LoginSignup
1
6

More than 1 year has passed since last update.

@royal_straight_flush

日経平均株価/個別銘柄の移動平均と出来高を可視化

Last updated at Posted at 2022-10-10

Todo

株価を取得し、分析用データとしてグラフで表示する

  • 日経平均株価をライブラリでダウンロード
  • 単純移動平均を計算
  • 移動平均・出来高（株取引量）をグラフ化
  • 個別銘柄のデータ取得

用語

  • ライブラリ
    • 幾つかのパッケージをまとめたもの
  • パッケージ
    • 複数のモジュールをまとめたもの
  • モジュール
    • 関数やクラスなどをひとつのPythonファイルにまとめたもの
    • Python のファイル＝「.py」ファイルのこと

Pythonで開発する上で使用される代表的なライブラリ

前提

JupyterLabをインストールしておく（目安：5分）

1. JupyterLabを起動

$ jupyter lab

2. ライブラリのインストール

pandas_datareaderをインストール

!pip install pandas_datareader

スクリーンショット 2022-10-10 19.21.30.png

pandas_datareaderを使用すると、日経平均やナスダック、日本の個別銘柄のデータを取得できる

import

# 日経平均やNASDAQ、個別銘柄の株価データを取得できるライブラリ
from pandas_datareader import data
import pandas as pd
# matplotlibのpyplotモジュールを使用
import matplotlib.pyplot as plt
# JupyterLab上で作成したグラフを表示
%matplotlib inline
import warnings
# すべての警告を表示させない
warnings.simplefilter('ignore')

3. 日経平均のデータを取得し線グラフとして可視化

start = '2021-10-01'
end = '2022-10-01'

# data.DataReader('取得したいティッカーシンボル', 'データソースの名前', '取得したい期間の開始日付', '終了日付')
df = data.DataReader('^N225', 'yahoo', start, end)

最初の10件を表示

df.head(10)

スクリーンショット 2022-10-10 20.37.37.png

  • High：高値
  • Low：安値
  • Open：始値
  • Close：終値
  • Volume：出来高（株取引された量） ←「出来高は株価に先行する」とも言われている
  • Adj Close：調整後の終値 ←分析に使用

indexの中身を確認

スクリーンショット 2022-10-10 20.37.46.png

  • DatetimeIndex
    • 時系列データとして扱うことができる
    • matplotlibでの可視化の際にも便利

matplotlibで可視化

date = df.index
price = df['Adj Close']

# figsize = (表示する横のサイズ, 縦のサイズ)
plt.figure(figsize=(30, 10))
# plot(X軸, Y軸, label='凡例名')
plt.plot(date, price, label='Adj Close')
# グラフのタイトル
plt.title('N225', color='blue', backgroundcolor='white', size=35, loc='center')
# X軸とY軸の名前
plt.xlabel('Date', color='black', size=30)
plt.ylabel('Price', color='black', size=30)
# 凡例を表示させる
plt.legend()

スクリーンショット 2022-10-10 21.59.46.png

4. 単純移動平均を線グラフで可視化

  • 移動平均・・・過去〇〇日分の平均
    • pandasのrollingメソッドを用いる
    • meanメソッドで平均を算出
    • meanではなくmaxにするとその区間の最大値、minにすればその区間の最小値を取得できる
# 過去5日、25日、50日の移動平均を算出する為に定義
span01 = 5
span02 = 25
span03 = 50

# 移動平均を算出
# smaは単純移動平均の略称
df['sma01'] = price.rolling(window=span01).mean()
df['sma02'] = price.rolling(window=span02).mean()
df['sma03'] = price.rolling(window=span03).mean()

最初の100件を表示

# 行を省略して表示させないようにする
pd.set_option('display.max_rows', None)
df.head(100)

スクリーンショット 2022-10-10 20.54.19.png

sma01は過去5日間の平均なので4日目までNaNと表示されているのはOK。
同様にsma02は過去25日間の平均、sma03は過去50日の平均。

移動平均を線グラフで表示

plt.figure(figsize=(30, 10))

plt.plot(date, price, label='Adj Close', color='#99b898')

# 追加
plt.plot(date, df['sma01'], label='sma01', color='#e84a5f')
plt.plot(date, df['sma02'], label='sma02', color='#ff847c')
plt.plot(date, df['sma03'], label='sma03', color='#feceab')

plt.title('N225', color='white', backgroundcolor='grey', size=35, loc='center')
plt.xlabel('Date', color='black', size=30)
plt.ylabel('Price', color='black', size=30)
plt.legend()

スクリーンショット 2022-10-10 22.01.39.png

いつ売り、いつ買えばよかったかを検討する（データ分析）

株や為替において使われる分析方法

  • ゴールデンクロス
    • 「短期の移動平均線」が「中期以上の移動平均線」を下から上に抜けること
      • 価格が上昇しているサイン
  • デッドクロス
    • 「短期の移動平均線」が「中期以上の移動平均線」を上から下に抜けること
      • 価格が下降しているサイン

今回作成した表のsma01とsma03の交差している箇所を見ると分かりやすい

5. 出来高を棒グラフで表示

株式相場の世界には「出来高は株価に先行する」という格言がある

plt.figure(figsize=(30, 15))
# グラフ領域を二分割する
# plt.subplot(縦方向を分割する数, 横方向に分割する数, グラフを配置する位置を示すindex)
plt.subplot(2,1,1)

# 線グラフ(単純移動平均)
plt.plot(date, price, label='Adj Close', color='#99b898')
plt.plot(date, df['sma01'], label='sma01', color='#e84a5f')
plt.plot(date, df['sma02'], label='sma02', color='#ff847c')
plt.plot(date, df['sma03'], label='sma03', color='#feceab')
plt.legend()

# 棒グラフ(出来高)
plt.subplot(2,1,2)
plt.bar(date, df['Volume'], label='Volume', color='gray')
plt.legend()

スクリーンショット 2022-10-10 22.03.14.png

おさらい

日本企業の個別銘柄の株のデータ取得

例

  • 銘柄名 (会社名)で検索
    • 今回はANAホールディングス
    • 検索結果の証券コードを使ってデータ取得を行う

スクリーンショット 2022-10-10 21.41.09.png

以下、JupyterLabでセルを順に実行

1. pandas_datareaderをインストール

!pip install pandas_datareader

2. import

# 日経平均やNASDAQ、個別銘柄の株価データを取得できるライブラリ
from pandas_datareader import data
import pandas as pd
# matplotlibのpyplotモジュールを使用
import matplotlib.pyplot as plt
# JupyterLab上で作成したグラフを表示
%matplotlib inline
import warnings
# すべての警告を表示させない
warnings.simplefilter('ignore')

3. 共通処理を関数化

def company_stock(start_date, end_date, company_code):

    # data.DataReader('証券コード', 'データソース')
    df = data.DataReader(company_code, 'stooq')
    # 日付を絞る
    df = df[(df.index>=start_date) & (df.index<=end_date)]

    date = df.index
    price = df['Close']

    # 過去5日、25日、50日の移動平均を算出する為に定義
    span01 = 5
    span02 = 25
    span03 = 50

    # 移動平均を算出
    # smaは単純移動平均の略称
    df['sma01'] = price.rolling(window=span01).mean()
    df['sma02'] = price.rolling(window=span02).mean()
    df['sma03'] = price.rolling(window=span03).mean()

    plt.figure(figsize=(20, 10))

    # グラフ領域を二分割する
    # plt.subplot(縦方向を分割する数,横方向に分割する数,グラフを配置する位置を示すindex)
    plt.subplot(2,1,1)
    
    # 線グラフ(単純移動平均)
    plt.plot(date, price, label='Close', color='#99b898')
    plt.plot(date, df['sma01'], label='sma01', color='#e84a5f')
    plt.plot(date, df['sma02'], label='sma02', color='#ff847c')
    plt.plot(date, df['sma03'], label='sma03', color='#feceab')
    plt.legend()

    # 棒グラフ(出来高)
    plt.subplot(2,1,2)
    plt.bar(date, df['Volume'], label='Volume', color='gray')
    plt.legend()

4. 実行

start_date = '2022-01-01'
end_date = '2022-10-01'

# ANAホールディングス
company_code = '9202.jp'

company_stock(start_date, end_date, company_code)

スクリーンショット 2022-10-10 22.33.20.png

調べたい期間や証券コードが変わっても引数の値を変えるだけで表示可能に

NEXT

1
6
0

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
Sign upLogin
1
6