-?點擊上方“中國統(tǒng)計網(wǎng)”訂閱我吧！-

我們通過使用Python和Pandas技術(shù)進行分析，我們將能夠在本文中回答該問題。首先，我們將使用免費的API檢索過去幾年的比特幣和股票價格。然后我們將計算股市與比特幣價格之間的相關(guān)性。最后，我們將結(jié)束通過相關(guān)矩陣圖繪制相關(guān)關(guān)系的分析。

自從比特幣出現(xiàn)以來，我一直想知道比特幣在我們的經(jīng)濟中扮演什么角色。以下是三個潛在角色的猜想：

• 比特幣在投資界一直扮演著避風港的角色

• 比特幣跟金融市場一樣遵循同樣的趨勢

• 比特幣價格與股市根本沒有關(guān)系

讓我們使用Python看看！

使用Python檢索股票市場價格和比特幣價格

為了獲取數(shù)據(jù)進行我們的分析，我將使用financialmodelingprep API檢索比特幣價格。他們還提供免費的庫存數(shù)據(jù)，但是為了向您展示兩種不同的獲取數(shù)據(jù)的方法，我將使用Pandas DataReader來檢索庫存數(shù)據(jù)。
作為我們市場數(shù)據(jù)的代理，我們將使用標準普爾500指數(shù)。標準普爾500指數(shù)是衡量在美國上市的500家最大公司的股票表現(xiàn)的指數(shù)。我們將使用Pandas DataReader下載SP500價格和美聯(lián)儲經(jīng)濟數(shù)據(jù)(FRED)作為源。
如果您以前從未使用過Pandas DataReader和Pandas，則需要安裝軟件包。您可以使用pip命令來做到這一點。

pip install pandas_datareader #Pandas data reader may not work with the latest Pandas version,therefore, I recommend you to install Pandas version 0.24:pip?install?pandas==0.24.2

太好了，現(xiàn)在我們可以使用Python檢索數(shù)據(jù)了。首先，我們將提取過去十年中的S＆P500股票價格。請注意，通過使用web.DataReader并指定系列名稱(即sp500)和提供程序(即fred)，我們可以輕松獲取稱為SP500的Pandas系列數(shù)據(jù)。

pd.core.common.is_list_like = pd.api.types.is_list_likeimport pandas_datareader.data as webimport datetimestart = datetime.datetime(2010, 1, 1)end = datetime.datetime(2020, 2, 10)SP500 = web.DataReader(['sp500'], 'fred', start, end)print(SP500)

以上代碼行將返回低于標普500普爾系列，其中包含過去10年的標普價格：

檢索比特幣價格

我們將使用financialmodelingprep API。我們將向API端點發(fā)出一個http get請求，該請求將返回包含歷史BTC價格的字典：

import requests#BTCUSD contains a dictionaryBTCUSD = requests.get('https://financialmodelingprep.com/api/v3/historical-price-full/crypto/BTCUSD')BTCUSD = BTCUSD.json()BTCUSD = BTCUSD['historical']

我們分析包含在鍵名historical中的字典。

print(BTCUSD)[{'date': '2020-02-15', 'open': 10315.651367, 'high': 10341.555664, 'low': 10226.138672, 'close': 10244.959961, 'adjClose': 10244.959961, 'volume': 42347495424.0, 'unadjustedVolume': 42347495424.0, 'change': 70.69141, 'changePercent': 0.685, 'vwap': 10270.88477, 'label': 'February 15, 20', 'changeOverTime': 0.00685}, {'date': '2020-02-14', 'open': 10211.... .... ...]}

現(xiàn)在通過查看BTCUSD變量的內(nèi)容，我們可以看到BTCUSD是詞典列表，并且列表中的每個元素都是包含比特幣價格的不同日期。BTC價格存儲在關(guān)鍵收盤價下。
例如我們看到在2月15日，比特幣的價格為10,244美元。我們需要將字典列表轉(zhuǎn)換為Pandas DataFrame。 我們可以使用pd.DataFrame.from_dict()輕松地做到這一點：

BTC = pd.DataFrame.from_dict(BTCUSD)BTC.set_index('date',inplace=True)#Keep only the close columnBTC = BTC[['close']]#Rename the column name to BTCBTC.columns = ['BTC']BTC

最后，我們在兩個Pandas DataFrame中獲得BTC和S＆P 500的價格。現(xiàn)在我們只需要將它們合并在一起。對我們來說幸運的是，使用Python和Pandas可以很容易地做到這一點。
我們可以使用pd.merge在索引上連接兩個DataFrame，因為index包含日期。因此，我們想加入標普500指數(shù)和BTC在匹配日的價格。
我們可以將等于True的right_index和left_index傳遞為參數(shù)，讓Pandas知道我們要使用該索引進行合并。

SP500BTC = BTC.merge(SP500, how='inner',right_index = True,left_index=True)#Drop NA since we have nan values for weekends.S&P500 only trades business daysSP500BTC.dropna(inplace=True)print(SP500BTC)

比特幣與標普500價格之間的關(guān)系

太好了，我們已準備好數(shù)據(jù)進行分析。現(xiàn)在我們可以繼續(xù)查找股票和比特幣價格之間的關(guān)系。
為此，我們可以使用pandas dataframe.corr()查找Pandas DataFrame列的相關(guān)性：

correlation = SP500BTC.corr()print(correlation)###Result:BTC sp500BTC 1.000000 0.834106sp500 0.834106 1.000000如何解釋BTC與標普500指數(shù)之間的相關(guān)性？

相關(guān)矩陣的值范圍從-1到1。接近+1意味著兩個變量在同一方向上緊密地移動。值為0表示變量之間沒有關(guān)系。負相關(guān)表明變量向不同方向移動。越接近-1，逆關(guān)系越強。
通過研究我們的結(jié)果，我們發(fā)現(xiàn)比特幣價格與標準普爾500指數(shù)之間存在0.83的強正相關(guān)關(guān)系。這意味著，當股市價格上漲時，我們可以預期比特幣也會跟風上漲。

from statsmodels import api as smimport matplotlib.pyplot as pltsm.graphics.plot_corr(correlation,xnames=list(correlation.columns))plt.show()

圖的紅色意味著這種關(guān)系是強而正的。我們還可以使用linregression和scipy.stats檢查這種關(guān)系是否具有統(tǒng)計學意義：

#statistically significant?from scipy.stats import linregresslinregress(SP500BTC['sp500'],SP500BTC['BTC'])#H0: BTC and Stock prices are not related#Results:LinregressResult(slope=8.956910705798713, intercept=-18068.59091142212, rvalue=0.8341059841835341, pvalue=0.0, stderr=0.1673358700767462)

因為我們的p值小于0.05，所以我們可以拒絕H0，因此，我們可以從統(tǒng)計學上說比特幣和股票價格一起移動。

收尾

使用Python和Pandas，我們分析了股市與比特幣價格之間的關(guān)系。根據(jù)我們的分析結(jié)果，可以說BTC和S＆P500的價格朝著同一方向移動。
知道這種關(guān)系在衰退的經(jīng)濟周期中是否也很有趣。為了進行這種分析，我們可能需要等待一段時間，因為在過去的幾年中，我們一直生活在擴張型經(jīng)濟中。請參閱下面的完整腳本：

import pandas as pdpd.core.common.is_list_like = pd.api.types.is_list_likeimport pandas_datareader.data as webimport datetimestart = datetime.datetime(2010, 1, 1)end = datetime.datetime(2020, 2, 10)SP500 = web.DataReader(['sp500'], 'fred', start, end)import requestsBTCUSD = requests.get('https://financialmodelingprep.com/api/v3/historical-price-full/crypto/BTCUSD')BTCUSD = BTCUSD.json()BTCUSD = BTCUSD['historical']BTC = pd.DataFrame.from_dict(BTCUSD)BTC.set_index('date',inplace=True)BTC = BTC[['close']]BTC.columns = ['BTC']SP500BTC = BTC.merge(SP500,how='inner',right_index = True,left_index=True)SP500BTC.dropna(inplace=True)correlation = SP500BTC.corr()print(correlation)from statsmodels import api as smimport matplotlib.pyplot as pltsm.graphics.plot_corr(correlation,xnames=list(correlation.columns))plt.show()#statistically significant?from scipy.stats import linregresslinregress(SP500BTC['sp500'],SP500BTC['BTC'])

End.

作者：區(qū)塊鏈研究實驗室

來源：區(qū)塊網(wǎng)

·?零基礎(chǔ)入職數(shù)據(jù)分析就業(yè)班 ·

課程形式主為“直播+錄播”

課程專享：月考測試通關(guān)+課程項目作業(yè)+1v1職場生涯規(guī)劃+班主任輔導學習+資深講師答疑

課程結(jié)束后能熟練掌握SQL、Python、Excel、PPT等數(shù)據(jù)分析工具

金3銀4招聘季，愛數(shù)據(jù)帶你成功入職數(shù)據(jù)分析！

點擊“閱讀原文”入職數(shù)據(jù)分析

總結(jié)

以上是生活随笔為你收集整理的pandas plot label_Python+Pandas | 分析比特币与股票市场的关系的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。