无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程链接：https://www.cbedai.net/qtlyx
Python的功能不可以说不大，在金融数据分析里面有着很方便的应用。
1.数据获取
pandas包中有自带的数据获取接口，详细的大家可以去其官网上找，是io.data下的DataReader方法。
-
import numpy as np -
import pandas as pd -
import pandas.io.data as web -
import math -
#从雅虎财经获取DAX指数的数据 -
DAX = web.DataReader(name=\'^GDAXI\', data_source=\'yahoo\',start = \'2000-1-1\') -
#查看一下数据的一些信息 上面这一方法返回的是一个pandas dataframe的数据结构 -
print DAX.info() -
#绘制收盘价的曲线 -
DAX[\'Close\'].plot(figsize=(8,5))
我们获得的数据是dataframe的结构，毕竟是pandas的接口的嘛。然后我们绘制一下收盘价曲线。
这个是我们获取的数据的信息。
绘制出来的收盘价曲线是这样的。
2.简单的数据处理
有了股票价格，我们就计算一下每天的涨跌幅度，换句话说，就是每天的收益率，以及股价的移动平均和股价的波动率。
-
#计算每日的涨跌幅 -
DAX[\'Return\'] = np.log(DAX[\'Close\']/DAX[\'Close\'].shift(1)) -
print DAX[[\'Close\',\'Return\']].tail() -
#将收盘价与每日涨跌幅度放在一张图上 -
DAX[[\'Close\',\'Return\']].plot(subplots = True,style = \'b\',figsize=(8,5)) -
#42与252个交易日为窗口取移动平均 -
DAX[\'42d\']=pd.rolling_mean(DAX[\'Close\'],window=42) -
DAX[\'252d\']=pd.rolling_mean(DAX[\'Close\'],window=252) -
#绘制MA与收盘价 -
DAX[[\'Close\',\'42d\',\'252d\']].plot(figsize=(8,5)) -
#计算波动率，然后根据均方根法则进行年化 -
DAX[\'Mov_Vol\']=pd.rolling_std(DAX[\'Return\'],window = 252)*math.sqrt(252) -
DAX[[\'Close\',\'Mov_Vol\',\'Return\']].plot(subplots = True, style = \'b\',figsize = (8,7))
我们可以掌握这种subplots的绘图方法，把几张趋势图片放在一起。
这是移动平均线的图片，subplots的属性为false，那么就是叠加在一起绘制。
这是市场的波动率和股市的关系。和FRM中提到的一样，在市场低迷，或者说，金融危机的时候，市场的波动率急剧增加。于是，就有了恐慌指数这个东西，也就是Vix，其实就是市场的波动率指数。