【コピペで動く！】株価の分布、銘柄の比較など、Pythonの数理統計関数による分析【違いをみつけろ！】

Pythonの数理統計関数などの資料をまとめます。また、実際にどのように自分が使っているかを示したいと思います。

この記事でできる事
下準備
検証対象と検証期間
Pythonでのデータ取得とWebサービスとの比較
分布、数理統計値を調べる
調査区間を区切りたい場合
箱ひげ図
pyfolioを使いたいのですが、、、
関連動画

この記事でできる事

この記事で行えることは銘柄を
ダウンロードし、
チャートを表示し、
数理統計関数で特性を調べ（mean, std, median　など）、
株価分布を調べ（ヒストグラムと箱ひげ図）、
ドローダウンを調べることとなります。

以下のようにツイートを拝見しました。

Webサービスで入手できるものなのか、できないとしたら、Pythonで簡単に調べることができるのか、確認したいと思います。

下準備

いつも通りGoogle Colaboratoryのpythonを使うことにより、無料で、簡単に調査します。

Google Colaboratory については以下の記事を参考にして下さい。

【コピペで動く！】20行で資産運用モデル作成 Google ColabのPythonで米国株の株価を取得し、グラフ・チャートを表示

【コピペで動く！】　20行で資産運用モデル作成 [Pythonで米国株の株価を取得し、グラフ・チャートを表示]

検証対象と検証期間

以下のコードにより、データを取得します。今回データを取得するのは
QYLD (Nasdaq 100 Covered Call ETF),
QQQ (Invesco QQQ Trust),
SPY (SPDR S&P 500 ETF Trust)
とし、検証期間は 2014-12-31　から　2021-08-20　までとします。

ETFreplay.com でのデータは以下のようになっています。

出典　ETFreplay.com

Pythonでのデータ取得とWebサービスとの比較

上記チャートと同じものを得るには以下のコードとなります。

!pip install yfinance --upgrade --no-cache-dir

import datetime
import yfinance as yf
import matplotlib.pyplot as plt
%matplotlib inline

start = datetime.date(2014,12,31)
end = datetime.date.today()

codelist = ["QYLD","QQQ","SPY"]

data2 = yf.download(codelist, start=start, end=end)["Adj Close"]
display(data2.head(2).append(data2.tail(2)))

df_pct=100*data2.pct_change().dropna()
display(df_pct[codelist].head(2).append(df_pct[codelist].tail(2)))

df=(1+data2.pct_change()).cumprod()
df.plot(figsize=(8,6),fontsize=18)
plt.legend(loc='center left', bbox_to_anchor=(1, 0.5), fontsize=18)  

plt.grid(True)
plt.show()

QYLDはナスダック100のカバードコールを行うETFのようですが、おそらく近すぎる位置のCallを売っているのか、ナスダック100の上昇分をあまり取り切れていないようにも思いますが、この部分は本題ではありませんので、ここでは割愛します。

分布、数理統計値を調べる

Pythonにはよく使う数理統計関数は多数あります。基本的なものを使い方も含めご紹介します。

plt.figure(figsize=(10,6))
plt.hist(df_pct.values, label=df_pct.columns,align='mid',bins=25)
plt.legend()

print(df_pct.std())
print(df_pct.mean())
print(df_pct.median())

今回は全区間の分散、算術平均、中央値を出してみました。

基本統計量の算出について、どのような関数があるかは以下のサイトが参考になります。

Python 統計量の算出

マーケティングセールスデータを用いてPythonでの基本統計量の算出方法についてご説明します。

調査区間を区切りたい場合

もし、年ごと、月ごとなど期間を区切りたい場合は以下のようなgroup関数を使う手もあります。

analyse=df_pct.groupby([lambda x: x.year,lambda x: x.month])
display(analyse.std())

箱ひげ図

全区間の箱ひげ図は以下のようになります。

df_box=df_pct.dropna()

plt.figure(figsize=(10,6))
plt.boxplot(df_box.values,labels=df_box.columns)
plt.show()

pyfolioを使いたいのですが、、、

以前、pyfolioというモジュールを紹介したりしたのですが、残念ながら現在その更新が行われておらず、一部エラーが起こっているようです。

米国株のパフォーマンス・成績をPythonで早く、綺麗に調べる [Python 米国株 pyfolio コードあり]｜TF

米国株のパフォーマンス・成績をPythonで簡単に調べることのできるモジュール pyfolio をご紹介したいと思います pyfolio　というものですが、まずは、どのようなことができるのか先に画像を見てもらったほうが早いと思います。高値更新からのドローダウンを出してみてたり、月ごと、年毎の成績を出したり、期...

ですが、一部の機能は動くようなので、紹介します。

!pip install pyfolio

import pyfolio as pf

plt.figure(figsize=(10,5))

pf.plot_return_quantiles(0.01*df_pct["QYLD"]);

日次、週次、月次の変化の分布が簡単に出せるようです。

pf.plot_drawdown_underwater(0.01*df_pct["QYLD"]);

また、高値からのドローダウンも簡単に出すことができます。

駆け足ではありますが、株価の分布、銘柄の比較など、Pythonの数理統計関数による分析方法についてご紹介しました。

－－－

【コピペで動く！】株価の分布、銘柄の比較など、Pythonの数理統計関数(標準偏差、中央値など)による分析【Google Colabで違いをみつけろ！】