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

pandas（パンダス）
- データ解析を支援する機能を提供するライブラリ
- 一次元のデータを扱う時：Series
- 二次元のデータを扱う時：DataFrame
numpy（ナムパイ）
- 数値計算ライブラリ
matplotlib（マット•プロット•リブ）
- グラフ描画ライブラリ

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

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)

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

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()

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)

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()

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()

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

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)

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