталог.
```python
tikers = 'SBER,AFKS,GAZP,MAIL,YNDX,FXUS,FXIT,FXCN,FXDE,FXWO,FXRW'.split(',')
def download_data(tiker, path):
filepath = os.path.join(path, f'{tiker}_2020.parquet')
if os.path.exists(filepath):
return
df = web.DataReader(tiker, 'moex', start='2020-01-01', end='2020-11-12')
df.to_parquet(filepath, engine='fastparquet')
for tiker in tikers:
print(f'downloading: {tiker}')
download_data(tiker, "D:\\data2\\Documents\\notebooks")
```
downloading: SBER
downloading: AFKS
downloading: GAZP
downloading: MAIL
downloading: YNDX
downloading: FXUS
downloading: FXIT
downloading: FXCN
downloading: FXDE
downloading: FXWO
downloading: FXRW
```
```
Загружаем кешированные на диске данные.
```python
def load_data(tiker, path):
result = None
filepath = os.path.join(path, f'{tiker}_2020.parquet')
if os.path.exists(filepath):
result = pd.read_parquet(filepath)
return result
dfs = {}
for tiker in tikers:
dfs[tiker] = load_data(tiker, "D:\\data2\\Documents\\notebooks")
```
```
```
Значения полей `BOARDID` (режимы торгов) у акций и ETF разные. Для акций берём `TQBR` а для фондов `TQTF`.
```python
dfs['FXIT']['BOARDID'].unique(), dfs['YNDX']['BOARDID'].unique()
```
(array(['TQTD', 'TQTF', 'SOTC', 'RPMO', 'PSRP', 'PSTF', 'PTTF'],
dtype=object),
array(['TQBR', 'SPEQ', 'SOTC', 'RPMO', 'RPEU', 'RPEO', 'MXBD', 'EQRP',
'PSRP', 'EQRD', 'LIQR', 'PSRD', 'PSRE', 'PTEQ', 'PSEQ'],
dtype=object))
```
```
Обрабатываем данные, чтобы убрать всё кроме нужного режима торгов, и интерполируем цену.
```python
def price_data(x_df, boardid='TQBR'):
xdf = x_df.copy()
xdf = xdf.where(xdf['BOARDID'] == boardid)
xdf.dropna(axis=0, how='all', inplace=True)
xdf.dropna(axis=1, how='all', inplace=True)
if 0 == xdf.size:
return xdf
xdf['OPEN'] = xdf['OPEN'].interpolate(method='polynomial', order=2);
xdf['CLOSE'] = xdf['CLOSE'].interpolate(method='polynomial', order=2);
xdf['WAPRICE'] = xdf['WAPRICE'].interpolate(method='polynomial', order=2);
return xdf
# для простоты, считаем что если имя начинается на FX то это ETF
for tiker in tikers:
dfs[tiker] = price_data(dfs[tiker], boardid='TQTF' if 'FX' in tiker else 'TQBR')
```
```
```
Нормализуем графики с помомщью отношения средневзвешеной (по объёму торгов) цены `WAPRICE` и медианой этого показателя.
Затем соединяем таблицы и строим графики.
```python
# WAPRICE/median
def calc_wdm(df):
return df['WAPRICE'] / df['WAPRICE'].median()
for tiker in tikers:
dfs[tiker][tiker] = calc_wdm(dfs[tiker])
df_base = dfs['FXIT'][[]]
def merge_dfs(base):
result = base
for tiker in tikers:
result = result.merge(dfs[tiker][[tiker]], how='outer', on='TRADEDATE')
return result
xxdf = merge_dfs(df_base)
xxdf['diff_us'] = xxdf['FXUS'] - xxdf['FXIT']
# рисуем графики
xxdf.plot(y='FXUS,FXIT,FXCN,FXDE,FXWO,FXRW'.split(','), kind='line', title='ETF: WAPRICE / median')
xxdf.plot(y='SBER,AFKS,GAZP,MAIL,YNDX'.split(','), kind='line', title='RU: WAPRICE / median')
xxdf.plot(y='diff_us'.split(','), kind='line', title='FXUS - FXIT')
xxdf.plot(y='FXIT,YNDX'.split(','), kind='line', title='FXIT & YNDX')
xxdf.plot(y='FXWO,FXRW,FXUS'.split(','), kind='line', title='FXUS & FXWO & FXRW');
```
```
```
Все ETF Finex достаточно сильно коррелируют, за исключением FXRW конечно.
![svg](/img/pstoks-201113/output_8_1.svg)
```
```
На российском рынке по произвольно выбранным акциям корреляция слабая.
![svg](/img/pstoks-201113/output_8_2.svg)
```
```
Разница в колебаниях FXUS и FXIT.
![svg](/img/pstoks-201113/output_8_3.svg)
```
```
Между Яндексом и FXIT некоторая корреляция есть.
![svg](/img/pstoks-201113/output_8_4.svg)
```
```
Между FXWO и FXUS корреляция очень сильная.
![svg](/img/pstoks-201113/output_8_5.svg)

File diff suppressed because it is too large Load Diff

After

Width:  |  Height:  |  Size: 79 KiB

File diff suppressed because it is too large Load Diff

After

Width:  |  Height:  |  Size: 71 KiB

File diff suppressed because it is too large Load Diff

After

Width:  |  Height:  |  Size: 42 KiB

File diff suppressed because it is too large Load Diff

After

Width:  |  Height:  |  Size: 44 KiB

File diff suppressed because it is too large Load Diff

After

Width:  |  Height:  |  Size: 54 KiB

Loading…
Cancel
Save