• 牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的


    最近的市场行情有点好,很多人都出来梭哈了,无论是互联网公司的腾讯员工,还传统企业的大爷大妈,有的甚至拿出自己的积蓄,一下子都投入....

    我觉得这个哥们离去拼多多工作不远了...

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    在高点的时候选择加入,其实有待考究。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    其实,从15年的那场牛市到现在,市场行情真的不好,偶然碰上大爆发,会让很多“韭菜”产生一种会发财的错觉。显而易见,普通人要在这个市场里得到点什么,是很难的。

    但是靠数据分析+大数据+可视化技术,是能做点什么的。

    我03年接触到人工智能的时候,就有很多人在分析股票走势了,其实根本不难,很多人都夸大了,到头来连文本分析都不会还在那里吹海量数据挖掘,也是搞笑。

    回到正题,我只说3点。

    • 说股价不能预测的都很傻
    • 说股价可以预测的都在装
    • 能够预测股价的不会告诉你

    本文我们一起用python+BI来对股票的走势做一个探索性的分析,希望能激起你对大数据分析的兴趣,以及能让你对整个市场有理性的思考。

    一个完整的过程就是利用python从数据采集、清洗加工到数据存储,然后再利用专业的BI工具进行数据分析和可视化。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    当然,数据采集和抓取不一定非得用python,也有很多别的选择,越简单越好,最后的目的是不会变的:获取数据,感兴趣的可以到文末获取源数据。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    数据到这里就全都获取好了,有人会问为什么不用pandas/NumPy/Matplotlib等库直接进行可视化分析呢?

    你可以考虑一下,分析股票的都不是专业的,就是自己尝试,即使python再简单,也是需要编程基础的,少则学习1个月,多的话不好说,那这个学习的时间其实就很多了。

    股票数据是很多而且实时更新的,Excel的性能根本处理不了,而且数据透视表、函数、VBA也很复杂,所以我推荐BI工具。

    就拿FineBI来说,它可以进行大数据分析,最重要的是完全零编码,提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案,性能ok也是让我满意的一点。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    看一下如何分析的吧:

    1、导入数据

    我们将上述的数据导入到FineBI中,FineBI可以支持30多种不同的数据源,从hadoop、spark到oracle,再到MySQL,多种数据一起分析也不是事。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    2、数据处理

    导入了全部数据之后,我们会用到FineBI的自助数据集功能,它是指:对分布的、异构数据源中的数据,比如关系数据等底层数据进行一定的处理和加工。

    这些数据也是后续数据可视化的基础。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    FineBI里面包含了一些模块化的数据处理功能,再也不用写那复杂的函数了。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    3、创建仪表板,进行可视化分析

    FineBI做可视化不需要任何的函数什么的,处理好数据之后,直接拖拽即可生成酷炫且有分析价值的图片。

    就拿FineBI做的股票可视化来说,可以清晰的看见涨跌趋势,我们可以通过这图看出来很多:

    • 五年时间的熊市,的确挺长,现在涨也是应该的
    • 很多个股已经走出了牛市的模样
    • 良性循环的结果,证券市场变化力度大,一些措施确实起到了作用

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    在股票方面,有的人搞长线,有的人搞短线,那么,如果长期持有微软的股票,会怎么样呢?有一个方法,可以显示出来。

    牛市该理智还是疯狂?python+BI可视化的股票分析,都是你想看的

    此图不是FineBI所作

    从1986年开始,如果长期持有100份微软股票,是不是收益满满呢?

    记住这句话:牛市虽然涨得多,却是普通人最容易亏损的时候。哪怕牛市来了,它也不是决定你赚钱的核心——真正的核心,是你有没有自己比较完整的逻辑。

    至于源数据和大数据分析工具,关注我,并转发该文章,私信回复“BI”即可获得!

  • 相关阅读:
    决策树(chap3)Machine Learning In Action学习笔记
    AdaBoost-Machine Learning In Action学习笔记
    支持向量机-Machine Learning In Action学习笔记
    Alamofire 4.0 迁移指南
    从VSS到SVN再到Git 记Git的基本操作
    倍杀测量者
    P3166 数三角形
    APIO2014 序列分割(斜率优化好题)
    P3694 邦邦的大合唱站队
    ACwing 298 栅栏(单调队列DP)
  • 原文地址:https://www.cnblogs.com/hzcya1995/p/13325533.html
Copyright © 2020-2023  润新知