Hallo Leser! Wir alle wissen, wie die Börse funktioniert. Eine Aktie ist der kleine Teil des Unternehmenseigentums. Der Aktienkurs des Unternehmens spiegelt die Nettobewertung des Unternehmens wider und gibt auch eine kleine Vorstellung von seiner Performance.. Diese Aktien werden an Börsen gehandelt und ihre Preise ändern sich aufgrund ihrer Nachfrage und ihres Angebots auf dem Markt ständig.. Wenn eine Aktie eine hohe Nachfrage und ein geringes Angebot hat, nämlich, mehr Leute wollen es kaufen und weniger Leute sind bereit es zu verkaufen, dann steigt der Preis der Aktie und ähnlich, wenn die Aktie eine geringe Nachfrage und ein hohes Angebot hat, was bedeutet, dass mehr Leute bereit sind, es zu verkaufen, aber weniger Leute sind bereit es zu kaufen und die Preise sinken.
Der plötzliche Anstieg der Nachfrage nach Aktien kann verschiedene Gründe haben, einschließlich positiver Nachrichten über das Unternehmen oder einer Unternehmensmitteilung. Nach einer Zeit, in der die Nachfrage nach den Aktien verschwindet, ihre Preise sinken langsam, da der Investor das Interesse an ihnen verliert. Diese steigenden und fallenden Aktienkurse sind ein iterativer und wiederholter Prozess. Diese Volatilität bei Aktien macht Anleger nervös, wenn sie in ein Unternehmen investieren. Dann, das damit verbundene Risiko verstehen, Vor dem Kauf müssen die Aktien richtig analysiert werden. In diesem Artikel, Wir würden versuchen, nur die Spitze des Eisbergs für die Börsenanalyse zu erkunden, da die technische Wertanalyse ein weites Feld ist. Dieser Blog kann Ihr Ausgangspunkt in dieser Branche sein.
Das Tool ist für die Analyse nicht wichtig, kann in jeder Statistiksoftware wie Python durchgeführt werden, R oder Excel, aber für diesen Artikel, Wir demonstrieren das Parsen in Python.
Inhalt
- Verwendete Bibliotheken
- Beschreibung der Daten
- Explorative Analyse
- Streudiagrammmatrix
- Gleitende Mittelwerte
- Prozentuale Wertsteigerung der Aktien
- Fazit
Verwendete Bibliotheken
Im Folgenden sind die Bibliotheken aufgeführt, die zuvor installiert werden müssen und mit Hilfe der Pip-Funktion einfach heruntergeladen werden können. Im Folgenden finden Sie eine kurze Beschreibung des Namens der Bibliothek und ihrer Anwendung.
| Bücherei | Anwendung |
| Yahoo Finanzen | So laden Sie Bestandsdaten herunter |
| Pandas | So behandeln Sie Datenframeworks in Python |
| Numpy | Numerisches Python |
| Matplotlib | Diagramme plotten |
import pandas as pd import datetime import numpy as np import matplotlib.pyplot as plt from pandas.plotting import scatter_matrix !pip install yfinance import yfinance as yf %matplotlib inline
Beschreibung der Daten:
Wir haben tägliche Aktienkursdaten mit der Yahoo Finance API-Funktionalität heruntergeladen. Es ist eine Datenerfassung von fünf Jahren Offenheit, maximal, Minimum, Verschluss und Volumen.
- Geöffnet: Der Kurs der Aktie bei Marktöffnung am Morgen.
- Schließen: der Kurs der Aktie bei Börsenschluss über Nacht.
- Alt: höchster Kurs der Aktie an diesem Tag
- Niedrig: niedrigster Kurs, den die Aktie an diesem Tag handelt
- Volumen: die Gesamtzahl der an diesem Tag gehandelten Aktien.
Hier, nehmen wir das Beispiel von drei Unternehmen, TCS, Infosys und Wipro, die Branchenführer in der IT-Servicebereitstellung sind.
beginnen = "2014-01-01" end = '2019-1-01' tcs = yf.download('TCS',Anfang,Ende) infy = yf.download('INFY',Anfang,Ende) wipro = yf.download('WIPRO.NS',Anfang,Ende)
Explorative Analyse
Tcs['Open'].Handlung(Etikett="TCS", Feigengröße = (15,7)) Infy['Open'].Handlung(Etikett = "Infosys") wipro['Open'].Handlung(Etikett="Wipro") plt.titel('Stock Prices of TCS, Infosys and Wipro')
Die obige Grafik zeigt die Darstellung der offenen Aktienkurse für diese drei Unternehmen durch eine LiniendiagrammDas Liniendiagramm ist ein visuelles Werkzeug, das zur Darstellung von Daten im Zeitverlauf verwendet wird. Es besteht aus einer Reihe von Punkten, die durch Linien verbunden sind, die es Ihnen ermöglicht, Trends zu beobachten, Schwankungen und Muster in den Daten. Diese Art von Diagramm ist besonders nützlich in Bereichen wie der Wirtschaft, Meteorologie und wissenschaftliche Forschung, Dies erleichtert den Vergleich verschiedener Datensätze und die Identifizierung von Verhaltensweisen auf breiter Front.. Nutzung der Matplotlib-Bibliothek in Python. Die Grafik zeigt deutlich, dass die Preise von Wipro im Vergleich zu zwei anderen Unternehmen höher sind., aber wir interessieren uns nicht für die absoluten Preise dieser Unternehmen, Aber wir wollten verstehen, wie diese Aktionen im Laufe der Zeit schwanken..
Tcs['Volume'].Handlung(Etikett="TCS", Feigengröße = (15,7)) Infy['Volume'].Handlung(Etikett = "Infosys") wipro['Volume'].Handlung(Etikett="Wipro") plt.titel('Volume of Stock traded') plt.legende()
Die Grafik zeigt das von diesen Unternehmen gehandelte Volumen, was deutlich zeigt, dass Infosys-Aktien im Vergleich zu anderen IT-Aktien stärker gehandelt werden.
#Market Capitalisation tcs['MarktCap'] = tcs['Open'] * Tcs['Volume'] Infy['MarktCap'] = infy['Open'] * Infy['Volume'] wipro['MarktCap'] = wipro['Open'] * wipro['Volume'] Tcs['MarktCap'].Handlung(Etikett="TCS", Feigengröße = (15,7)) Infy['MarktCap'].Handlung(Etikett="Infosys") wipro['MarktCap'].Handlung(Etikett="Wipro") plt.titel('Market Cap') plt.legende()
Lediglich Volumen oder Aktienkurse bieten keinen unternehmensübergreifenden Vergleich. In diesem Fall, wir haben ein Volumendiagramm gezeichnet * Aktienkurs, um Unternehmen besser vergleichen zu können. Wie wir in der Grafik deutlich sehen können, Wipro scheint auf einer höheren Seite zu handeln.
Gleitende Mittelwerte
Wie wir wissen, Aktienkurse sind sehr volatil und die Preise ändern sich im Laufe der Zeit schnell. Um einen Trend oder ein Muster zu beobachten, können wir einen Durchschnitt von 200 Tage von 50 Tage
Tcs['MA50'] = tcs['Open'].rollen(50).bedeuten() Tcs['MA200'] = tcs['Open'].rollen(200).bedeuten() Tcs['Open'].Handlung(Feigengröße = (15,7)) Tcs['MA50'].Handlung() Tcs['MA200'].Handlung()
Streudiagrammmatrix
data = pd.concat([Tcs['Open'],Infy['Open'],wipro['Open']],Achse = 1) data.columns = ['TCSOpen','InfosysOpen','WiproOpen'] scatter_matrix(Daten, Feigengröße = (8,8), hist_kwds= {'bins':250})
Das obige Diagramm ist die Kombination aus HistogrammeHistogramme sind grafische Darstellungen, die die Verteilung eines Datensatzes darstellen. Sie werden konstruiert, indem der Wertebereich in Intervalle unterteilt wird, Ö "Behälter", und zählen, wie viele Daten in jedem Intervall fallen. Diese Visualisierung ermöglicht es Ihnen, Muster zu erkennen, Trends und Variabilität von Daten effektiv, Erleichterung statistischer Analysen und fundierter Entscheidungsfindung in verschiedenen Disziplinen.... für jedes Unternehmen und eine AusbreitungsdiagrammDas Streudiagramm ist ein grafisches Werkzeug, das in der Statistik verwendet wird, um die Beziehung zwischen zwei Variablen zu visualisieren. Es besteht aus einer Menge von Punkten in einer kartesischen Ebene, wobei jeder Punkt ein Wertepaar darstellt, das den analysierten Variablen entspricht. Diese Art von Diagramm ermöglicht es Ihnen, Muster zu erkennen, Trends und mögliche Korrelationen, Erleichterung der Dateninterpretation und Entscheidungsfindung auf der Grundlage der präsentierten visuellen Informationen.... Später werden damit die Aktien von zwei Unternehmen auf einmal übernommen. Aus dem Diagramm, wir können eindeutig ableiten, dass die Aktionen von Wipro vage eine lineare Korrelation mit Infosys zeigen.
Prozentuale Wertsteigerung der Aktien
Eine prozentuale Wertsteigerung der Aktie ist die Veränderung der Bestände im Vergleich zum Vortag. Je höher der Wert, entweder positiv oder negativ, Je volatiler die Aktie sein wird.
#Volatility tcs['returns'] = (Tcs['Close']/Tcs['Close'].Schicht(1)) -1 Infy['returns'] = (Infy['Close']/Infy['Close'].Schicht(1))-1 wipro['returns'] = (wipro['Close']/wipro['Close'].Schicht(1)) - 1 Tcs['returns'].hist(Behälter = 100, Etikett="TCS", alpha = 0.5, Feigengröße = (15,7)) Infy['returns'].hist(Behälter = 100, Etikett="Infosysy", alpha = 0.5) wipro['returns'].hist(Behälter = 100, Etikett="Wipro", alpha = 0.5) plt.legende()
Aus der Grafik geht klar hervor, dass der prozentuale Anstieg im TCS-Aktienkurshistogramm am breitesten ist, Dies deutet darauf hin, dass die TCS-Aktie unter den drei verglichenen Unternehmen am volatilsten ist.
Fazit
Die obige Analyse kann verwendet werden, um das kurz- und langfristige Verhalten einer Aktie zu verstehen.. Es kann ein Entscheidungsunterstützungssystem erstellt werden, für das Aktien aus der Branche für geringes Risiko, niedrigen Gewinn oder hohes Risiko, hohen Gewinn ausgewählt werden können, je nach Risikoapatit des Anlegers.
Fühlen Sie sich frei, sich über Linkedin zu verbinden:
https://www.linkedin.com/in/fasih-ahmad-61491aa9/
Die in diesem Artikel gezeigten Medien sind nicht Eigentum von DataPeaker und werden nach Ermessen des Autors verwendet.
