通达信接口设计-学习记录651@python时间序列分析之自相关ACF图绘制

学习记录651@python时间序列分析之自相关ACF图绘制

学习记录651@python时间序列分析之自相关ACF图绘制通达信接口设计 import tushare as ts ts.set_token("你的token") df=ts.get_k_data("399300", index=True,start="2016-01-01", end="2016-12-31") df.head()

0	2016-01-04	3725.86	3470.41	3726.25	3469.01	115370674.0	sz399300
1	2016-01-05	3382.18	3478.78	3518.22	3377.28	162116984.0	sz399300
2	2016-01-06	3482.41	3539.81	3543.74	3468.47	145966144.0	sz399300
3	2016-01-07	3481.15	3294.38	3481.15	3284.74	44102641.0	sz399300
4	2016-01-08	3371.87	3361.56	3418.85	3237.93	185959451.0	sz399300

import numpy as np
# 基于价格的原始收益率
df["r"]=(df["close"] - df["close"].shift(1)) / df["close"].shift(1)

# df["close"].shift(1) 下移一行
# 对数收益率定义为ln(e/s),其中e为下一期价格，s为上一期价格
df["rtn"]=np.log(df["close"] / df["close"].shift(1))
df=df.dropna()
df.head()

1	2016-01-05	3382.18	3478.78	3518.22	3377.28	162116984.0	sz399300	0.002412	0.002409
2	2016-01-06	3482.41	3539.81	3543.74	3468.47	145966144.0	sz399300	0.017544	0.017391
3	2016-01-07	3481.15	3294.38	3481.15	3284.74	44102641.0	sz399300	-0.069334	-0.071855
4	2016-01-08	3371.87	3361.56	3418.85	3237.93	185959451.0	sz399300	0.020392	0.020187
5	2016-01-11	3303.12	3192.45	3342.48	3192.45	174638387.0	sz399300	-0.050307	-0.051617

import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf
%matplotlib inline
fig = plt.figure(figsize=(10,5))
ax1=fig.add_subplot(111)
fig = plot_acf(df["rtn"],ax=ax1,lags=50) #最高50阶
plt.show()

文章为作者独立观点，不代表股票交易接口观点