阿里巴巴股票行情数据分析

一.数据来源：

1.阿里股票历史数据下载：https://www.nasdaq.com/symbol/baba/historical

2.也可以抓取雪球等股票app的数据

3.阿里股票走势图：https://xueqiu.com/S/BABA

4.道琼斯走势：https://xueqiu.com/S/.DJI

二. 背景

投资股票作为一种高风险高收益的投资理财手段，越来越受到投资者的青睐，面对波谲云诡的股市，越来越多的客户寻求基于科学数据分析探索股票行情的帮助。作为全球最大的电商企业，阿里不仅在美股上市，如今更是回到港股准备二次上市了。本项目基于python的数据挖掘、清洗、分析该股票的一段时间内的行情走势，并讨论了一般股票的买卖策略，同时以生动的投资模拟案例佐证了该股票作为长期持有的可行性，为投资理财的客户提供一些经验与建议。

三. 数据概况

3.1 数据整体描述

3.2上涨下跌的天数

上涨的天数：

下跌的天数：

由数据知在统计的755天的周期内，上涨天数为395天，下跌的天数为360天，在该周期内的上涨天数比为52.32%，说明阿里巴巴股票的整体表现良好。

 

3.3将日线转换为周线

什么是周线

就是一周的K线，以周一开盘价为周线的开盘价，以周五收盘价为周线收盘价。以一周内最高价为周线最高价，以一周内最低价为最低价。

 

其中loadtxt方法有一个converters参数，可以利用自定义的函数把string做转换:

得到排列如下：

随后进行倒序排列

同时我们需要按照每周去分组，先找到星期一的数据的索引：

得到：

再按照周一去分组，split返回给定索引的分组，可以指定任意间隔的索引，所以split以一个list的形式返回：

为了简单起见，我们这里只使用一周数据只有五天，每个星期的数据都是一样的了，我们在把它转换成ndarray：

转化可知，总共是114周，每周有五天，每天有五个数据；

我们把一周的数据放到一行，可以直接用转置矩阵：

我们再先查看以下数据，将索引转换为datetime形式，然后将数据中最近的日期排在前面，按照日期重新排序：

得到对应的日期及收盘价：

由此可以引出我们对于股票的买卖策略，以下是股票买卖策略的分析。

 

3.4买卖的策略

3.4.1策略一：股价超出10日均线买入，跌破十日均线卖出

先计算10日均线数据

得到结果如下：

再探究10日买卖的买点与卖点：

由此可得一个股票的策略：当对应日期的值由false向true转换时是卖点时间，true变成false就是买点时刻！

特别注意的是，第一个值False，第二个值是True，在True的时候买入，我们需要自定义一个移动窗口处理函数。因为卖的时候还需要定义类似的函数，所以这里把这两个函数放在一起，可以在自定义函数中print一些信息，例如w值，以方便调试---这也是调试的一种方式

得到：

由此我们还可以得到具体的买卖点：

 

得到买点：

及卖点：

虽然买和卖的索引值不一样，但数据都有63条，所以可以删除时间索引信息

我们还可以看到每次交易的盈利情况

由此可以得到大体的数据：

及总的利益

由数据可知总利润是36.07，注意这是每次买和卖一股的利润（买固定的股数），三年的时间交易了63次；最多投入210.86，平均投入143.366954，按最高投入算利润率(36.07 / 210.860000)，年化差不多5%，按平均投入算0.2515，年化将近8%，当然还有手续费没有算。

3.4.2由此引申以下例子：

假如有1w美元，最终盈利是多少：

 

最后剩下13799.294014，年化10%多点，说明收益还不错！

 

3.4.3如果加上每次交易金额的万分之三手续费

最终金额13540.898129，整体收益还不错，说明该股票是值得长期持有的潜力股，或许将时间线放长可发展为白马股。

 

四. 总结

1通过Python数据清洗处理，我们将看似杂乱无章的股票数据整理得有规矩可循，包括将日线转换为周线，找到数据索引分组切片，转置矩阵等等；

2.由股票数据分析，我们总结处股票买卖策略：股价超出十日均线买入，跌破十日均线卖出，通过数据分析科研精确求出股票的买点和买点；

3.由数据案例分析，我们可以看到阿里巴巴的股票整体收益不错，是值得长期持有的潜力股，或许将时间线放长可发展为白马股。