Python分析上證指數歷史數據，發現估值還不夠低……

今天我們的目的並不是完全掌握Python量化分析，僅僅是作為入門引領，開啟一扇新的大門。在之後的日子裡，我會不定時地分享更多關於時間序列分析、量化分析的內容，歡迎關注、收藏、轉發！

最近股票行情不太好啊……

可能很多朋友都想用Python分析一下股票數據，來看看自己的股票是否值得持有，或者判斷某支股票是否值得建倉。那麼問題來了，數據在哪裡呢？

我曾經寫了一個腳本，用於抓取每日的行情數據並存儲到資料庫中，並且用crontab設置了讓它每天收盤後執行。但是現在，我發現了一個更加方便的手段，可以快速獲取股票的行情數據！

這種方法就是使用Tushare提供的免費數據介面。Tushare API提供了對Python、R、HTTP、Matlab的支持，這對於我們個人開發者來說再好不過了！

在Tushare的官方網站上有詳細的安裝和調用教程，感興趣的可以先安裝下。https://tushare.pro/document/1。

假如你已經安裝完成，那麼接下來，就要開始我們的魔法了！

一、獲取上證指數歷史行情數據

import tushare as ts
import pandas as pd

pro = ts.pro_api()
df_daily = pro.index_daily(ts_code="000001.SH")
df_daily.head()


可以看到，簡單的幾行命令，我們就成功獲得了上證指數每日的行情數據，而且還是超級方便的pandas DataFrame格式呢！從數據中，我們看到Tushare提供了收盤價、開盤價、最高價、最低價、昨日收盤價、漲幅、百分比漲幅、成交量和成交額這些欄位。

二、處理日期

我們注意到日期的格式不太符合我們的要求，還好pandas對於時間序列處理提供了良好的支持。我們可以先把日期對象轉換為datetime對象，以方便後續的使用。同時我們將時間設置為index。

df_daily.index = pd.to_datetime(df_daily[trade_date])
df_daily.index[:5]


輸出為：

DatetimeIndex([2018-12-25, 2018-12-24, 2018-12-21, 2018-12-20,
2018-12-19],
dtype=datetime64[ns], name=trade_date, freq=None)


可以看到，我們已經成功完成了格式轉換。

三、繪製歷史收盤價曲線

import seaborn as sns

# 繪製收盤價曲線
df.plot(y="close");


四、繪製均線

我們知道，股票行情受各種因素影響，波動較大，因此我們經常會用均線來作為一個穩定趨勢的參考。今天我們就以60日均線為例看下如何使用Python繪製均線。

import matplotlib.pyplot as plt

df_daily = df_daily.sort_index(ascending=True)
plt.figure(figsize=(12, 6))
df_daily.close[20150101:].plot()
df_daily.close.rolling(60).mean()[20150101:].plot();


考慮到展示效果的問題，我們僅截取了2015年以來的數據，看到這幅圖，不禁開始心疼A股韭菜。曾經以為的慢牛，沒想到只是一個反彈……

同時我們也注意到了今年以來60日線對於上證指數的強大壓制力，不過觀察歷史趨勢我們還可以發現一點，那就是一旦實現對60日線的有效突破，那就至少會有一段行情（雖然有時可能僅有一個小波段……）

五、查看估值水平

Tushare還提供了介面用於獲取每天的各項指標，其中就包含了我們接下來要查看的PE水平。

df_basic = pro.index_dailybasic(ts_code=000001.SH)
df_basic.head()


可以看到，這裡有總市值、流通市值、總股本、流通股本、換手率、基於流通股本的換手率、PE（市盈率）、動態PE、PB（市凈率）這些欄位。

那我們就來用動態市盈率數據來看下當前A股上證的估值水平。

plt.figure(figsize=(12, 6))
sns.distplot(df_basic.pe_ttm, bins=100)
plt.axvline(x=df_basic.pe_ttm[0], color=red);


看起來，雖然當前的動態市盈率處於絕對的低位，但是仍有很多天的動態市盈率在當前的水平之下。那我們再看一下比當前估值水平更低的情況都出現在哪些時期。

df_basic.index = pd.to_datetime(df_basic["trade_date"])
plt.figure(figsize=(12, 6))
plt.plot(df_basic.pe_ttm)
plt.axhline(y=df_basic.pe_ttm[0], color="red");


看起來主要14、15年的階段底部期間，A股上證的估值水平比現在還要低。那麼如果真的要跌到這個水平的話，上證指數還要下跌多少？我們來算一下。

now = df_basic.pe_ttm[0]
min = df_basic.pe_ttm.min()
ratio = (now - min) / now
print("ratio: {0:.2f}%".format(ratio * 100))


輸出為：

ratio: 19.96%


還有20%……別怕，這個並不是真的要再跌20%，只是說在14、15年期間，上證磨底一直將PE磨到了8.9的水平，然後爆發了一波直接上漲到了23。所以說磨得越久，能量積蓄就越足。

韭菜們，有點耐心哈！另外祝大家多多發財！聖誕快樂！