马克西姆·霍普曼 ( Maxim Hopman ) 在Unsplash上拍摄的照片MAANG 股票在过去十年中大幅上涨。这些股票在纳斯达克 100 指数中的权重超过 35%，往往会影响市场。这些巨头近期股价的下跌，引起了市场上每一位投资者的

 

马克西姆·霍普曼 ( Maxim Hopman ) 在Unsplash上拍摄的照片MAANG 股票在过去十年中大幅上涨这些股票在纳斯达克 100 指数中的权重超过 35%，往往会影响市场这些巨头近期股价的下跌，引起了市场上每一位投资者的关注。

本项目旨在探索这些庞大的科技股在过去一年（即2021年5月至2022年4月）的股价表现您需要为此项目安装 pandas-datareader 才能工作它允许您直接从互联网上阅读股票信息在控制台中键入pip install pandas-datareader

以导入包首先，让我们导入所有必要的库from pandas_datareader importdata, wb import pandas as pd import numpy as np import

datetime import matplotlib.pyplot as plt %matplotlib inlineimport seaborn as snsEDA 只关注去年的表现因此，我们将如前所述定义日期。

开始 = datetime.datetime(2021,5,1) 结束 = datetime.datetime(2022,4,30)您可以使用以下链接了解可用于获取数据的各种来源我使用雅虎作为来源# Meta/Facebook

FB = data.DataReader(“FB”, yahoo, start, end)# Amazon AMZN = data.DataReader(“AMZN”, yahoo, start, end)

# Apple AAPL = data.DataReader(“AAPL”, yahoo, start, end)# Netflix NFLX=data.DataReader(“NFLX”, yahoo

, start, end)# Google GOOG = data.DataReader(“GOOG”, yahoo, start, end)#Nasdaq NDX = data.DataReader(“NDX”,

yahoo, start, end)# 也可以这样做来导入多只股票的数据df = data.DataReader(["FB","AMZN","AAPL","NFLX","GOOG","NDX"],yahoo

, start, end )创建一个代码列表股票代码 = [“FB”,”AMZN”,”AAPL”,”NFLX”,”GOOG”,”NDX”]#结合所有股票的数据创建一个时间序列数据框maang_stocks = pd.concat([FB,AMZN,AAPL,NFLX,GOOG,NDX],axis=1,keys=tickers)。

#define 列名 maang_stocks.columns.names= [MAANG Ticker,"Stock_Info"]这就是数据框的样子！maang_stocks.head()

数据框——图 1这是一个包含两列的多级数据框——“MAANG Ticker”和“Stock_Info”，其中包含各个股票的开盘价、最高价、最低价、收盘价和调整后的收盘价maang_stocks.columns。

输出：MultiIndex([(FB, High), (FB, Low), (FB, Open), (FB, Close), (

FB, Volume ), (FB, Adj Close), (AMZN, High), (AMZN, Low), (

AMZN, Open), (AMZN, Close), (AMZN, Volume), (AMZN, Adj Close), (

AAPL, High), (AAPL, Low), (AAPL, Open), (AAPL, Close), (

AAPL, Volume), (AAPL, Adj Close), (NFLX, High), (NFLX, Low), (

NFLX, Open), (NFLX, Close), (NFLX, Volume), (NFLX, Adj Close), (

GOOG, High), (GOOG, Low), (GOOG, Open), (GOOG, Close) , (

GOOG, Volume), (GOOG, Adj Close), (NDX, High), (NDX, Low), (

NDX, Open), (NDX, Close), (NDX, Volume), (NDX, Adj Close)], 名称=[

MAANG Ticker, Stock_Info])让我们从简单查询的 EDA 开始#52周最高收盘价maang_stocks.xs(key="Close",axis=1,level="Stock_Info").max().round(2)输出：。

MAANGTicker FB382.18 AMZN3731.41 AAPL182.01 NFLX691.69 GOOG3014.18 NDX16573.34 dtype ：float64#52周低点收盘价maang_stocks.xs(key="Close",axis=1,level="Stock_Info").min().round(2)输出：

MAANGTicker FB174.95 AMZN2485.63 AAPL122.77 NFLX188.54GOOG 2239.08 NDX12854.80 dtype ：float64#计算平均值maang_stocks.xs(key="Close",axis=1,level="Stock_Info").mean().round(2)输出：

MAANGTicker FB308.43 AMZN3298.28 AAPL153.46 NFLX511.43 GOOG2711.42 NDX14849.83 数据类型：float64所有股票的 52 周低点与均值有显着变化。

这 xs() 函数用于从系列中获取横截面它需要一个关键参数来选择多索引特定级别的数据让我们找出股票之间的皮尔逊相关性stock_corr = maang_stocks.xs(key=”Close”,axis=1,level=”Stock_Info”).corr()stock_corr 输出：。

相关表 Fig.2上表的热图将是可视化 MAANG 股票与纳斯达克 100 之间相关性的更好方法。sns.heatmap(stocks_corr,cmap=”flare”,annot=True)

热图 - 图 3正如我们可以从上面的热图中破译的那样谷歌与纳斯达克 100 指数有很强的正相关性（0.9）Facebook/Meta 与 Netflix 具有很强的正相关性（0.81）但是，它与谷歌的正相关性很弱。

苹果与 Facebook 呈中度负相关。它还与 Netflix 和亚马逊存在弱负相关。我们可以进一步探索与聚类图的相关性。

集群图图 4正如我们所看到的，顺序发生了变化，具有高相关性的股票在集群图中被组合在一起这表明Netflix 和亚马逊具有很强的正相关性您还可以尝试通过创建配对图来查找股票之间的关系sns.pairplot。

(maang_stocks.xs(key=”Close”,axis=1,level=”Stock_Info”),height=1.5)

配对图 图 5对图中的差距显示了股票之间的显着离散关系以及大量的价格变动然而，谷歌与纳斯达克的关系几乎是连续的和线性的接下来，我们可以尝试通过绘制折线图来找到股票的比较趋势maang_stocks.xs

(key=”Close”,axis=1,level=”Stock_Info”).plot() plt.legend(bbox_to_anchor = (1.1,1))

折线图 图 6如您所见，由于数据点的巨大差异，很难从上面的折线图中识别趋势对于这个问题，我们可以将收盘价的第一个数据点作为参考值通过将时间序列中的其他数据点除以参考点，我们可以对数据集进行归一化reference_value

= maang_stocks.xs(key=”Close”,axis=1,level=”Stock_Info”).iloc[0]#iloc[0] 是系列中第一个日期的收盘价#通过将收盘价除以参考值创建一个临时数据集tmp_maang_stocks = maang_stocks.xs(key=。

"Close",axis=1,level="Stock_Info")/(reference_value) * 100 - 100 #使用新数据集绘制折线图tmp_maang_stocks.plot(figsize=(10,7))

plt.legend(bbox_to_anchor=(1.04,1))输出：

折线图 图 7上图显示了Netflix 到 2021 年 11 月的积极趋势，并从 2021 年 12 月开始逆转直到 2021 年 12 月，苹果都呈现出积极的趋势股价呈弱负走势谷歌也观察到了类似的趋势。

自 2022 年 1 月以来，Facebook /Meta 表现出强劲的下滑趋势让我们以绝对值来检查过去 12 个月的表现last_day_price = maang_stocks.xs(key=”Close”,axis=1,level=”Stock_Info”).iloc[-1]first_day_price = maang_stocks.xs(key=”Close”,axis=1,level=”Stock_Info”).iloc[0]one_year_return = ((last_day_price/first_day_price)-1)*100one_year_return.sort_values(ascending=False).round(2)输出：。

MAANGTicker AAPL19.92 GOOG-4.60 NDX-7.26 AMZN-28.31 FB-38.33 NFLX-62.93数据类型：float64#为输出绘制条形图one_year_return.sort_values().plot(kind

="barh",title="一年回报")输出：

一年回报图 8Netflix 去年市值缩水 60% 以上，Facebook/Meta 市值缩水近 40%苹果是唯一一只获得正回报（~20%）的 MAANG 股票每日收益数据框将帮助我们找到股票的波动性# 为返回创建一个新的空白数据框返回 = pd.DataFrame()对于股票报价：

returns[tick+Return] = maang_stocks[tick][Close].pct_change()returns.head( )returns = pd.DataFrame()

每日回报图 9# 日内最大涨幅(%)(returns.max().sort_values(ascending=False)*100).round(2)输出：FB返回 17.59 AMZN返回 13.54

NFLX返回 11.13 GOOG返回 7.37 AAPL返回 6.98 NDX返回 3.70 dtype：float64#最大日内损失(%)(returns.min().sort_values()*100).round(2)输出：

NFLX返回 -35.12 FB返回 -26.39 AMZN返回 -14.05 GOOG返回 -4.68 NDX返回 -4.47 AAPL返回 -3.93#标准差(%)(returns.std().sort_values(ascending=False)*100).round(2)输出：

NFLX返回 3.43 FB返回 2.93 AMZN返回 2.26 GOOG返回 1.68 AAPL返回 1.60 NDX返回 1.43 dtype：float64正如输出所示，Netflix 是波动最大的股票

。盘中最大跌幅约为 35%。sns.distplot(returns[NFLX Return],color=blue,bins=100)

Netflix 分布图 图 10为了深入挖掘，我们可能想看看 MAANG 股票成为最大输家的日期返回.idxmin()输出：FB返回2022-02-03AMZN返回2022-04-29AAPL返回2021。

-12-16NFLX返回2022-04-20GOOG返回2022-01-05NDX返回2022-04-29正如我们所见，最大的盘中损失发生在 2022 年 1 月之后我们可以为 FY23 的 MAANG 股票创建一个时间序列，即从 2022 年 1 月到 2022 年 4 月。

FY23 = maang_stocks.xs(key=”Close”,axis=1, level=”Stock_Info”).loc[“2022–1–1”:]#23 财年的绝对回报FY23_returns = (((FY23.iloc[-1]/FY23.iloc[0])-1)*100).sort_values()

FY23_returns.plot(kind="barh")输出：

FY23 绝对回报图 11所有股票在 23 财年均录得负回报自 2022 年 1 月以来，Netflix 已下跌近 70%我们可以重新检查 FY23 的相关热图FY23_corr= FY23.corr() sns.heatmap(FY23_corr,annot=True)输出：。

FY23 相关热图 图 12所有股票都与纳斯达克表现出很强的正相关性Facebook/Meta 与 Netflix 具有很强的正相关性通过每月对回报进行重新抽样我们可以查看股票的月度表现monthly_returns。

= return.resample(M).agg(lambda x: (x + 1).prod() — 1)每月回报*100输出：

月度收益图 13从上表可以清楚地看出，Netflix 在 2022 年 4 月的市值缩水了近 50%每支 MAANG 股票在同月的跌幅都超过了 9%Facebook/Meta 在 2022 年 2 月损失了约 32%。

#负回报的月份数monthly_returns.le(0).sum().sort_values(ascending=False)NFLX 返回 9 AMZN返回 7 FB返回 6 AAPL返回 6 GOOG

返回 6 NDX返回 6 dtype：int64Netflix 在 12 个月中有 9 个月都出现了负回报关键要点：自 2022 年 1 月以来，这些股票显示出中度至强正相关性谷歌与纳斯达克关系密切Netflix 和 Facebook/Meta 是波动最大的 MAANG 股票

自 2022 年 1 月以来，股票表现出强烈的负面趋势苹果是唯一一只在一年内实现正回报的 MAANG 股票Netflix 是表现最差的股票，其次是 Facebook/Meta这是我的第一个 EDA 项目。

您的反馈很有价值

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186