Общий финансовый анализ на Python (Часть 2)

    Ну что продолжим?

    Скользящее окно (Moving Windows)


    В заголовке я привел дословный перевод. Если кто меня поправит, и другой термин более применим — то спасибо.

    Смысл скользящего окна– с каждым новым значением функция пересчитывается за заданный период времени. Этих функций большое количество. Для примера: rolling.mean(), rolling.std(), которые чаще всего и используют при анализе движения акций. rolling.mean() — это обычная скользящая средняя, которая сглаживает краткосрочные колебания и позволяет визуализировать общую тенденцию.

    # Выделяю скорректированную цену закрытия 
    adj_close_px = sber['Adj Close']
    
    # Вычисляю скользящую среднию
    moving_avg = adj_close_px.rolling(window=40).mean()
    
    # Вывожу результат
    print(moving_avg[-10:])
    

    image

    График, который позволит понять то, что получается в результате работы данной функции:

    # Вычисление короткой скользящей средней
    sber['40'] = adj_close_px.rolling(window=40).mean()
    
    # Вычисление длинной скользящей средней
    sber['252'] = adj_close_px.rolling(window=252).mean()
    
    # Построение полученных значений
    sber[['Adj Close', '40', '252']].plot(figsize=(20,20))
    
    plt.show()
    

    image

    Как видно rolling.mean() справляется с поставленной задачей. Функция сглаживает краткосрочные колебания и позволяет увидеть долгосрочный тренд на основании которого можно принять решение: цена выше рассматриваемой скользящей средней — берем акцию, ниже — продаем акцию — если просто и я бы не советовал следовать этому методу. Как правило помимо скользящих средних используются и другие индикаторы, которые могут подтвердить правильность принимаемого решения. Каждый должен самостоятельно принять решение в зависимости от стиля торговли.

    Волатильность


    Волатильность акций — это изменение дисперсии доходности акций в течение определенного периода времени. Обычно сравнивают волатильность одной акции с другой, чтобы получить представление о том, какая может иметь больший риск, или с рыночным индексом, чтобы понять волатильность акций относительно рынка. Как правило, чем выше волатильность, тем рискованнее инвестиции в эту акцию. Необходимо отметить, что она не является постоянной и изменяется с течением времени. Это можно увидеть опять же при помощи функции rolling.std(), входящей в пакет pandas. Пример расчета изменения волатильности:

    # Определяю рассматриваемый период
    min_periods = 60 
    
    # Вычисляю волатильность
    vol = daily_pct_change.rolling(min_periods).std() * np.sqrt(min_periods) 
    
    # Строю график
    vol.plot(figsize=(10, 10))
    
    plt.show()
    

    image

    Прошу обратить внимание, что в отличие от прошлой недели у меня появилось еще два значения — индекс московской биржи (IMOEX.ME) и РБК (RBCM.ME). Их значения мне потребуются в следующей публикации про метод наименьших квадратов. А на сегодня все.
    AdBlock похитил этот баннер, но баннеры не зубы — отрастут

    Подробнее
    Реклама

    Комментарии 4

      0
      Не понял, если загружали только данные по Сбербанку откуда на последнем графике все остальные акции и индексы?
        0
        В первой части все загружал. Это продолжение
          0
          Спасибо, нашел. Если можно еще вопрос: Если пользоваться только: sber = yf.download('SBER.ME', '2018-01-01') все дальше нормально работает. Но если сохранить в csv-формате: sber.to_csv('sber.csv')
          sber = pd.read_csv('sber.csv') выдает TypeError:
          Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'RangeIndex' Как поправить?
            0
            Провел испытание и у меня таких проблем не возникает. Как совет — попробуйте явно указать индексы при открытие csv файла через index_col

      Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

      Самое читаемое