59
54

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

【データ分析】米国自動車株の解析をしてみる

Last updated at Posted at 2016-08-29

こんにちは。
林@アイエンターです。

前回のブログでは、Pythonのデータ解析ライブラリの「scikit-learn」での回帰分析をご紹介しました。

その際に、AnacondaというPythonパッケージをインストールしたわけですが、
今回はその中のPandasや、データ可視化用にSeabornを導入し、米国自動車株の解析を行ってみます。

株価データの読み込み

まずは、jupyter notebookで解析をしていく際の基本ライブラリをインポートします。
shot1.png

時間を扱うため、datetimeモジュールと、外部からのデータ読み込みのため
DataReaderを使用できるように準備します。
shot2.png

たとえば、「ゼネラルモーターズ」の過去1年分のデータをYahooサイトから読み込む処理を書いてみます。
ちなみに、ゼネラルモーターズの銘柄コードは「GM」になります。
shot3.png

では、データの上位5件を表示してみましょう。
shot4_.png

カラムのそれぞれの意味は以下のとおりです。

  • Open:始値
  • High:高値
  • Low:安値
  • Close:終値
  • Volume:出来高(1日に取引が成立した株の数)
  • Adj Close:調整後終値(調整後終値とは

株価データの推移の可視化

終値の推移をグラフで確認してみます。
終値は「Adj Close」の調整後の終値の方を用います。
shot5_.png

株価の投資リスクの指標として、日ごとの変動推移がポイントとなります。
例えばSeriesのpct_change関数を用いると変動推移が計算できます。
shot6.png

企業間の株価相関比較

さきほどは、ゼネラルモーターズの株価にフォーカスして解析を行いました。
次は同業企業間での株価の相関を見ていきます。

相関を可視化するために「Seaborn」を導入します。
コマンドラインでは以下のコマンド入力でインストール可能です。
pip install seaborn

モジュールのインポートを行います。
shot7.png

今回、自動車メーカーとして以下の5社の相関を見ていきます。

  • ゼネラルモーターズ(銘柄コード「GM」)
  • フォードモーター(銘柄コード「F」)
  • トヨタ(銘柄コード「TM」)
  • ホンダ(銘柄コード「HMC」)
  • テスラモーターズ(銘柄コード「TSLA」)

上記5社の終値のデータを取得します。
shot8.png

これらの企業の終値のデータで、日ごとの変動推移のデータを計算します。
shot9_.png

試しにプロットしてみます。
shot10.png

ちょっと関係性が良く分からないですよね。。。

ここでSeabornのpairplot関数を用いて可視化してみます。
shot11.png

グラフでの相関の高さについては、直線上に点が密集している程、相関が高いと
イメージしてもらえればと思います。
(参考:相関係数

そのような観点で見ると、
「GM(ゼネラルモーターズ)」と「F(フォードモーター)」の米国企業ペア、
「TM(トヨタ)」と「HMC(ホンダ)」の日本国企業ペアが
相関が比較的高いことがイメージできるかと思います。

また、逆に「TSLA(テスラモーターズ)」のような後発の電気自動車企業は
他企業と相関は薄いこともイメージできるかと思います。

さらに、相関が分かりやすくSeabornのheatmapを使ってみます。
shot12.png
各企業間のデータの相関係数値を色の濃さで表現してます。
より視覚的に分かりやすい形になりました。

今回のお話はここまで!

59
54
1

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
59
54

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?