利用TuShare计算各股票间的相关性和协方差

其实投资股票分两种，一种是技术分析，一种是基本面分析（这不是废话吗？）。 在做基本面分析的时候除了要了解和分析报表外，还要计算各股票间的相关性和波动率。为啥？根据美国大牛学者研究得出，投资组合间的个股相关性越低，抵抗风险能力越强。记得我看到一篇56年发表的论文，大概20只股票就可以达到“相同的收益，更低的风险”的效果。

废话少说，TuShare是一个免费、开源的python财经数据接口包，有兴趣的童稚可以到www.tushare.org了解更多。

下面直接附上代码：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun May 28 07:47:14 2017

@author: 分c君_BingWong
"""
import tushare as ts
from pandas import DataFrame

#先建立一个字典，用来存储股票对应的价格
all_data = {}
#遍历list里面的股票，可以写入多个股票
for ticker in ['601398', '601939', '601857', '600028']:
    #获取各股票某时段的价格
    all_data[ticker] = ts.get_k_data(ticker, '2015-01-01', '2017-05-26')
#用for循环遍历股票价格并转换为dataframe的形式
price = DataFrame({tic: data['close']
                    for tic, data in all_data.items()})
#计算股票价格每日变化
returns = price.pct_change()
#计算相关性
corr=returns.corr()
#计算协方差
cov=returns.cov()

print(corr)
print(con)