本文主要从Tushare获取两只不同股票的数据进行相关性分析与数据可视化

刚开始学Python和数据分析的时候，总想找个实际的例子来练手，光看理论和代码感觉有点摸不着头脑，后来发现，股票数据是个特别好的切入点，既有意思，又能马上看到结果。

这次便尝试用Python来看看两只股票——工业富联和潍柴重机；这也是我在二级市场反复做T的两只股票，我一直在好奇，它们的股价走势到底有没有关系，是齐涨齐跌，还是各走各的？如果搭建一个投资组合，这俩是否能作为风险对冲？不能光凭感觉猜，得用数据说话。

整个过程就像一次小探险：

1. 找数据：学会了怎么用Tushare这个工具包把股票的历史行情数据下载下来。
2. 整理数据：用Pandas把乱七八糟的数据整理得干干净净，方便计算。
3. 计算：算出了它们每天的涨跌幅，以及最重要的一个数字——相关系数，它精确地告诉我这两只股票联动的程度。
4. 画图：用Matplotlib画出了好几张图，价格走势、散点图什么的，结论一目了然

一、安装数据包

import pandas as pd
import pkg_resources
import subprocess
import sys

def install(package):
    subprocess.check_call([sys.executable, "-m", "pip", "install", package])

# 使用示例：如果你需要安装tushare库
try:
    import tushare as ts
except ImportError:
    install('tushare')
    import tushare as ts

【import 语句】

• 是什么：就像咱们要做木工，需要从工具箱里拿出锯子、锤子、尺子。import 就是告诉Python：“我要使用pandas这个工具箱，为了方便，我给它起个外号叫pd。”
• 用法：pandas用于数据处理，pkg_resources用于检查已安装的包，subprocess和sys用于运行系统命令（比如安装包）。不导入就无法使用它们的功能。

【install函数】

• 是什么：是在Python环境中执行一条系统命令。sys.executable是当前Python解释器的路径，整条命令等价于在命令行/终端中输入 pip install tushare。
• 为什么：用代码代替手动操作，实现环境的自动化配置，让程序更具可移植性和易用性。

代码意思是：定义一个install （package）的函数，subprocess类似于运行系统命令，给内部打check_call 的检查电话，联系sys.executable解释器，要求一“-m”模块化的形式，让pip部门执行安装install的命令，安装的package就是工具包，它可以是我想安装的Tushare，也可以是其他的包。

【try-except 语句】

• 是什么：try-except是一段“防错”代码。它的逻辑是：“尝试（try） 做某件事，如果发生了特定的错误（except），那就执行另一段代码来补救。”
• 为什么：因为刚开始tushare一直安装不成功，于是我将尝试用这个代码来处理异常，如果没找到，打印出(ImportError)，自动安装它，然后再导入。

二、Tushare认证与初始化 - 拿到“数据仓库的钥匙”

#输入token
token = '你的token' # 这里你的token是假的，非常好！永远不要泄露真实的token。
ts.set_token(token) # 把钥匙交给门卫（Tushare库）
pro = ts.pro_api() # 门卫给你一个功能完整的入口（pro接口对象）

Tushare是我之前学财务大数据挖到的宝藏网站，也是目前很多高校同学在用的免费开源金融数据库，Tushare的数据有很多种类型，大家可以注册账号后进入个人中心，这部分就有个人的token信息。

【Token（令牌）】

• 是什么：个人身份凭证，相当于进入数据大楼的“门禁卡”或“钥匙”。Tushare通过它来识别用户身份、统计数据调用量并进行权限管理。

【ts.set_token(token)】

• 在tushare这个数据大楼的前台进行令牌登记。

【pro = ts.pro_api()】

• 是什么：创建一个API接口对象pro。pro是Tushare Pro提供的统一入口对象，所有数据获取函数（如pro.daily()）都是这个对象的方法。类似大楼前台给你一个门禁卡，你可以用这个卡调动Tushare数据大楼存储在任何一个地方的数据。

三、获取与预处理单只股票数据 - 采集“原材料”并“初步加工”

我们以工业富联为例，潍柴重机的逻辑完全一样。

gyfl = pro.daily(ts_code='601138.SH', start_date='20240924', end_date='20250924')

调用Tushare的日线行情接口。

参数：

• ts_code: 股票代码，注意后缀.SH（上海交易所）和.SZ（深圳交易所）必须正确。
• start_date/end_date: 起止日期，格式为'YYYYMMDD'。
• 返回：一个Pandas的DataFrame，可以把它直观地理解为一张Excel表格，有行有列。

print(len(gyfl)) # 查看获取到了多少行数据
print（gyfl.head(10)）
gyfl['trade_date'] = pd.to_datetime(gyfl['trade_date']) # 将日期字符串转为日期格式
gyfl.set_index('trade_date', inplace=True) # 将‘trade_date’列设置为索引
gyfl.sort_index(inplace=True) # 按索引（日期）排序
gyfl_1 = gyfl[['close', 'pct_chg', 'vol', 'amount']] # 选择需要的列

1. 用len函数查看一共获取了多少列数据，打印出来正好是244个交易日。
2. print（gyfl.head(10)）打印出表格的前10行看看具体的数据情况,跑出来的前十行数据如下：

可以发现：各列分别是股票代码、交易时间、开盘价,...,涨跌幅，交易量、总额等信息。

观察发现，trade_date 的格式是倒序，且非日期格式，基于此，下一步我们要将改列转换为为日期格式

gyfl ['trade_date']=pd.to_datetime(gyfl['trade_date'])

因为后面要和潍坊重机进行比较，会用到merge函数，两个不同的股票，需要锚定一个索引，日期便是最好的选择：

gyfl.set_index("trade_date",inplace=True) 通过set_index函数把日期设置为索引值,inplace=True指的是在原有的datafame上进行修改。

设置成索引值后，进一步对日期进行处理，使其排序从前往后。

gyfl.sort_index(inplace=True)

以上，表格已经处理成按照交易日期（日期格式）从前往后的排序，接下来就是把众多的数据列筛选留下需要的列（收盘价，涨跌幅，交易量，总额）：

gyfl_1 = gyfl[['close', 'pct_chg', 'vol', 'amount']] # 选择需要的列

写完后大家可以价格print（gyfl_1.head(3)）打印出前三行看看

潍坊重机写法如上，不再重复。

四、数据合并与收益率计算 - 分析的“核心引擎”

我们现在有两个独立的DataFrame：gyfl_1（工业富联）和 wfzj_1（潍柴重机）。它们就像是两张分开的Excel表。

• 要分析它们的相关性，就必须把它们的数据按日期对齐，放在一起比较。合并就是为了创建一张总表，每一行都是同一个交易日的两只股票的数据。

#合并表格
merged_data = gyfl_1.merge(wfzj_1, left_index=True, right_index=True, how='outer', suffixes=('_gyfl', '_wfzj'))

1.merge函数参数详解：

这是一个非常强大且常用的函数，我们来拆解它的每个参数：

• gyfl_1.merge(wfzj_1, ...): 这表示以 gyfl_1 为“左表”，将 wfzj_1 “右表”合并到它上面。
• left_index=True, right_index=True: 这是合并的“依据”。它告诉Pandas：“请使用左表的索引（gyfl_1的日期）和右表的索引（wfzj_1的日期）作为键来进行匹配。” 因为我们在前面已经把日期设置为了索引，所以这里用索引合并非常方便。
• how='outer': 这是合并的方式，决定了哪些日期应该出现在最终表里。
  • 'inner'（内连接）：只保留两个表都有的日期。如果某天一只股票停牌，那天数据就会被丢弃。
  • 'outer'（外连接）：保留两个表出现的所有日期。如果某天一只股票停牌，那天的数据就是NaN（空值）。 在股票分析中，这是更常用的方式，因为它保留了完整的时间序列，我们可以后续处理停牌造成的空值。
• suffixes=('_gyfl', '_wfzj'): 因为两个表都有 close, change 等同名的列，合并后无法区分。这个参数自动为左表的同名列添加 _gyfl 后缀，为右表的同名列添加 _wfzj 后缀。这是避免列名冲突的标准做法。

2.处理缺失值

# 对缺失值进行向前填充（对于停牌的情况）
merged_data.fillna(method='ffill', inplace=True)

为什么会有缺失值（NaN）？

• 正是因为我们在合并时使用了 how='outer'。如果“工业富联”某天交易了而“潍柴重机”停牌（或反之），那么停牌股票的那一行数据就是NaN。

2. 为什么要处理？

• 后续计算收益率等操作无法在NaN上进行，会导致错误。
• ffill 是 “forward fill”（向前填充） 的缩写。
• 金融逻辑：它用停牌前最后一个交易日的有效数据来填充停牌期间的数据。

这是一种行业惯例。假设股票停牌，其价格和成交量理论上就“冻结”在停牌前的状态，直到复牌。这比直接删除数据（dropna()）更能保持时间序列的连续性，避免计算收益率时产生巨大的跳跃。

3.计算收益率

# 计算两只股票的每日收益率
merged_data['return_gyfl'] = merged_data['close_gyfl'].pct_change()
merged_data['return_wfzj'] = merged_data['close_wfzj'].pct_change()

# 删除包含NaN的行（第一行）
returns_data = merged_data[['return_gyfl', 'return_wfzj']].dropna()

收益率解决了这些问题：

• 标准化：它将涨幅标准化为百分比，使得不同价格的股票之间可以公平比较。
• 平稳性：收益率序列更接近平稳序列，其统计性质（如均值、方差）相对稳定，更适合进行统计分析（如计算相关性）。
• 可加性：多期的总收益率可以由单期收益率计算得出，符合投资逻辑。

.pct_change() 是如何计算的？

它的计算公式非常简单，但极其重要：

今日收益率 = (今日收盘价 - 昨日收盘价) / 昨日收盘价 换句话说，它就是计算今日价格相对于昨日价格的百分比变化。

为什么第一行是NaN？为什么要dropna()？

• 对于数据的第一天（最早的那个交易日），它没有“昨天”的数据，所以无法计算收益率，结果为NaN。
• dropna() 会删除所有包含NaN的行。在这里，它主要就是删除了这第一行，确保 returns_data 是一个纯净的、可供计算的收益率数据框。

4.计算相关性

# 计算相关性
correlation = returns_data['return_gyfl'].corr(returns_data['return_wfzj'])
print(f"\n工业富联和潍柴重机日收益率的相关系数: {correlation:.4f}")

f-string (f"...")

• 字符串前面的 f 是核心标志，它告诉Python：“这是一个格式化字符串，里面会有用花括号 {} 包起来的变量或表达式，请把它们的值计算出来并填充到这个位置。”
• 没有 f 的话，{correlation:.4f} 会被当成普通文本直接打印出来。

代码里的 {correlation:.4f} 是一个格式化指令，它确保最终打印出来的相关系数是一个简洁、专业、四舍五入到小数点后4位的数字

五、可视化分析

1.环境配置

import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns

matplotlib.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # 或者其他系统可用的中文字体
matplotlib.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

matplotlib是老外做的一个绘图的工具，

seaborn属于matplotlib的皮肤，装上这个能让matplotlib出来的图更美观

中文字体设置：matplotlib 默认不支持中文显示，直接绘图会导致标签显示为方框。通过 rcParams 设置一个系统中存在的中文字体（如 Arial Unicode MS, SimHei, PingFang SC等）来解决。

负号显示：同样，设置 unicode_minus=False 是为了确保负号（‘-’）能正常显示。

2.价格走势对比图

plt.figure(figsize=(14, 7))
plt.plot(merged_data.index, merged_data['close_gyfl'], label='工业富联')
plt.plot(merged_data.index, merged_data['close_wfzj'], label='潍柴重机')
plt.title('工业富联 vs 潍柴重机: 价格走势对比')
plt.xlabel('日期')
plt.ylabel('价格(元)')
plt.legend()
plt.grid(True)
plt.show()

• 先设置画布尺寸：plt.figure(figsize=(14, 7)) （宽14英寸，高7英寸）。
• 使用两次 plt.plot() 分别绘制两条折线图。merged_data.index 通常是日期时间数据，作为X轴；close 列是收盘价，作为Y轴。label 参数为图例提供标签。
• plt.legend() 用于显示图例，让我们能分清哪条线对应哪支股票。
• plt.grid(True) 添加网格线，让读数更加方便。

写完跑出来的图片如下：

分析目的：趋势分析与相对强弱对比

• 长期趋势：两只股票总体上处于上涨、下跌还是震荡趋势？
• 相对强弱：在一段时间内，哪只股票表现更强？例如，牛市中是工业富联涨得多，还是潍柴重机涨得多？熊市中谁更抗跌？
• 联动性初步观察：它们的涨跌节奏是否大致同步？（为后面的相关性分析做铺垫）

3.收益率散点图

# 2. 绘制收益率散点图
plt.figure(figsize=(10, 6))
plt.scatter(returns_data['return_gyfl'], returns_data['return_wfzj'], alpha=0.5)
plt.xlabel('工业富联日收益率')
plt.ylabel('潍柴重机日收益率')
plt.title('两只股票日收益率散点图')
plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)
plt.axvline(x=0, color='k', linestyle='-', alpha=0.3)
plt.grid(True)
plt.show()

• plt.figure(figsize=(10, 6)): 创建一个新的图形窗口，参数设置图形的尺寸为10英寸宽、6英寸高
• plt.scatter(): 创建散点图函数，returns_data['return_gyfl']: 工业富联的日收益率数据，作为X轴；returns_data['return_wfzj']: 潍柴重机的日收益率数据，作为Y轴，alpha=0.5: 设置点的透明度为50%，当点重叠时，透明度可以让重叠区域显得更深，帮助我们观察点的密度分布

• plt.axhline(): 添加一条水平参考线；y=0: 将水平线放在Y轴的0位置（收益率为0的位置）；color='k': 设置线条颜色为黑色（'k'是黑色的简写）；linestyle='-': 设置线型为实线；alpha=0.3: 设置线条透明度为30%，使其不那么突出这条线帮助我们直观地判断收益率是正还是负
• plt.axvline(): 添加一条垂直参考线，x=0: 将垂直线放在X轴的0位置；其他参数与水平线相同

写完跑出来的图片如下：

分析目的：静态相关性分析

• 相关性强弱与方向：两只股票的每日收益率是正相关（同涨同跌）、负相关（此涨彼跌）还是无关？
• 分散化效果：如果点分散且接近圆形，说明两者相关性弱，组合投资能有效分散风险。如果点集中呈斜线，说明联动性强，分散风险效果差。

4.收益率分布直方图

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

axes[0].hist(returns_data['return_gyfl'], bins=50, alpha=0.7, color='red')
axes[0].set_xlabel('日收益率')
axes[0].set_ylabel('频率')
axes[0].set_title('工业富联日收益率分布')

axes[1].hist(returns_data['return_wfzj'], bins=50, alpha=0.7, color='blue')
axes[1].set_xlabel('日收益率')
axes[1].set_ylabel('频率')
axes[1].set_title('潍柴重机日收益率分布')

plt.tight_layout()
plt.show()

• fig, axes = plt.subplots(1, 2, figsize=(14, 5)): 创建1行2列的子图布局，整体画布尺寸为14x5英寸。
• axes[0].hist(...): 在第一个子图绘制工业富联（红色）的收益率分布，分为50个柱子，alpha=0.7，点的透明度70%，颜色红色
• axes[1].hist(...): 在第二个子图绘制潍柴重机（蓝色）的收益率分布。分为50个柱子，alpha=0.7，点的透明度70%，颜色蓝色
• set_xlabel, set_title 等：分别为每个子图设置坐标轴标签和标题。
• plt.tight_layout(): 自动调整子图间距，防止重叠。

写完跑出来的图片如下：

分析目的：风险与波动性分析：

• 收益分布特征：分布是否对称？如果出现“左偏”（左边尾巴长），说明极端下跌的日子比极端上涨的日子多，风险更大。
• 极端值：可以观察到发生巨大涨幅或跌幅的频率，评估“黑天鹅”风险。

5.60日窗口相关性滚动

# 4. 计算滚动相关性（60日窗口）
rolling_corr = returns_data['return_gyfl'].rolling(window=60).corr(returns_data['return_wfzj'])

plt.figure(figsize=(12, 6))
plt.plot(rolling_corr.index, rolling_corr)
plt.title('工业富联与潍柴重机60日滚动相关系数')
plt.xlabel('日期')
plt.ylabel('相关系数')
plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)
plt.grid(True)
plt.show()

• returns_data['return_gyfl'].rolling(window=60)：对"工业富联"的收益率序列创建一个60交易日的滚动窗口；.corr(returns_data['return_wfzj'])：在每个滚动窗口内，计算它与"潍柴重机"收益率的相关系数；结果 rolling_corr 是一个时间序列，显示两者相关性如何随时间变化

• plt.figure(figsize=(12, 6))，创建图形，设置尺寸为12×6英寸
• plt.plot(rolling_corr.index, rolling_corr)，绘制滚动相关系数的时间序列折线图；X轴是时间，Y轴是相关系数值（-1到1之间）
• plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)；在y=0处添加一条浅灰色水平参考线，线的样式是“-”，透明度是30%

分析目的：动态相关性分析

• 相关性是否稳定：两只股票的关系是一直不变，还是随着时间变化？
• 市场阶段的影响：相关性在牛市、熊市或震荡市中是否有显著差异？通常市场大跌时，个股相关性会急剧升高（同跌）。
• 结构性变化点：寻找相关性发生显著、持续性变化的时点，这可能预示着行业逻辑或市场风格的转变

6.分析交易量与价格的关系

# 5. 分析交易量与价格的关系
# 计算交易量的滚动平均值（20日）
merged_data['vol_ma20_gyfl'] = merged_data['vol_gyfl'].rolling(window=20).mean()
merged_data['vol_ma20_wfzj'] = merged_data['vol_wfzj'].rolling(window=20).mean()

# 创建子图
fig, axes = plt.subplots(2, 2, figsize=(15, 10))

# 工业富联价格与成交量
axes[0, 0].plot(merged_data.index, merged_data['close_gyfl'], 'r-', label='价格')
axes[0, 0].set_ylabel('价格(元)', color='r')
axes[0, 0].tick_params(axis='y', labelcolor='r')
axes2_00 = axes[0, 0].twinx()
axes2_00.plot(merged_data.index, merged_data['vol_ma20_gyfl'], 'b-', alpha=0.5, label='成交量(20日均)')
axes2_00.set_ylabel('成交量', color='b')
axes2_00.tick_params(axis='y', labelcolor='b')
axes[0, 0].set_title('工业富联: 价格与成交量关系')

# 潍柴重机价格与成交量
axes[0, 1].plot(merged_data.index, merged_data['close_wfzj'], 'r-', label='价格')
axes[0, 1].set_ylabel('价格(元)', color='r')
axes[0, 1].tick_params(axis='y', labelcolor='r')
axes2_01 = axes[0, 1].twinx()
axes2_01.plot(merged_data.index, merged_data['vol_ma20_wfzj'], 'b-', alpha=0.5, label='成交量(20日均)')
axes2_01.set_ylabel('成交量', color='b')
axes2_01.tick_params(axis='y', labelcolor='b')
axes[0, 1].set_title('潍柴重机: 价格与成交量关系')

# 工业富联收益率分布
axes[1, 0].hist(returns_data['return_gyfl'], bins=50, alpha=0.7, color='red')
axes[1, 0].set_xlabel('日收益率')
axes[1, 0].set_ylabel('频率')
axes[1, 0].set_title('工业富联日收益率分布')

# 潍柴重机收益率分布
axes[1, 1].hist(returns_data['return_wfzj'], bins=50, alpha=0.7, color='blue')
axes[1, 1].set_xlabel('日收益率')
axes[1, 1].set_ylabel('频率')
axes[1, 1].set_title('潍柴重机日收益率分布')

plt.tight_layout()
plt.show()

• merged_data['vol_ma20_gyfl'] = ...：计算20日成交量均线，用于平滑每日波动，更好观察成交量趋势。
• plt.subplots(2, 2, figsize=(15, 10))：创建2行2列共4个子图的画布。
• fig: 代表整个大画布。axes: 是一个 2x2的数组，用于访问每一个子图。访问方式如下：
  • axes[0, 0] -> 第1行，第1列（左上角的子图）
  • axes[0, 1] -> 第1行，第2列（右上角的子图）
  • axes[1, 0] -> 第2行，第1列（左下角的子图）
  • axes[1, 1] -> 第2行，第2列（右下角的子图）

左上/右上子图：价量关系分析（核心）

• 使用 双Y轴 技巧：
  • 左Y轴（红色）：显示股票价格走势
  • 右Y轴（蓝色）：显示20日成交量均线
• 分析目的：观察价格与成交量的联动效应。通常“价升量增”是健康上涨信号，“价升量缩”可能预示趋势乏力。

左下/右下子图：收益率分布

• 绘制收益率的直方图，展示其波动范围和分布形态。
• 分析目的：评估股票的风险特征。图形越“胖”（分散）说明波动性越大，风险越高。

最终效果：将价格、成交量、收益率分布三个关键分析维度整合在一张图中，便于快速对比两只股票的综合表现。

写完跑出来的图片如下：

分析目的：技术分析与风险综合评估

上半部分（价量关系）：

• 量价配合：健康的上涨通常伴随着成交量的放大（价升量增）。如果价格上涨但成交量萎缩（价升量缩），可能预示上涨动力不足，趋势难以持续。
• 突破确认：价格突破关键位置时，是否有成交量的放大来确认突破的有效性？
• 趋势判断：成交量均线的上升或下降趋势，可以辅助判断资金是在流入还是流出该股票。

下半部分之前收益率直方图已经写了，此处放出来一个是为了多表创建的练习，一个是为了同一界面方便好看，这里不再重复。