python数据分析

1 前言

在前面的章节中我们牛刀小试，一直在使用python爬虫去抓取数据，然后把数据信息存放在数据库中，至此已经完成了基本的基本信息的处理，接下来就来处理高级一点儿的内容，今天就从基金的趋势分析开始。

2 基金趋势分析

基金的趋势，就是选择一些表现强势的基金，什么样的才是强势呢？那就是要稳定的，逐步的一路北上。通常情况下，基金都会沿着一条趋势线向上或者向下，基金的趋势形成比股票的趋势更加确定一些。 以下图为例，展示的是华夏中证新能源汽车ETF的走势情况,可以看到这个基金的走势基本上就是按照红色的趋势线。今天要做的就是使用数学-线性回归的方式来计算这个趋势的斜率以及趋势表的可靠性。 

这里分析基金走势的模型采用线性回归，假定其走势符合 { y = kx + b }y=kx+b , y 就是对应的收益率， x 为时间。k 值为斜率。现在要做的就是使用这组基金的数据计算这个k值，这样就可以使用这个k值进行基金的对比。

3 数据抓取与分析

3.1 基金数据抓取

抓取基金数据历史收益率的数据

# 抓取基金历史收益率数据连接
http://api.fund.eastmoney.com/pinzhong/LJSYLZS?fundCode=515030&indexcode=000300&type=y
# 参数说明
fundCode 为需要查询的基金代码
indexcode 基金对比基准数据,默认为沪深300(000300)
type 为数据查询的周期，m 一个月 q 3个月 hy 6个月 y 一年 try 3年 fiy 5年 sy 今年来 se 最大
复制代码

在api接口返回的数据中，0 代表的是基金数据， 1 是同类基金的平均值，2 为沪深300的数据。

 具体的实现代码见图:

3.2 数据分析

数据分析的方式使用 matplotlib 和 sklearn.linear_model ,第一个是用于数据的图形展示，第二个是线性分析工具，用于计算基金的k值。有关线性分析的内容，有兴趣的可以去查询线性分析的计算细节。

如下图所示，为数据模型计算和图形展示的代码。 

 以新能源ETF数据为例，我们得到了 y= 0.3541x + b 的趋势线，这个线性模型的评分为0.741。其实这个评分已经相当高了，收益率越大，其波动越大，和线性规划的契合度就越低。

 但是有没有例外呢，以天弘增利短债C(008647)为例，其评分相当高，看图形展示就可以知道，但是债券基金的k值比股票基金的k值比是相当的低，高风险，高回报，低风险，低回报。收益是对风险的补偿。

4 总结

在这一章中，介绍了使用线性规划的方式分析基金的趋势情况，并使用量化分析的方法进行基金的分析和筛选。最后可以使用这个方法对所以的基金进行分析，筛选出趋势性强的基金进行投资。