三十年股市两茫茫，不思量，自难忘
隱藏或顯示代碼¶
In [142]:
%%HTML
<button onclick="$('.input, .prompt, .output_stderr, .output_error, .output_result').toggle();">点我隐藏或显示代码</button>
最好投资股票的方法是买指数基金 -- 巴菲特¶
1993年｜致股东的信¶
“通过定期投资指数基金，一个什么都不懂的投资者通常都能打败大部分的专业基金经理。”
1996年｜致股东的信¶
“如果让我提供一点心得给各位参考，我认为，大部分的投资者，不管是机构投资者还是个人投资者，投资股票最好的方式是直接去买手续费低廉的指数型基金，而且这样做的收益（在扣除相关费用后），应该可以轻易地击败市场上大部分的投资专家。”
1999年｜巴菲特书评¶
《共同基金常识》：“要想获得最大可能的市场收益率，就必须降低买入和持有基金的成本，而投资者要做的，就是买入运行成本低、没有或很少有佣金的基金，尤其是低成本的指数基金，然后持有尽可能长的时间。” 巴菲特对该书给予的评价：“令人信服，非常中肯且切中时弊，这是每个投资者必读的书籍。”
2003年｜致股东的信¶
“那些收费非常低廉的指数基金，在产品设计上是非常适合投资者的，对于大多数想要投资股票的人来说，收费很低的指数基金是最理想的选择。”
2004年｜致股东的信¶
“过去35年来，美国企业创造了优异的业绩，按理说股票投资者也应该相应取得优异的收益，只要大家以分散且低成本的方式投资所有美国企业即可分享其优异业绩，通过投资指数基金就可以做到，但绝大多数投资者很少投资指数基金，结果他们投资股票的业绩大多只是平平而已，甚至亏得惨不忍睹。我认为主要有三个原因：第一，成本太高，投资者买入卖出过于频繁，或者费用支出过大；第二，投资决策是根据小道消息或市场潮流，而不是根据深思熟虑并且量化分析上市公司；第三，盲目追涨杀跌，在错误的时间进入或退出股市。”
2007年｜CNBC电视采访¶
“对于绝大多数没有时间研究上市公司基本面的中小投资者来说，成本低廉的指数基金是他们投资股市的最佳选择。” “如果你坚持长期持续定期买入指数基金，你可能不会买在最低点，但你同样也不会买在最高点。”
2008年｜伯克希尔股东大会¶
Tim Ferriss提问：“如果你只有30岁，没有其他经济依靠，只能靠一份全日制工作谋生，没有办法每天进行投资，假设你已经有些储蓄足够你一年半的生活开支，那么你攒的第一个100万将会如何投资？” 巴菲特回答：“我会把所有的钱都投资到一个低成本的跟踪标准普尔500指数的指数基金，然后继续努力工作……”
2008年｜巴菲特百万美元大赌指数基金¶
巴菲特个人和主要投资于对冲基金的普罗蒂杰公司立下一个十年慈善赌局，2008年至2017年长期投资一只标准普尔500指数基金的收益将会跑赢普罗蒂杰公司精心选择的5只对冲基金组合，赌金为100万美元。2015年，Ted Seides基金宣布提前认输，巴菲特提前胜利。
2014年｜致股东的信¶
“我对信托公司的要求非常简单：持有10%的现金购买短期政府债券，另外90%配置在低费率的标普500指数基金上。我相信遵守这个策略，信托的长期业绩会战胜大多数聘请了高费率管理人的投资者——无论是养老金、机构还是个人。”
2015年｜致股东的信¶
“6年前（2009年）有权威人士警告股价会下跌，建议你投资‘安全’的国债或者银行存单。如果你真的听了这些劝告，那么现在只有微薄的回报，如果你当时买了一些低成本的指数基金，现在的回报能保证有不错的生活（标普500指数6年前约700点，现在约2100点）。
2018年｜腐朽的资本主义国家的投资人的话¶
未必适合中国国情, please go on ...
配置环境¶
导入依赖包¶
In [143]:
import psycopg2
import numpy as np
from pandas import Series, DataFrame
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.dates import DayLocator, HourLocator, DateFormatter, drange, MonthLocator, YearLocator
from matplotlib import ticker
import datetime as dt
import matplotlib
from pylab import *
from matplotlib.font_manager import *
forcn = FontProperties(fname='/usr/share/fonts/truetype/arphic/ukai.ttc', size=14)
matplotlib.rcParams['axes.unicode_minus'] = False
配置字典¶
In [144]:
index_dict = {
'000001': '上证指数'
, '000002': 'Ａ股指数'
, '000003': 'Ｂ股指数'
, '000016': '上证50'
, '000300': '沪深300'
, '399001': '深证成指'
, '399002': '深成指R'
, '399003': '成份Ｂ指'
, '399006': '创业板指'
, '399102': '创业板综'
, '399106': '深证综指'
}
连接数据库¶
In [145]:
conn = psycopg2.connect(database="demo", user="demo", password="demo", host="www.jasper.wang", port="1234")
cur = conn.cursor()
单独指数浏览¶
初步查看数据¶
In [146]:
sql1 = '''SELECT * FROM public.v_si_index where checkor is not null order by index_date;'''
data = pd.read_sql(sql1, conn,)
conn.commit()
df = DataFrame(data)
datas=df.head(1)
print(datas)
000001 上证综指¶
In [147]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 3:4]
Pamount=df.iloc[0:, 4:5]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[3][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 3].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 4].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 860000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
000002 A股指数¶
In [148]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 5:6]
Pamount=df.iloc[0:, 6:7]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[5][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 5].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 6].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 860000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
000003 B股指数¶
In [149]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 7:8]
Pamount=df.iloc[0:, 8:9]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[7][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 7].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 8].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[5000][0], 7000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
000016 上证50¶
- 挑选A股市场中最具代表性的50只股票组成，俗称“超级大蓝筹指数”。
- 即上海证券市场规模大、流动性好的最具代表性的50只股票组成样本股，综合反映上海证券市场最具市场影响力的一批龙头企业的整体状况。
- 于2004年1月2日起正式发布，目标是建立一个成交活跃、规模较大、主要作为衍生金融工具基础的投资指数。
- 2018年5月最新上证50股票发布：
| 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|
| 浦发银行 (600000) | 民生银行 (600016) | 宝钢股份 (600019) | 中国石化 (600028) | 南方航空 (600029) |
| 中信证券 (600030) | 招商银行 (600036) | 保利地产 (600048) | 中国联通 (600050) | 上汽集团 (600104) |
| 北方稀土 (600111) | 万华化学 (600309) | 华夏幸福 (600340) | 康美药业 (600518) | 贵州茅台 (600519) |
| 山东黄金 (600547) | 绿地控股 (600606) | 海通证券 (600837) | 伊利股份 (600887) | 江苏银行 (600919) |
| 东方证券 (600958) | 招商证券 (600999) | 大秦铁路 (601006) | 中国神华 (601088) | 兴业银行 (601166) |
| 北京银行 (601169) | 中国铁建 (601186) | 国泰君安 (601211) | 上海银行 (601229) | 农业银行 (601288) |
| 中国平安 (601318) | 交通银行 (601328) | 新华保险 (601336) | 中国中铁 (601390) | 工商银行 (601398) |
| 中国太保 (601601) | 中国人寿 (601628) | 中国建筑 (601668) | 中国电建 (601669) | 华泰证券 (601688) |
| 中国中车 (601766) | 中国交建 (601800) | 光大银行 (601818) | 中国石油 (601857) | 浙商证券 (601878) |
| 中国银河 (601881) | 中国核电 (601985) | 中国银行 (601988) | 中国重工 (601989) | 洛阳钼业 (603993) |
In [150]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 9:10]
Pamount=df.iloc[0:, 10:11]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[9][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 9].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 10].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 300000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
000300 沪深300¶
- 由沪深证券交易所于2005年4月8日联合发布的反映沪深300指数（不同与上证，它也包括了深圳的蓝筹股）。
- 指数的选样方法是对样本空间股票在最近一年的日均成交金额由高到低排名，剔除排名后50%的股票，然后对剩余股票按照日均总市值由高到低进行排名，选取排名在前300名的股票作为样本股。
沪深300指数的市值覆盖率高、与上证180指数及深证100指数等现有市场指数相关性高、样本股集中了市场中大量优质股票，因此，可以成为反映沪深两个市场整体走势的“晴雨表”。
沪深300指数独有的特点:
- 在样本股范围上，沪深300指数的样本股选自于沪、深两市的A股股票，对于在两地（或多地）上市的公司，其总股本仅限于A股总股本，H股和B股不包括在内。
而上证综指的样本股范围为在上海证券交易所上市的所有股票，包括A股和B股。
在权重计算上，沪深300指数采用以自由流通股本加权法，不存在流通市值与总市值之间的杠杆效应；
- 而上证指数采用总股本加权法，实际的流通市值与总市值之间存在一定的杠杆效应。（即沪深300以流通市值为准，不考虑总体市值）
In [151]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 11:12]
Pamount=df.iloc[0:, 12:13]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[11][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 11].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 12].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 600000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
399001 深证成指¶
In [152]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 13:14]
Pamount=df.iloc[0:, 14:15]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[13][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 13].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 14].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 400000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
399002 深成指R¶
In [153]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 15:16]
Pamount=df.iloc[0:, 16:17]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[15][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 15].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 16].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 350000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
399003 成份Ｂ指¶
In [154]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 17:18]
Pamount=df.iloc[0:, 18:19]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[17][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 17].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 18].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[5000][0], 4000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
399006 创业板指¶
In [155]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 19:20]
Pamount=df.iloc[0:, 20:21]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[19][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 19].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 20].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 60000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
399102 创业板综¶
- 2010 年 8 月 20 日，创业板综（399102）正式发布
- 上证综指、深圳综指一样，以所有创业板股票自由流通股数为权重，采取派氏加权法编制。
- 派许加权，又称派许加权指数(Paasche Index)，采用计算期发行量或成交量作为权数。标准普尔指数也采用該方法。
In [156]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 21:22]
Pamount=df.iloc[0:, 22:23]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[21][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 21].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 22].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.text(Xdate.iloc[3600][0], 88000000000, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
399106 深证综指¶
In [157]:
Xdate=df.iloc[0:, 0:1]
Pclose=df.iloc[0:, 23:24]
Pamount=df.iloc[0:, 24:25]
titlelist = df.columns.values.tolist()
for k, v in index_dict.items():
if titlelist[23][-6:] == k:
label = v
figure(figsize=(16,8), dpi=80)
ax1=plt.subplot(211)
l1,=plt.plot(Xdate, Pclose, 'b-', lw=0.5, label=label+'收盘价')
plt.setp(ax1.get_xticklabels(), fontsize=14)
plt.setp(ax1.get_yticklabels(), fontsize=14)
ax1 = gca()
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax1.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax1.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax1.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax1.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax1.legend(handles=[l1, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pclose.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 23].tolist()[0]
mt = str(md)+', '+str(mv)
ax1.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
ax2=plt.subplot(212, sharex=ax1)
l2,=plt.plot(Xdate, Pamount, 'r-', lw=0.5, label=label+'成交额')
plt.setp(ax2.get_xticklabels(), fontsize=14)
plt.setp(ax2.get_yticklabels(), fontsize=14)
ax2 = gca()
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.grid(which = 'both' , color='k', linestyle='--', linewidth=0.3)
ax2.xaxis.set_major_locator(ticker.MultipleLocator(730))
ax2.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax2.xaxis.set_major_formatter(DateFormatter('%Y%m'))
ax2.set_xlim(Xdate.iloc[0][0]-relativedelta(months=+6), Xdate.iloc[-1][0]+relativedelta(years=+1))
ax2.legend(handles=[l2, ], loc = 2, frameon=False, prop=forcn)
max_pc = Pamount.idxmax()
md = df.iloc[max_pc, 0].tolist()[0]
mv = df.iloc[max_pc, 24].tolist()[0]
mt = str(md)+', '+str(mv)
ax2.annotate(
mt, fontproperties=forcn
, xy=(md, mv)
, xycoords='data'
, xytext=(-240, -16)
, textcoords='offset points'
, fontsize=16
, arrowprops=dict(
facecolor='black'
, shrink=0.005
, width=2
, headlength=5
, headwidth=8
)
)
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
plt.show()
混合指数浏览¶
In [158]:
from matplotlib.dates import DayLocator, HourLocator, DateFormatter, drange, MonthLocator, YearLocator
from matplotlib import ticker
import datetime as dt
初步查看数据¶
In [159]:
sql2 = '''
SELECT index_date, pclose_000001, pclose_000016, pclose_000300, pclose_399001, pclose_399002, pclose_399006, pclose_399102, pclose_399106
FROM public.v_si_index_percentage
order by index_date;
'''
datap = pd.read_sql(sql2, conn,)
conn.commit()
dfp = DataFrame(datap)
dataps=dfp.head(1)
print(dataps)
各項股指對比分析(定比,以2010年8月20日股指爲基數計算增長率)¶
In [160]:
dindex= dfp.iloc[0:, 0:1]
tx = dindex.iloc[-1][0]
# dfirstday= dfp.iloc[0:1, 1:2]
dp000001 = [dfp.iloc[i, 1:2]/dfp.iloc[0, 1:2]-1 for i in range(0, len(dfp))]
dp000016 = [dfp.iloc[i, 2:3]/dfp.iloc[0, 2:3]-1 for i in range(0, len(dfp))]
dp000300 = [dfp.iloc[i, 3:4]/dfp.iloc[0, 3:4]-1 for i in range(0, len(dfp))]
dp399001 = [dfp.iloc[i, 4:5]/dfp.iloc[0, 4:5]-1 for i in range(0, len(dfp))]
dp399002 = [dfp.iloc[i, 5:6]/dfp.iloc[0, 5:6]-1 for i in range(0, len(dfp))]
dp399006 = [dfp.iloc[i, 6:7]/dfp.iloc[0, 6:7]-1 for i in range(0, len(dfp))]
dp399102 = [dfp.iloc[i, 7:8]/dfp.iloc[0, 7:8]-1 for i in range(0, len(dfp))]
dp399106 = [dfp.iloc[i, 8:9]/dfp.iloc[0, 8:9]-1 for i in range(0, len(dfp))]
ty000001=dp000001[-1].apply(str)[0][0:6]
ty000016=dp000016[-1].apply(str)[0][0:6]
ty000300=dp000300[-1].apply(str)[0][0:6]
ty399001=dp399001[-1].apply(str)[0][0:6]
ty399002=dp399002[-1].apply(str)[0][0:6]
ty399006=dp399006[-1].apply(str)[0][0:6]
ty399102=dp399102[-1].apply(str)[0][0:6]
ty399106=dp399106[-1].apply(str)[0][0:6]
figure(figsize=(16,16), dpi=80)
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.grid(True)
plot(dindex, dp000001, 'b-', lw=0.5)
plot(dindex, dp000016, 'c-', lw=0.5)
plot(dindex, dp000300, 'm-', lw=0.5)
plot(dindex, dp399001, 'y-', lw=0.5)
plot(dindex, dp399002, 'k-', lw=0.5)
plot(dindex, dp399006, 'g-', lw=0.5)
plot(dindex, dp399102, 'r-', lw=0.5)
plot(dindex, dp399106, 'b-', lw=0.5)
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.grid(which = 'both' , color='b', linestyle='--', linewidth=1)
ax.set_xlim(dindex.iloc[0][0], dindex.iloc[-1][0])
ax.xaxis.set_major_locator(ticker.MultipleLocator(365))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(365))
ax.xaxis.set_major_formatter(DateFormatter('%Y-%m-%d'))
ax.yaxis.set_major_locator(ticker.MultipleLocator(0.2))
ax.yaxis.set_minor_locator(ticker.MultipleLocator(0.1))
ax.tick_params(
which= 'major'
, axis='both'
, direction='out'
, length=3
, width=1
, colors='b'
, grid_color='b'
, grid_alpha=0.5
, pad = 5
, labelsize = 13
, labeltop = False
, top = False
, labelright = False
, right = False
)
ax.tick_params(
which= 'minor'
, axis='both'
, direction='out'
, length=3
, width=1
, colors='r'
, grid_color='g'
, grid_alpha=0.2
, pad = 1
, labeltop = False
, top = False
, labelright = False
, right = False
)
titlelist = dfp.columns.values.tolist()
l_tt = []
for i in titlelist[1:9]:
for k, v in index_dict.items():
if i[-6:] == k:
tt = '-->'+v
l_tt.append(tt)
plt.text(tx, dp000001[-1], l_tt[0]+'|'+ty000001, fontproperties=forcn, fontsize=14)
plt.text(tx, dp000016[-1], l_tt[1]+'|'+ty000016, fontproperties=forcn, fontsize=14)
plt.text(tx, dp000300[-1], l_tt[2]+'|'+ty000300, fontproperties=forcn, fontsize=14)
plt.text(tx, dp399001[-1], l_tt[3]+'|'+ty399001, fontproperties=forcn, fontsize=14)
plt.text(tx, dp399002[-1], l_tt[4]+'|'+ty399002, fontproperties=forcn, fontsize=14)
plt.text(tx, dp399006[-1], l_tt[5]+'|'+ty399006, fontproperties=forcn, fontsize=14)
plt.text(tx, dp399102[-1], l_tt[6]+'|'+ty399102, fontproperties=forcn, fontsize=14)
plt.text(tx, dp399106[-1], l_tt[7]+'|'+ty399106, fontproperties=forcn, fontsize=14)
plt.text(dindex.iloc[600][0], 2, '我们制作图表时遇到的最大瓶颈\n与共享单车当初发展中遇到的瓶颈一模一样\n那就是:颜色不够用', ha='center', fontproperties=forcn, fontsize=20, color='blue')
plt.text(dindex.iloc[600][0], 1, 'www.jasper.wang\nwelcome', style='oblique', ha='center', fontsize=20, color='blue')
plt.show()
股票指数大体上可以分为两类:
一类是综合指数，囊括了某一板块的全部个股；
另一类是成分指数，由综合指数中优选出来的个股构成。
- 创业板综(399102)，是综合指数，包括创业板上市的所有股票，目前 722 只。
- 创业板指(399006)，是成分指数，由流通市值最大、成交最活跃的 100 只创业板个股组成。
沪市
- 上证综指（000001）是综合指数，由上交所挂牌上市的全部 1454 只股票组成
- 上证 180 指数（000010）是成分指数，成分股是 180 只上交所上市股票
- 上证 50 指数（000016）也是成分指数，成分股是 50 只上交所上市股票
深市
- 深证综指（399106）是综合指数，包含了深交所挂牌上市的全部 2139 只股票
- 深证成指（399001）是成分指数，成分股是 500 只深交所上市股票
- 深证 100 指数（399004）也是成分指数，成分股是 100 只深交所上市股票
股指簡述¶
创业板综指(399102)为什么比创业板成指(399006)涨幅大？
- 创业板综合指数的编制方法 上证综指、深圳综指一样，以所有创业板股票自由流通股数为权重,采取派氏加权法编制。
上述自由流通股，是指扣除受限流通股份后的股本，相当于是流通股本。
創業板指的指數選樣以樣本股的“流通市值市場占比”和“成交金額市場占比”兩個指標為主要依據，體現深市流通市值比例高、成交活躍等特點
- 指數計算以樣本股的“自由流通股本”的“精確值”為權數，消除了因股份結構而產生的杠桿效應，使指數表現更靈敏、準確、真實
指數樣本股調整每季度進行一次，以反映創業板市場快速成長的特點
新股發行從第二天开始计算指数，一般新股从第二天起基本上都是“一”字涨停，几天后股价与第一天收盘价几乎都有翻番，使得综指上涨
- 而创业板成指老股股本體量大，新股即便入選成分股且涨幅巨大，但是权重太小，所以对创业板成指数影响就小很多
