沪深300指数和沪深300ETF 对比分析
所属分类 quant
浏览量 420
import pandas as pd
hs300file = "/data/hs300.txt"
hs300etffile = "/hs300etf.txt"
hs300df = pd.read_csv(hs300file)
hs300etfdf = pd.read_csv(hs300etffile)
# 筛选列
hs300df = hs300df[["time","close"]]
hs300etfdf = hs300etfdf[["time","close"]]
# 重命名列
hs300df.columns=["time","hs300"]
hs300etfdf.columns=["time","hs300etf"]
# 根据时间字段 合并 join
df = pd.merge(hs300df,hs300etfdf,how='inner',on='time')
# 除以第一个值 方便进行对比
df["hs300_1"] = df["hs300"] / df["hs300"][0]
# 除以第一个值 方便进行对比
df["hs300etf_1"] = df["hs300etf"] / df["hs300etf"][0]
# 偏差值
df["dif"] = df["hs300_1"] - df["hs300etf_1"]
# 画图
df[["hs300_1","hs300etf_1"]].plot()
df[["dif"]].plot()
# 根据时间过滤
df[df["time"]>="2022-08-25"][["hs300_1","hs300etf_1"]].plot()
df[df["time"]>="2022-08-25"][["dif"]].plot()
df.head()
df.tail()
上一篇
下一篇
2023中国量化科技白皮书数据解读
AIGC术语
numpy polyfit 多项式拟合
时序数据趋势判断
沪深300 线性回归画趋势线
线性回归中常见的一些统计学术语(RSE RSS TSS ESS MSE RMSE R2 Pearson's r)