Данные по акциям. Влияние и обработка


 

(Фрагмент одной из моих статей, размещенных на сторонних ресурсах)


Исторические цены на акции и воздействие на них корпоративных действий. Взгляд алгоритмического трейдера. Адаптированный перевод статьи “Understanding Equities Data” ресурса Quantstart.

Изложение от первого лица.

Введение

Здесь мы рассмотрим различные аспекты данных по акциям. Поймем, что означают цена открытия, максимум, минимум и цена закрытия (Open, High, Low и Close, OHLC), а также обсудим торгуемый объем. Увидим, как рассчитывается типовая скорректированная цена закрытия, какое влияние на котировки оказывают сплит акций, дивиденды и право выкупа (rights offering), и почему все это столь важно.

Мы будем использовать данные для AAPL <компания Apple> с 30 октября 2010 г. по 30 октября 2020 г. включительно. Информация есть в свободном доступе, например, у AlphaVantage или Yahoo Finance. Применяемая среда включает Python 3.8, Pandas 1.3 и Matplotlib 3.4.

Библиотека Pandas наиболее оптимальна для оценки и анализа финансовых данных в Python. Начнем с создания DataFrame, который назовем aapl, и убедимся, что столбец данных правильно преобразуется в datetime-объект Pandas. Успех во многом будет зависеть от способа хранения ваших данных. Мы задействуем функцию Pandas read_csv().

Обязательно настройте /PATH/TO/YOUR/CSV для загрузки файла CSV с ежедневными данными по акциям Apple.

После того, как вы сделали DataFrame, содержащий биржевые данные, вы можете отобразить первые несколько строк, включив команду aapl.head().


Полную версию текста смотрите здесь

Другие блоги автора:

Цивилизация, история, искусство. Взгляд финансиста

"Финансисты, титаны, стоики"


Комментарии

Популярные сообщения из этого блога

Портфель Уоррена Бафетта. Срез на 30.09.2021

Систематический трейдинг. Простые или сложные торговые стратегии - что лучше?

Регулирование крипты в Украине. Все будет как в Европе