1. 链一财经首页
  2. 资讯

使用python编写分析股票市场与比特币价格关系

我们通过使用Python和Pandas技术进行分析,我们将能够在本文中回答该问题。首先,我们将使用免费的API检索过去几年的比特币和股票价格。然后我们将计算股市与比特币价格之间的相关性。最后,我们将结束通过相关矩阵图绘制相关关系的分析。

使用python编写分析股票市场与比特币价格关系

比特币在经济中的作用
自从比特币出现以来,我一直想知道比特币在我们的经济中扮演什么角色。以下是三个潜在角色:
· 比特币的作用与黄金相似吗?黄金被认为是避险投资。也就是说,当经济正陷入衰退时,由于投资者从股票转向黄金,黄金价格往往会上涨。这有助于投资者减少股市崩盘将给他们的投资组合带来的潜在损失。如果比特币在投资界一直扮演着避风港的角色,那么我们应该期望看到股票与比特币价格之间存在负相关关系。
· 比特币的另一个可能作用是跟金融市场一样遵循同样的趋势。也就是说,如果股价上涨,这种实证主义具有传染性,因此在比特币价格中也可见吗?
· 我们分析的第三个潜在结果可能是比特币价格与股市根本没有关系。
让我们使用Python看看!
使用Python检索股票市场价格和比特币价格
为了获取数据进行我们的分析,我将使用financialmodelingprep API检索比特币价格。他们还提供免费的库存数据,但是为了向您展示两种不同的获取数据的方法,我将使用Pandas DataReader来检索库存数据。
作为我们市场数据的代理,我们将使用标准普尔500指数。标准普尔500指数是衡量在美国上市的500家最大公司的股票表现的指数。我们将使用Pandas DataReader下载SP500价格和美联储经济数据(FRED)作为源。
如果您以前从未使用过Pandas DataReader和Pandas,则需要安装软件包。 您可以使用pip命令来做到这一点。
pip install pandas_datareader 
#Pandas data reader may not work with the latest Pandas version, 
therefore, I recommend you to install Pandas version 0.24: 
pip install pandas==0.24.2
太好了,现在我们可以使用Python检索数据了。首先,我们将提取过去十年中的S&P500股票价格。 请注意,通过使用web.DataReader并指定系列名称(即sp500)和提供程序(即fred),我们可以轻松获取称为SP500的Pandas系列数据。
pd.core.common.is_list_like = pd.api.types.is_list_like
import pandas_datareader.data as web
import datetime
start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2020, 2, 10)
SP500 = web.DataReader([‘sp500’], ‘fred’, start, end)
print(SP500)
以上代码行将返回低于标普500普尔系列,其中包含过去10年的标普价格:

使用python编写分析股票市场与比特币价格关系

现在让我们检索比特币价格。为此,我们将使用financialmodelingprep API。我们将向API端点发出一个http get请求,该请求将返回包含历史BTC价格的字典:
import requests
#BTCUSD contains a dictionary
BTCUSD = requests.get(
‘https://financialmodelingprep.com/api/v3/historical-price-full/crypto/BTCUSD’)
BTCUSD = BTCUSD.json()
BTCUSD = BTCUSD[‘historical’]
我们分析包含在键名historical中的字典。
print(BTCUSD)
[{‘date’: ‘2020-02-15’,
  ‘open’: 10315.651367,
  ‘high’: 10341.555664,
  ‘low’: 10226.138672,
  ‘close’: 10244.959961,
  ‘adjClose’: 10244.959961,
  ‘volume’: 42347495424.0,
  ‘unadjustedVolume’: 42347495424.0,
  ‘change’: 70.69141,
  ‘changePercent’: 0.685,
  ‘vwap’: 10270.88477,
  ‘label’: ‘February 15, 20’,
  ‘changeOverTime’: 0.00685},
 {‘date’: ‘2020-02-14’,
  ‘open’: 10211….
    ….
    …]}
现在通过查看BTCUSD变量的内容,我们可以看到BTCUSD是词典列表,并且列表中的每个元素都是包含比特币价格的不同日期。 BTC价格存储在关键收盘价下。
例如我们看到在2月15日,比特币的价格为10,244美元。
我们需要将字典列表转换为Pandas DataFrame。 我们可以使用pd.DataFrame.from_dict()轻松地做到这一点:
BTC = pd.DataFrame.from_dict(BTCUSD)
BTC.set_index(‘date’,inplace=True)
#Keep only the close column
BTC = BTC[[‘close’]]
#Rename the column name to BTC
BTC.columns = [‘BTC’]
BTC

使用python编写分析股票市场与比特币价格关系

最后,我们在两个Pandas DataFrame中获得BTC和S&P 500的价格。 现在我们只需要将它们合并在一起。对我们来说幸运的是,使用Python和Pandas可以很容易地做到这一点。
我们可以使用pd.merge在索引上连接两个DataFrame,因为index包含日期。因此,我们想加入标普500指数和BTC在匹配日的价格。
我们可以将等于True的right_index和left_index传递为参数,让Pandas知道我们要使用该索引进行合并。
SP500BTC = BTC.merge(SP500, how=’inner’,right_index = True, 
left_index=True)
#Drop NA since we have nan values for weekends. 
S&P500 only trades business days
SP500BTC.dropna(inplace=True)
print(SP500BTC)

使用python编写分析股票市场与比特币价格关系

比特币与标普500价格之间的关系
太好了,我们已准备好数据进行分析。现在我们可以继续查找股票和比特币价格之间的关系。
为此,我们可以使用pandas dataframe.corr()查找Pandas DataFrame列的相关性:
correlation = SP500BTC.corr()
print(correlation)
###Result:
BTC     sp500
BTC    1.000000  0.834106
sp500  0.834106  1.000000
如何解释BTC与标普500指数之间的相关性?
相关矩阵的值范围从-1到1。接近+1意味着两个变量在同一方向上紧密地移动。值为0表示变量之间没有关系。负相关表明变量向不同方向移动。越接近-1,逆关系越强。
通过研究我们的结果,我们发现比特币价格与标准普尔500指数之间存在0.83的强正相关关系。这意味着,当股市价格上涨时,我们可以预期比特币也会跟风上涨。
from statsmodels import api as sm
import matplotlib.pyplot as plt
sm.graphics.plot_corr(correlation,xnames=list(correlation.columns))
plt.show()

使用python编写分析股票市场与比特币价格关系

图的红色意味着这种关系是强而正的。我们还可以使用linregression和scipy.stats检查这种关系是否具有统计学意义:
#statistically significant?
from scipy.stats import linregress
linregress(SP500BTC[‘sp500’],SP500BTC[‘BTC’])
#H0: BTC and Stock prices are not related
#Results:
LinregressResult(slope=8.956910705798713, intercept=-18068.59091142212,
 rvalue=0.8341059841835341, pvalue=0.0, stderr=0.1673358700767462)
因为我们的p值小于0.05,所以我们可以拒绝H0,因此,我们可以从统计学上说比特币和股票价格一起移动。
收尾
使用Python和Pandas,我们分析了股市与比特币价格之间的关系。根据我们的分析结果,可以说BTC和S&P500的价格朝着同一方向移动。
知道这种关系在衰退的经济周期中是否也很有趣。为了进行这种分析,我们可能需要等待一段时间,因为在过去的几年中,我们一直生活在扩张型经济中。
请参阅下面的完整脚本:
import pandas as pd
pd.core.common.is_list_like = pd.api.types.is_list_like
import pandas_datareader.data as web
import datetime
start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2020, 2, 10)
SP500 = web.DataReader([‘sp500’], ‘fred’, start, end)
import requests
BTCUSD = requests.get(‘https://financialmodelingprep.com/api/v3/historical-price-full/crypto/BTCUSD’)
BTCUSD = BTCUSD.json()
BTCUSD = BTCUSD[‘historical’]
BTC = pd.DataFrame.from_dict(BTCUSD)
BTC.set_index(‘date’,inplace=True)
BTC = BTC[[‘close’]]
BTC.columns = [‘BTC’]
SP500BTC = BTC.merge(SP500,how=’inner’,right_index = True, 
left_index=True)
SP500BTC.dropna(inplace=True)
correlation = SP500BTC.corr()
print(correlation)
from statsmodels import api as sm
import matplotlib.pyplot as plt
sm.graphics.plot_corr(correlation,xnames=list(correlation.columns))
plt.show()
#statistically significant?
from scipy.stats import linregress
linregress(SP500BTC[‘sp500’],SP500BTC[‘BTC’])

根据国家《关于防范代币发行融资风险的公告》,大家应警惕代币发行融资与交易的风险隐患。

本文来自LIANYI转载,不代表链一财经立场,转载请联系原作者。

发表评论

登录后才能评论