[PYTHON] An welchem Tag kaufst du Geld?

Welcher Tag ist die beste Zeit, um Geld zu kaufen?

Die Wertpapierfirma handelt mit reinem Gold (ETF), und der Markencode 1540 beträgt nur etwa 6000 Yen pro Artikel. Es gibt eine sogenannte "Methode zur Mittelung der Dollarkosten", bei der diese Aktien durch Diversifizierung im Laufe der Zeit gekauft werden, anstatt sie alle auf einmal zu kaufen. Einige Leute sparen täglich, während andere wöchentlich oder monatlich sparen. Hier konzentrieren wir uns auf wöchentliche Daten und untersuchen, welcher Tag der beste ist.

Es liegt jedoch an Ihnen, die Entscheidung zu treffen. In diesem Artikel geht es nicht um Investitionen, sondern darum, wie der Autor mit wöchentlichen Daten umgehen kann. Vergessen Sie auch hier nicht, dass das Investieren auf eigenes Risiko erfolgt.

Vorverarbeitung

Bereiten wir die Daten vor. In meinem Fall habe ich Daten im Wert von 160 Tagen erhalten und mithilfe von Ersatz arrangiert. Da ich mehr Tage wollte, importierte ich es einmal in Excel, fügte mithilfe einer Funktion eine Tagesspalte hinzu und erstellte die folgenden CSV-Daten "junkin.csv".

Tag,Datum (und Uhrzeit,Offener Preis,Hoher Preis,Niedriger Preis,Schlusskurs,Volumen,調整後Schlusskurs*
2020-1-6,5220,5260,5200,5250,135951,5250
Wie unten, in aufsteigender Reihenfolge nach Datum angeordnet

Datenerfassung

CSV-Daten importieren. Einige Importe sind nicht erforderlich

import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import datasets
plt.style.use('ggplot') #Magie
junkin = pd.read_csv("junkin.csv") #CSV-Daten lesen
junkin.head() #Schauen Sie sich die Übersicht an

Sie können hier überspringen, da Sie es später nicht mehr verwenden werden. Überprüfen Sie die Anzahl der Zeilen und geben Sie ein. Es ist ersichtlich, dass Datum und Uhrzeit tatsächlich Zeichentyp sowie 160 Tage waren. Fügen Sie vorerst eine Spalte hinzu, die in den Datums- und Uhrzeittyp konvertiert wurde.

n = len(junkin)
n

junkin['date'] = pd.to_datetime(junkin['Datum (und Uhrzeit'], format='%Y/%m/%d')
junkin.dtypes

Im Vergleich zum Vortag, dh dem Schlusskurs am aktuellen Tag, wird der Schlusskurs am Vortag berechnet und als Spalte angegeben. Überprüfen Sie die 3 Zeilen des Kopfes mit .head (3).

junkin['Der Tag vor Verhältnis'] = junkin['Schlusskurs'].diff()
junkin.head(3)

Montagreihen extrahieren.

mon = junkin.query('Tag.str.endswith("Mond")', engine='python')
mon.head(3)

Werfen wir einen Blick auf die zusammenfassende Statistik vom Montag. Gleiches gilt von Dienstag bis Freitag.

mon.describe()

abschließend

Es liegt an Ihnen, die berechneten und ausgegebenen Zusammenfassungsstatistiken zu beurteilen. Würden Sie den Durchschnittswert vom Vortag vergleichen, um persönlich zu bestimmen, an welchem Tag Sie reines Gold kaufen? Sie können versuchen, die Datenmenge etwas weiter zu erhöhen.

Stichwort

・ CSV-Daten importieren ・ Umrechnung auf Datumstyp ・ Extraktion bestimmter Zeilen