㈠ 怎麼用python計算股票
作為一個python新手，在學習中遇到很多問題，要善於運用各種方法。今天，在學習中，碰到了如何通過收盤價計算股票的漲跌幅。
第一種：
讀取數據並建立函數：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import spline
from pylab import *
import pandas as pd
from pandas import Series
a=pd.read_csv('d:///1.csv',sep=',')#文件位置
t=a['close']
def f(t):
s=[]
for i in range(1,len(t)):
if i==1:
continue
else:
s.append((t[i]-t[i-1])/t[i]*100)
print s
plot(s)
plt.show()
f(t)
第二種：
利用pandas裡面的方法：
import pandas as pd
a=pd.read_csv('d:///1.csv')
rets = a['close'].pct_change() * 100
print rets
第三種：
close=a['close']
rets=close/close.shift(1)-1
print rets
總結：python是一種非常好的編程語言，一般而言，我們可以運用構建相關函數來實現自己的思想，但是，眾所周知，python中裡面的有很多科學計算包，裡面有很多方法可以快速解決計算的需要，如上面提到的pandas中的pct_change()。因此在平時的使用中應當學會尋找更好的方法，提高運算速度。
㈡ 為什麼市場充分有效時，股價會呈現隨機遊走的變動情況
您好，這取決於你在怎樣的時間粒度去看待有效市場理論。
假設市場完全有效，價格也不是憑空從一個價格跳轉到另一個價格，盡管在一個粗時間粒度上看起來是這樣。當你把時間粒度逐漸縮小，就可以價格是如何形成和變化的，這就是微觀市場理論的研究領域，也是一些投資機構設計高頻交易策略的基礎。
請採納。
㈢ 怎樣用 Python 寫一個股票自動交易的程序
方法一
前期的數據抓取和分析可能python都寫好了，所以差這交易指令介面最後一步。對於股票的散戶，正規的法子是華寶，國信，興業這樣願意給介面的券商，但貌似開戶費很高才給這權利，而且只有lts，ctp這樣的c++介面，沒python版就需要你自己封裝。
方法二
是wind這樣的軟體也有直接的介面，支持部分券商，但也貴，幾萬一年是要的。
方法三
滑鼠鍵盤模擬法，很復雜的，就是模擬鍵盤滑鼠去操作一些軟體，比如券商版交易軟體和大智慧之類的。
方法四
就是找到這些軟體的關於交易指令的底層代碼並更改，不過T+1的規則下，預測准確率的重要性高於交易的及時性，花功夫做數據分析就好，交易就人工完成吧
㈣ 股票價格的隨機遊走的含義
「隨機遊走」（random walk）是指基於過去的表現，無法預測將來的發展步驟和方向。應用到股市上，則意味著股票價格的短期走勢不可預知，意味著投資咨詢服務、收益預測和復雜的圖表模型全無用處。在華爾街上，「隨機遊走」這個名詞是個諱語，是學術界杜撰的一個粗詞，是對專業預言者的一種侮辱攻擊。若將這一術語的邏輯內涵推向極致，便意味著一隻戴上眼罩的猴子，隨意向報紙的金融版面擲一些飛鏢，選出的投資組合就可與投資專家精心挑選出的一樣出色。
㈤ 什麼是股票價格的隨機遊走
就是無法預測
㈥ 怎樣用python處理股票
用Python處理股票需要獲取股票數據，以國內股票數據為例，可以安裝Python的第三方庫：tushare；一個國內股票數據獲取包。可以在網路中搜索「Python tushare」來查詢相關資料，或者在tushare的官網上查詢說明文檔。
㈦ 有效市場認為股票價格是隨機的，隨機遊走是一個非平穩的過程。做計量分析要求數據是平穩的，避免假回歸。
隨機遊走一階差分是平穩的
㈧ 如何利用Python預測股票價格
預測股票價格沒有意義。
單支股票價格，多股組合，大盤這些都可以使用神經網路來學習，02年就做過了，漲跌預測平均能達到54%到57%的准確率，但是只能定性，無法定量，因此，在扣除印花稅之後無利可圖。
純粹使用股票交易數據來預測並保證總體獲利不是程序能辦到的，人也辦不到。
目前世界上最先進的炒股機器也只能利用網路時差那微不可計的零點幾秒在歐洲與美國證券間倒來倒去，那套系統研發費用數千萬，硬體（主要是獨立光纜）費用以億計。
㈨ Python模擬隨機遊走圖形效果示例
Python模擬隨機遊走圖形效果示例
本文實例講述了Python模擬隨機遊走圖形效果。分享給大家供大家參考，具體如下：
在python中，可以利用數組操作來模擬隨機遊走。
下面是一個單一的200步隨機遊走的例子，從0開始，步長為1和-1，且以相等的概率出現。純Python方式實現，使用了內建的 random 模塊：
# 隨機遊走importmatplotlib.pyplot as pltimportrandomposition=0walk=[position]steps=200foriinrange(steps): step=1ifrandom.randint(0,1)else-1 position+=step walk.append(position)fig=plt.figure()plt.title("www.jb51.net")ax=fig.add_subplot(111)ax.plot(walk)plt.show()
第二種方式：簡單的把隨機步長累積起來並且可以可以使用一個數組表達式來計算。因此，我用 np.random 模塊去200次硬幣翻轉，設置它們為1和-1，並計算累計和：
# 隨機遊走importmatplotlib.pyplot as pltimportnumpy as npnsteps=200draws=np.random.randint(0,2, size=nsteps)steps=np.where(draws >0,1,-1)walk=steps.cumsum()fig=plt.figure()plt.title("www.jb51.net")ax=fig.add_subplot(111)ax.plot(walk)plt.show()
一次模擬多個隨機遊走
# 隨機遊走importmatplotlib.pyplot as pltimportnumpy as npnwalks=5nsteps=200draws=np.random.randint(0,2, size=(nwalks, nsteps))# 0 or 1steps=np.where(draws >0,1,-1)walks=steps.cumsum(1)fig=plt.figure()plt.title("www.jb51.net")ax=fig.add_subplot(111)foriinrange(nwalks): ax.plot(walks[i])plt.show()
當然，還可以大膽的試驗其它的分布的步長，而不是相等大小的硬幣翻轉。你只需要使用一個不同的隨機數生成函數，如 normal 來產生相同均值和標准偏差的正態分布：steps=np.random.normal(loc=0, scale=0.25, size=(nwalks, nsteps))
㈩ 市場有效假說 股票價格 隨機遊走
當然當然。誰想到9.19要降印花稅？買了伊利股價和三元股份的股民，做夢也想不到三聚氰胺會分別帶給他們地獄和天堂的感覺。所以任何預測和分析股票沒什麼意義。股價的短期變動就是隨機運行的。