流行股票指数 | 易学教程

什么是股票指数

股票价格指数为度量和反映股票市场总体价格水平及其变动趋势而编制的股价统计相对数。通常是报告期的股票平均价格或股票市值与选定的基期股票平均价格或股票市值相比，并将两者的比值乘以基期的指数值，即为该报告期的股票价格指数。当股票价格指数上升时，表明股票的平均价格水平上涨；当股票价格指数下跌时，表明股票的平均价格水平下降；是灵敏反映市场所在国（或地区）社会、政治、经济变化状况的晴雨表

有名的股票指数

美国

标准普尔500指数（500家最大的上市公司）
道琼斯工业平均指数（30支在美国市场交易的大型公共股票股价的平均值，但是不能代表美国股市）
纳斯达克指数（指一些在纳斯达克证券交易上市的证券组成的指数，代表了科技股的收益率）

外国

英国富时100指数
德国的DAX
日本的日经255指数
中国的上证综合指数
摩根士丹利资本国际（MSCI）

代码

在这里插入图片描述

外国

import numpy as np
from pandas_datareader import data as wb
import matplotlib.pyplot as plt 
import pandas as pd
%matplotlib inline

这里出现小插曲，想读取英国富时100指数^FTSE读取不到

tickers = ['^GSPC','^IXIC','^GDAXI']
ind_data = pd.DataFrame()
for t in tickers:
    ind_data[t] = wb.DataReader(t,data_source='iex',start='1997-1-1')['Adj Close']

ind_data.head()

	^GSPC	^IXIC	^GDAXI
Date
1996-12-31	740.739990	1291.030029	NaN
1997-01-02	737.010010	1280.699951	2820.810059
1997-01-03	748.030029	1310.680054	2863.260010
1997-01-06	747.650024	1316.400024	2890.199951
1997-01-07	753.229980	1327.729980	2876.340088

ind_data.tail()

	^GSPC	^IXIC	^GDAXI
Date
2019-05-06	2932.469971	8123.290039	12286.879883
2019-05-07	2884.050049	7963.759766	12092.740234
2019-05-08	2879.419922	7943.319824	12179.929688
2019-05-09	2870.719971	7910.589844	11973.919922
2019-05-10	2881.399902	7916.939941	12059.830078

(ind_data/ind_data.iloc[0]*100).plot(figsize=(15,6))

<matplotlib.axes._subplots.AxesSubplot at 0x220c2a8fa90>

在这里插入图片描述

wb.DataReader('^GSPC',data_source='yahoo',start='1997-1-1').head()

	High	Low	Open	Close	Volume	Adj Close
Date
1996-12-31	753.950012	740.739990	753.849976	740.739990	399760000	740.739990
1997-01-02	742.809998	729.549988	740.739990	737.010010	463230000	737.010010
1997-01-03	748.239990	737.010010	737.010010	748.030029	452970000	748.030029
1997-01-06	753.309998	743.820007	748.030029	747.650024	531350000	747.650024
1997-01-07	753.260010	742.179993	747.650024	753.229980	538220000	753.229980

ind_returns = (ind_data/ind_data.shift(1))-1
ind_returns.head()

	^GSPC	^IXIC	^GDAXI
Date
1996-12-31	NaN	NaN	NaN
1997-01-02	-0.005035	-0.008001	NaN
1997-01-03	0.014952	0.023409	0.015049
1997-01-06	-0.000508	0.004364	0.009409
1997-01-07	0.007463	0.008607	-0.004795

annual_ind_returns = ind_returns.mean()*250
annual_ind_returns

^GSPC     0.078329
^IXIC     0.111502
^GDAXI    0.078216
dtype: float64

在这里插入图片描述

# 美国
tickers = ['PG','^GSPC','^DJI']
data_2 = pd.DataFrame()
for t in tickers:
    data_2[t] = wb.DataReader(t,data_source='yahoo',start='2001-1-1')['Adj Close']

data_2.tail()

	PG	^GSPC	^DJI
Date
2019-05-06	105.680000	2932.469971	26438.480469
2019-05-07	104.699997	2884.050049	25965.089844
2019-05-08	105.070000	2879.419922	25967.330078
2019-05-09	104.239998	2870.719971	25828.359375
2019-05-10	106.010002	2881.399902	25942.369141

(data_2/data_2.iloc[0]*100).plot(figsize=(15,6))

<matplotlib.axes._subplots.AxesSubplot at 0x220c3fb7400>

在这里插入图片描述

来源：CSDN

作者：毛利学python

链接：https://blog.csdn.net/weixin_44510615/article/details/90116280

标签

股票

美股