练习：万达院线股价分析

万达院线股价分析

数据来源：新浪财经、腾讯财经、上交所和深交所

分析时间：2017/9/11

分析目的：分析维度练习

数据采集

1.基本面数据

#coding=utf-8
import pandas as pd
import tushare as ts

#获取万达院线（股票代码002739）第2季度的基本面数据，可能未更新没有输出
b1 = ts.get_report_data(2017,2)  #业绩报告
b2 = ts.get_profit_data(2017,2)  #盈利能力
b3 = ts.get_operation_data(2017,2)  #营运能力
b4 = ts.get_growth_data(2017,2)  #成长能力
b5 = ts.get_debtpaying_data(2017,2)  #偿债能力
b6 = ts.get_cashflow_data(2017,2)  #现金流量
basic = pd.concat([b1,b2,b3,b4,b5,b6])
bData = basic.ix[{'code':'002739'}]
#print bData
#basic.to_csv('C:/Users/HP/Desktop/601988basic.csv',encoding = 'utf-8')

2.历史行情

#coding=utf-8
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
from matplotlib.pylab import datestr2num
import matplotlib.finance as mpf

data = ts.get_hist_data('002739',start='2017-01-01')
data.describe()

数据分析

频率分析

1.可视化维度信息

import scipy.stats as st

openY = st.norm.fit(data['open'])
print '拟合函数',openY

mu, sigma = 55.37, 2.17
xs = data['open']
F = st.norm.pdf(xs, loc=mu, scale=sigma)

plt.plot(xs, F,label='Norm Distribution')
plt.legend(loc = 'best')
plt.show()

print 'mean of data is: ' + str(np.mean(F))
print 'standard deviation of data is: ' + str(np.std(F))

2.计算收益分布

import tushare as ts
%matplotlib inline

data = ts.get_hist_data('002739',start='2017-01-01')['p_change']  #p_change涨跌幅
print data
data[-1] = 1
returns = (1 + data).cumprod()-1
#print returns

#累计收益
returns.plot(legend = True,figsize = (15,10))

 注：收益分布图两段趋平，暂时还没搞清楚是什么原因

 探索性分析

1.分析均价、收盘价、均量、成交量、换手率等指标相关性

#散点图分析各指标的相关性
data = ts.get_hist_data('002739',start='2017-01-01')
pieces = data[['close', 'price_change', 'ma20','volume', 'v_ma20', 'turnover']]
pd.scatter_matrix(pieces)

cov = np.corrcoef(pieces.T)
img = plt.matshow(cov,cmap=plt.cm.winter)
plt.colorbar(img, ticks=[-1,0,1])
plt.show()

2.移动窗口和指数加权

data = ts.get_hist_data('002739',start='2017-01-01')['close']
fig,ax = plt.subplots(figsize=(20,10))
#移动窗口中位数
ma100 = pd.rolling_mean(data,10,min_periods = 10)
plt.subplot(211)
data.plot(style = 'k-',label = 'nomal')
ma100.plot(style = 'k--',label = 'Simple MA')
plt.legend(loc = 'best')
plt.grid(True)

plt.subplot(212)
ewma100 = pd.ewma(data,span = 10)
data.plot(style = 'k-',label = 'nomal')
ewma100.plot(style = 'k--',label = 'Exponetially-weighted MA')
plt.legend(loc = 'best')
plt.grid(True)

 关系分析

from pyecharts import Kline

data = ts.get_hist_data('002739',start='2017-01-01')
new_data = data.ix[:,['open','close','high','low']]
train_data = np.array(new_data)
train_index = np.array(data.index)

kline = Kline("2017年万达院线K线图")
kline.add("每日K线",train_index.tolist() ,train_data.tolist())
kline

注：matplotlib画K线图可能出现断裂，使用pyechart画K线图比matplotlib简便，pyechart需要的数据类型为列表

plt.rc('font', family='SimHei', size=13)  #解决图例中文乱码
"""
画图的三种写法:
fig,axes = plt.subplots(1,1,figsize=(22,10))
1.plt.plot(data):最直接的写法
2.plt.plot_date(x_date,data['high']):用于多个趋势图
3.data[['close','volume']].plot(ax =axes): 数据类型直接绘图
"""

#最高价、开盘价与收盘价
data = ts.get_hist_data('002739',start='2017-01-01')
x = range(len(data))
x_date = [datestr2num(i) for i in data.index]

plt.figure(figsize=(22,10))
plt.title(u"2017年万达院线历史最高价、开盘价与收盘价走势折线图")
plt.xlabel(u"时间")
plt.ylabel(u"指数")
plt.plot_date(x_date,data['high'],'-',color='r',label=u"最高价")
plt.plot_date(x_date,data['open'],'-',color='g',label=u"开盘价")
plt.plot_date(x_date,data['close'],'-',color='b',label=u"收盘价")
plt.legend()
plt.grid(True)

#收盘价与成交量
fig,axes = plt.subplots(1,1,figsize=(22,10))
plt.title(u"2017年万达院线收盘价和成交量趋势折线图")
data[['close','volume']].plot(ax =axes,secondary_y='volume', grid=True)


#日均线与换手率
fig = plt.figure(figsize=(22,15))
ax1 = plt.subplot2grid((4,4),(0,0),rowspan = 3,colspan = 4)
#plt.subplot(211)  这样两子图的大小相同，展示不好看
Ma5 = data['ma5']
Ma5.plot(kind = 'line',ax = ax1,color = 'r',label=u"5日均价")
Ma10 = data['ma10']
Ma10.plot(kind = 'line',ax = ax1,color = 'g',label=u"10日均价")
Ma20 = data['ma20']
Ma20.plot(kind = 'line',ax = ax1,color = 'b',label=u"20日均价")
plt.legend(loc = 'best')
plt.grid(True)

#plt.subplot(212)
ax2 = plt.subplot2grid((4,4),(3,0),rowspan = 1,colspan = 4)
TurnOver = data['turnover']
TurnOver.plot(kind='bar',ax = ax2,color = 'black')

ax1.set_title(u"2017年万达院线日均价折线图")
ax1.set_ylabel(u"股价（元）")
ax2.set_ylabel(u"换手率")
ax2.set_xlabel(u"日期")
plt.grid(True)

plt.setp(ax1.get_xticklabels(),visible = False)
plt.setp(ax1.yaxis.get_ticklabels()[0],visible = False)  #隐藏y轴的第一个标签
plt.subplots_adjust(bottom = 0.2,top = 0.9,hspace = 0)  #调整子图间距
plt.show()

 其它

tushare提供获取全国影院单日票房排行数据的接口，可以通过特定日期（比如股价涨停日等）观察万达影院票房信息

df = ts.day_cinema('2017-06-07') #取指定日期的数据
df.head(10)

注：tushare数据只更新到2017/07/03