大数跨境

使用Python,Google Sheets和Google Finance分析新冠病毒对股市的影响

使用Python,Google Sheets和Google Finance分析新冠病毒对股市的影响 Python程序员
2020-04-28
0
导读:本教程的目的是介绍如何收集和分析新冠大流行期间的股票数据。为此,我们将用到Python,Google Sheets和Google Finance。

自从2019年底亚洲出现疫情以来,冠状病毒COVID-19的大流行造成了毁灭性的影响。该病毒传播到了大多数国家,引发严重的呼吸道感染并造成了大量人员死亡。该病毒还使全世界一半的人口处于居家隔离状态,这导致世界经济下滑和股票价格下跌。


本教程的目的是介绍如何收集和分析新冠大流行期间的股票数据。为此,我们将用到Python,Google Sheets和Google Finance。


在本教程的第2节中,我们将介绍如何配置Google Sheets,以便能让Python与Google Sheets进行交互。在第3节中,我们将介绍如何使用Google Finance收集股票数据,以及如何使用Python将这些数据存储在Google Sheets中。在第4节中,我们将介绍如何从Google Sheets中读取数据并使用Python和Pandas对其进行分析。


本教程的源代码可以在这个github库(https://github.com/adilmoujahid/coronavirus-covid19-stocks-analysis)中找到。


1.案例研究


在本教程中,我们将重点介绍S&P 500强的公司。我们要收集以下数据:

  • 3个不同日期(1月1日,3月23日和4月9日)的股票价格

  • 每家公司发行的股票数量

  • 公司运营的行业/领域(按照GICS分类系统)


在收集和整理完数据后,我们将使用Python和Pandas库来分析数据。


2.技术支持


我们将使用以下服务和库来收集和分析数据:

  • 维基百科:我们将使用这个维基百科网页(https://en.wikipedia.org/wiki/List_of_S%26P_500_companies)获取S&P 500强公司的列表。

  • Google Finance:Google Finance是一个Google管理的专注于商业新闻和财务信息的网站[1]。Google Finance没有可以直接在Python中使用的API,但是我们可以使用名为GOOGLEFINANCE的公式,从Google Sheets中访问它。我们将使用Python来写入GOOGLEFINANCE的公式。

  • Goole Sheets:我们将使用Google Sheets作为后端来存储股票数据。为了直接让Python与Google Sheets进行交互,我们需要3个库:Google Auth,gspread和gspread-pandas。我们还需要配置Google Sheets,使其能够使用Python访问电子表格。

  • Python,Jupyter Notebook和Pandas:我们将使用Python,Jupyter Notebook和Pandas来收集,存储和分析数据。

2.1.在GCP中配置Google Sheets


为了通过Python访问Google Sheets,我们需要来自Google云计算服务(GCP)的密钥,我们可以使用以下步骤获取密钥。


步骤1:转到Google云计算服务(https://cloud.google.com/),使用您的Google帐户登录,然后点击Console。

步骤2:依次点击Select a project→NEW PROJECT,输入项目名称,然后点击CREATE

步骤3:依次点击APIs & Services→Dashboard→ENABLE APIS AND SEVICES。

步骤4:同时搜索Google Drive API和Google Sheets API,然后点击ENABLE

步骤5:在Google Sheets API页面中,依次点击MANAGE→CREATE CREDENTIALS,然后选择Google Sheets API。

步骤6:选择Web sever和Application data,然后API密钥选择JSON格式。点击Continue,用JSON格式下载您的密钥。

步骤7:下载JSON文件后,将其保存在Jupyter Notebook所在的文件夹中,并复制client_email的信息。


2.2.Google Sheets的配置


最后,我们需要创建一个新的Google Sheets,并让它与上一步创建的client_email进行共享。打开Google Driver,创建一个新的Google Sheets,将其名称改为“stocks-data”。点击Share按钮,输入client_email,然后点击Send。


3.收集和存储股票数据


现在我们已经配置好了Google Sheets,那么可以开始使用Python和Jupyter Notebook收集数据了。我们首先导入需要的库。


从维基百科获取S&P 500强公司的名单


作为数据收集的第一步,我们需要获取S&P 500强公司名单。为此,我们将使用下面的维基网页:https://en.wikipedia.org/wiki/List_of_S%26P_500_companies

幸运的是,我们可以用Pandas来读取页面,提取S&P 500强公司的表格,并将它们存储到Pandas的Dataframe中。

我们需要的最重要的数据是:

  • 代号:股票代号

  • 证券:公司名称

  • GICS行业:公司遵循全球行业分类标准(GICS)经营的行业。

  • GICS子行业:公司遵循全球行业分类标准(GICS)经营的子行业。


我们可以开始查看一些数据,例如列表中的公司数量。

我们获取的公司有505家,而不是500家。这是因为有些公司具有双重股权结构,并且在列表中被多次列出。我们可以在其证券名称中通过搜索关键词“Class”来获得这些公司的列表。

列表中有10家具有双重结构的公司。如果考虑到这一点,我们可以知道列表中有500家唯一的公司。


我们还可以按行业和子行业查看公司的数量。


从Google Finance获取股票数据


现在我们有了S&P 500强公司的列表,我们可以在DataFrame中添加Google Sheets的公式,这些公式将从Google Finance中获取每家公司的股价和发行的股票数。请注意,一旦将Pandas的DataFrame保存在Google Sheets中,这些公式就会执行。


您可以在这里找到GOOGLEFINANCE公式的介绍:https : //support.google.com/docs/answer/3093281


我们首先获取3个不同日期的股价:1月1日,3月23日和4月9日:

  • 2020年1月1日是今年的第一个日子。我们获取这个价格的目的是计算自2020年开始以来的股价下跌。

  • S&P 500强公司在2020年抄底的日期是2020年3月23日。

  • 2020年4月9日是股票市场开放的最后日期(撰写本文时)

接下来,我们添加公式以计算每个公司发行股票的数量。我们可以将此数据与股票价格放在一起,以计算公司在3个不同日期的市值。



用Google Sheet存储DataFrame


我们首先创建一个变量,该变量包含从Google云计算服务获得的证书。

接下来,我们在称为spread的变量中读取空的Google Sheet。

我们定义了要保留的变量列表。

最后一步是将DataFrame保存到Google Sheets中。

如果我们转到Google Sheet,则可以看到数据已经被正确存储。


4.分析数据


4.1.读取数据


我们首先从Google Sheets中读取数据,放到一个新的DataFrame中。

我们可以看到DataFrame包含股票价格和股票数量的实际值(而不是Google Sheets公式)。


我们需要将股票价格和已发行股票数的数据类型由string改成numeric。


4.2.加入市值数据和股票价格的百分比变化


加入市值数据


接下来,我们将添加3个不同日期的市值。


加入股票价格的百分比变化


4.3.分析数据


S&P 500强公司总市值的变化


S&P 500强公司从1月1日到3月23日损失了8.7万亿美元,但从3月23日到4月9日却损失了4.6万亿美元。


各行业总市值的变化

在2020年S&P 500强公司抄底的那一天(3月23日),信息技术和金融领域的总市值降幅最大(与1月1日相比),分别为1.592万亿和1.518万亿美元。

截至4月9日,与1月1日相比,金融和工业领域的总市值跌幅最大。


按股票价格百分比变动对公司进行排序


从上表我们可以看到,受害最严重的公司是三大邮轮公司:挪威邮轮公司,嘉年华公司,皇家加勒比邮轮公司。这些公司的股价下跌了70%以上。

从1月1日到4月9日,505只股票中只有56只出现了正增长。


按行业分类的股票价格百分比变化


我们可以看到,能源股受到的冲击最大,股价平均下跌了49.8%。


在下面,我们可以直观地看到从1月1日到4月9日这11个行业的股价百分比变化的箱线图。

如果我们查看各子行业的平均股价变化百分比;我们可以看到,与旅游相关的行业、石油和天然气以及百货商店受到的打击最大。138个子行业中,有118个的平均股价在1月1日到4月9日下降。


按行业分类的股票价格百分比变化(从3月23日至4月9日)



按子行业分类的股票价格百分比变化(从3月23日至4月9日)


从3月23日到4月9日,所有行业和子行业(食品零售除外)的平均股价均上涨。


结论


在本教程中,我们学习了如何使用Python,Google Sheets和Google Finance收集和分析新冠大流行背景下的股票数据。我们仍处于新冠大流行的早期阶段,并且尚不清楚它对社会和经济的中长期影响是什么。在接下来的几周内继续进行此分析,看看股市能否从2020年的损失中恢复过来,这将是很有趣的。


本教程的源代码可以在这个github库(https://github.com/adilmoujahid/coronavirus-covid19-stocks-analysis)中找到。


参考文献

[1] https://zh.wikipedia.org/wiki/Google_Finance


英文原文:http://adilmoujahid.com/posts/2020/04/stocks-analysis-covid19-coronavirus-python/
译者:桃夭

【声明】内容源于网络
0
0
Python程序员
1234
内容 2525
粉丝 0
Python程序员 1234
总阅读0
粉丝0
内容2.5k