使用Python分析股价波动周期

2024-03-31 18:48

本文主要是介绍使用Python分析股价波动周期,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

基本思路是获取股价收盘信息后,使用希尔伯特黄变换将股价波动数据拆解为不同周期的波动曲线。再本别利用频谱分析计算每一个曲线的频率。目标是将股价波动数据拆解为不同周期波动的叠加态。

1.获取收盘价

富途有很好的API接口,给我这种小散送了每个月的使用次数也够了。

富途openAPI官网

2.希尔伯特黄变换

利用pyhht包,官方的文档磕磕绊绊看懂。

 

合起来

import pyhht
from pyhht.visualization import plot_imfs
import numpy as np
import random
from futu import *
import pandas as pd
import sys
import re
def likaiHHT_savefig_imfs(filepath,xlabel,title,signal, imfs, time_samples=None, fignum=None):if time_samples is None:time_samples = np.arange(signal.shape[0])n_imfs = imfs.shape[0]plt.figure(num=fignum)axis_extent = max(np.max(np.abs(imfs[:-1, :]), axis=0))# Plot original signalax = plt.subplot(n_imfs + 1, 1, 1)ax.plot(time_samples, signal)ax.axis([time_samples[0], time_samples[-1], signal.min(), signal.max()])ax.tick_params(which='both', left=True, bottom=False, labelleft=True,labelbottom=False)ax.grid(False)ax.set_ylabel('signal')ax.set_title(title)# Plot the IMFsfor i in range(n_imfs - 1):print(i + 2)ax = plt.subplot(n_imfs + 1, 1, i + 2)ax.plot(time_samples, imfs[i, :])ax.axis([time_samples[0], time_samples[-1], -axis_extent, axis_extent])ax.tick_params(which='both', left=True, bottom=False, labelleft=True,labelbottom=False)ax.grid(False)ax.set_ylabel('imf' + str(i + 1))# Plot the residueax = plt.subplot(n_imfs + 1, 1, n_imfs + 1)ax.plot(time_samples, imfs[-1, :], 'r')ax.axis('auto')#ax.tick_params(which='both', left=False, bottom=False, labelleft=False,labelbottom=False)ax.grid(False)ax.set_ylabel('res.')ax.set_xlabel(xlabel)plt.savefig(filepath)return 
def imfs_max_freq(imfs,sample_rate,fft_size):
#计算每一个imfs频谱中最高的那个频率n_imfs=imfs.shape[0]max_freq=[]for i in range(n_imfs-1):xs=imfs[i,:][:fft_size]xf=np.fft.rfft(xs)/fft_sizefreqs=np.linspace(0,sample_rate/2,fft_size//2+1)xfp=20*np.log10(np.clip(np.abs(xf), 1e-20, 1e100))max_freq.append(freqs[np.argmax(xfp)])return max_freq
def HHTstock(stockid,begindate,enddate):closelist=[]quote_ctx = OpenQuoteContext(host='127.0.0.1', port=11111)  # 创建行情对象ret, data, page_req_key = quote_ctx.request_history_kline(stockid, start=begindate, end=enddate, max_count=5)  # 每页5个,请求第一页if ret == RET_OK:#print(data)#print(data['code'][0])    # 取第一条的股票代码#print(data['close'].values.tolist())   # 第一页收盘价转为listcloselist=data['close'].values.tolist()else:print('error:', data)while page_req_key != None:  # 请求后面的所有结果#print('*************************************')ret, data, page_req_key = quote_ctx.request_history_kline(stockid, start=begindate, end=enddate, max_count=5, page_req_key=page_req_key) # 请求翻页后的数据if ret == RET_OK:#print(data)closelist.extend(data['close'].values.tolist())else:print('error:', data)print('All pages are finished!')quote_ctx.close() # 关闭对象,防止连接条数用尽trading_day_num=len(closelist)t=np.linspace(0,trading_day_num,trading_day_num)np_close=np.array(closelist)decomposer=pyhht.EMD(np_close)imfs=decomposer.decompose()#plot_imfs(np_close,imfs,t)likaiHHT_savefig_imfs('./'+stockid+'.png','t/day',stockid,np_close,imfs,t)ls=imfs_max_freq(imfs,1,1000)#算每一段曲线的频率print(ls)return;
def main():HHTstock('HK.01816','2012-9-11','2020-9-18')
if __name__ == '__main__':main()

计算结果

 

这篇关于使用Python分析股价波动周期的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/865051

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]