最近股市比較火，我7月初上車了，現在已經下了。中間雖然吃了點肉，但下車的時候都虧進去了，最后連點湯都沒喝着。
這篇文章我們就用python對股票數據做個簡單的分析。數據集是從1999年到2016年上海證券交易所的1095只股票。
共1000個文件。
我們的分析思路大致如下：
-
每年新發股票數 -
目前市值最大的公司有哪些 -
股票一段時間的漲跌幅如何 -
牛市的時候，個股表現如何
首先導入模塊
import pandas as pd
import numpy as np import os import seaborn as sns import matplotlib.pyplot as plt # 繪圖顯示中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False 用pandas讀文件
file_list = os.listdir('./data/a-share/')
pieces = [] for file_name in file_list: path = './data/a-share/%s' % file_name file = pd.read_csv(path, encoding ='gb2312') pieces.append(file) shares = pd.concat(pieces) 使用read_csv讀文件的時候需要指定文件編碼encoding ='gb2312'。將各個文件的DataFrame合並后，將索引重置一下，並預覽一下數據
shares.reset_index(inplace=True, drop=True)
shares.head() 
這里我們最關注的列是日期、代碼、簡稱、收盤價。
按照分析思路，我們首先來看看上市公司的總數
len(shares['代碼'].unique())
對股票代碼去重、計數可以看到一共有1095家上市公司。那我們再看看每年新增的上市公司有多少家
# 計算每只股票的最早交易時間（即：上市時間）
shares_min_date = shares.groupby('簡稱').agg({'日期':'min'}) shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4]) # 每年上市公司的數量 shares_min_date.groupby('上市年份').count().plot() 
可以看到，多的時候每年60-80家，而05年-13年這段時間上市后的公司特別少，尤其是13年只有1家，原因是13年暫停了IPO。
下面我們再來看看數據集中最新的時間點（2016-06-08），市值較大的公司有哪些
shares_market_value = shares[shares['日期'] == '2016-06-08'][['簡稱', '總市值(元)']].sort_values(by='總市值(元)', ascending=False)
# 市值最大的公司 top10 tmp_df = shares_market_value.head(10) # 畫圖 sns.barplot(x=tmp_df['總市值(元)'], y=tmp_df['簡稱']) 
截至16年6月8號，工商銀行（愛存不存）的市值最高1.5萬億，不愧是宇宙第一大行。並且能發現市值前十的公司大部分是銀行。
下面再來看看，從11.06.09 - 16.06.085年時間里個股漲跌情況。起點選11.06.09的原因是這一天包含了900左右只股票，樣本較大。然后，我們抽取這兩天股票的收盤價，計算漲跌幅
shares_110609 = shares[shares['日期'] == '2011-06-09'][['代碼', '簡稱', '收盤價(元)']]
shares_160609 = shares[shares['日期'] == '2016-06-08'][['代碼', '收盤價(元)']] # 按照股票代碼將2天數據關聯 shares_price = shares_110609.merge(shares_160609, on='代碼') shares_price 
一共有879只股票
# 多少家股票是上漲的
shares_price[shares_price['漲跌幅(%)'] > 0].count() 
# 多少家股票是上漲的
shares_price[shares_price['漲跌幅(%)'] < 0].count() 
可以看到，上漲的股票627只，占比71%。那我們再來看看，上漲的股票，漲幅分布情況
bins = np.array([0, 40, 70, 100, 1700])
# 股價上漲的公司 shares_up = shares_price[shares_price['漲跌幅(%)'] > 0] # 按漲幅進行分組 shares_up['label'] = pd.cut(shares_up['漲跌幅(%)'], bins) # 分組統計 up_label_count = shares_up[['label', '代碼']].groupby('label').count() up_label_count['占比'] = up_label_count['代碼'] / up_label_count.sum().values sns.barplot(x=up_label_count['占比'], y=up_label_count.index) 
漲幅分布還是比較極端的，雖然上漲的股票總體比較高，但上漲的股票中有30%只股票漲幅不足40%，也就是平均一年漲8%，如果理財年收益10%算及格的話，8%明顯偏低了。再加上跌的股票，收益率低於10%的股票大於50%，所以股市的錢也不是那么好掙的。
當然也有踩狗屎運的時候，比如買到了下面這些股票並且長期持有
# 漲幅最大的公司
tmp_df = shares_up.sort_values(by='漲跌幅(%)', ascending=False)[:8] sns.barplot(y=tmp_df['簡稱'], x=tmp_df['漲跌幅(%)']) 
像金證股份持有5年后可以翻16倍。
同樣的方式，我們可以看看股票跌幅分布
因為代碼類似，這里就不貼了。從數據上將近70%的股票5年后跌幅在0-40%的區間。
最后一個有意思的數據，我們看看牛市的時候個股漲跌是怎么樣的。我們選擇14.06.30和15.06.08這兩天個股的漲跌情況。分析思路跟上面類似，我就直接說數據了。
牛市期間99.6%的股票都是漲的，也就是說個股基本都在上漲。來看看漲幅分布
可以看到，86%只股票翻了一番，所以牛市來了，基本上閉着眼選股都能掙錢。也不知道這種大牛市什么時候能再來一次，當然了，牛市來了能不能把握住是個大問題。
我的分析就到這里了，其實分析有意思的數據還有很多，比如結合一些市盈率等其他維度進行分析，有興趣的朋友可以自行探索，我覺得還有一個更有挑戰性的分析是預測個股的走勢，雖然實踐上不可行，但從學習角度來看還是挺值得研究的，如果大家點贊較多，我下周考慮寫一下。
數據和源碼已經打包，公眾號回復關鍵字股票即可。
歡迎公眾號 「渡碼」 輸出別地兒看不到的干貨。
