''' 1.數據平滑：通常包含降噪、擬合等操作。降噪的功能在於去除額外的影響因素，擬合的目的在於數學模型化，可以通過更多的數學方法識別曲線的特征。 2.繪制兩支股票的收益率 ---收益率 =（后一天的收盤價 - 前一天的收盤價）/前一天的收盤價 ''' import matplotlib.pyplot as mp import numpy as np import datetime as dt import matplotlib.dates as md # 日期轉化函數 def dmy2ymd(dmy): # 把dmy格式的字符串轉化成ymd格式的字符串 dmy = str(dmy, encoding='utf-8') d = dt.datetime.strptime(dmy, '%d-%m-%Y') d = d.date() ymd = d.strftime('%Y-%m-%d') return ymd dates, bhp_closing_prices = \ np.loadtxt('./da_data/bhp.csv', delimiter=',', usecols=(1, 6), unpack=True, dtype='M8[D], f8', converters={1: dmy2ymd}) # converters為轉換器，運行時先執行，其中1表示時間所在的列索引號 vale_closing_prices = \ np.loadtxt('./da_data/vale.csv', delimiter=',', usecols=(6,), unpack=True, dtype='f8') # 繪制收盤價折線圖 mp.figure('Profits', facecolor='lightgray') mp.title('Profits', fontsize=18) mp.xlabel('date', fontsize=12) mp.ylabel('profits', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=':') # 設置x軸的刻度定位器，使之更適合顯示日期數據 ax = mp.gca() # 以周一作為主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d')) ax.xaxis.set_minor_locator(mi_loc) # 日期數據類型轉換，更適合繪圖 dates = dates.astype(md.datetime.datetime) # 計算兩支股票的收益率 bhp_returns = np.diff(bhp_closing_prices) / bhp_closing_prices[:-1] vale_returns = np.diff(vale_closing_prices) / vale_closing_prices[:-1] # 繪制兩支股票的收益率曲線 mp.plot(dates[:-1], bhp_returns, color='orangered', label='BHP_return', alpha=0.3) mp.plot(dates[:-1], vale_returns, color='dodgerblue', label='VALE_return', alpha=0.3) # mp.hlines(0, md.date2num(dates[0]), md.date2num(dates[-1]), colors='red') # 使用卷積對兩組數據降噪 kernel = np.hanning(8) # 隨機生成一個卷積核（對稱的） kernel /= kernel.sum() bhp_returns_convolved = np.convolve(bhp_returns, kernel, 'valid') vale_returns_convolved = np.convolve(vale_returns, kernel, 'valid') # mp.plot(dates[7:-1], bhp_returns_convolved, color='orangered', label='bhp_returns_convolved') # mp.plot(dates[7:-1], vale_returns_convolved, color='dodgerblue', label='vale_returns_convolved') # 對兩條曲線執行多項式擬合 days = dates[7:-1].astype('M8[D]').astype('i4') bhp_P = np.polyfit(days, bhp_returns_convolved, 3) vale_P = np.polyfit(days, vale_returns_convolved, 3) # 繪制多項式曲線 bhp_y = np.polyval(bhp_P, days) vale_y = np.polyval(vale_P, days) mp.plot(dates[7:-1], bhp_y, color='greenyellow', label='bhp_y') mp.plot(dates[7:-1], vale_y, color='pink', label='vale_y') # 求曲線的交點坐標 P = np.polysub(bhp_P, vale_P) # 求兩個多項式函數的差函數的P值 xs = np.roots(P) y = np.polyval(bhp_P, xs) result = xs.astype('i4').astype('M8[D]') mp.scatter(result, y, s=80, color='red', zorder=3) mp.tight_layout() mp.legend() # 自動格式化x軸日期的顯示格式（以最合適的方式顯示） mp.gcf().autofmt_xdate() mp.show()
