Apskaičiuokite cointegration naudodami NsePy, Pandas biblioteką

5 patarimai imant vartojimo paskolą (Liepa 2019).

Anonim

Čia yra paprastas pavyzdys, kaip apskaičiuoti Cointegration tarp dviejų atsargų porų naudojant python bibliotekos kaip NSEpy, Pandas, statmodels, matplotlib

Kointegracija yra naudojama "Statistical Arbitrage", siekiant rasti geriausią porų atsargų (poros prekybą), kad būtų galima ilgai išeiti iš vienos akcijos ir trumpesnės ("konkurentų kolegai"), kuri generuoja pelną. Statistinis arbitražas (StatArb) - tai viskas apie vidinę grįžimą, ieškant nukrypimų tarpusavyje ir tikėtis vidinės pasikeitimo.

NSEpy - pateikia istorinius duomenis iš nseindia.com
Pandas - "Python" biblioteka tvarkyti laiko eilučių duomenis
Statmodels - "Python" biblioteka, skirta statistinėms operacijoms, tokioms kaip kointegracija, tvarkyti
"Matplotlib" - "Python" biblioteka, skirta 2D diagramų braižymui tvarkyti

Mes naudosime get_history NSEpy funkciją, norėdami gauti indekso duomenis iš nseindia. Tačiau norint gauti atsargų duomenis turite naudoti get_price_history. NSEpy bibliotekos tyrimas suteiktų jums platesnės informacijos apie tai, kaip pakartoti tas pačias atsargas. Tačiau NSEIndia duomenų problema yra tai, kad atsargų duomenys neskaičiuojami į padalijimą / premiją. Prieš analizuodami laiko eilučių duomenis, atliksite kitą pranešimą apie tai, kaip apdoroti duomenis apie padalijimą / bonusą.

Pavyzdys "IPython" nešiojamojo kompiuterio skaičiavimui žemiau:

Nuorodos

Kvantinė paskaita apie poros prekybą
"Python" biblioteka, norėdami gauti viešai prieinamų duomenų apie NSE tinklalapį - NSEpy