金融时间序列（一）

2000

收藏 2017-10-10

以下内容转自数析学院，只节选了部分，有需要的同学可以直接查看原文

在金融学中遇到的最重要数据类型之一是金融时间序列，即以日期时间为索引的数据。本节主要通过几个金融环境的案例，学习使用 Python 以及 Pandas 库进行时间序列建模分析。

主要内容包括：

Pandas 库的 DataFrame、Series 对象的基本方法以及可视化功能
Pandas 中处理时间索引的方法
读取来自 Web的数据、CSV 文件、高频数据，并进行规整
使用一些指标、回归方法分析数据

复制代码

一、pandas 基础

复制代码

1、使用 DataFrame 类的第一步

复制代码

Index([u'a', u'b', u'c', u'd'], dtype='object')

复制代码

Index([u'numbers'], dtype='object')

复制代码

numbers 30Name: c, dtype: int64

复制代码

numbers 100dtype: int64
2、使用 DataFrame 类的第二步

复制代码

上内容转自数析学院，如需完整内容可以直接查看原文

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

西门高

2017-10-10 10:38:23

谢谢分享

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

张建平

2017-10-10 11:07:56

任何行业或学科领域，变量都可以简单分为三种，时点变量（时点数、状态量、存量），时段变量（时段数、过程量、流量）和常数（系数）。前两者都是涉及到“时间”概念。
      人们的所有认识，都是在观察事物在某一时点上的存在状态（存量），并通过不同时点上是状态对比来研究其“流动变化”（流量）。时点t是最基本的存量，时段Δt是最基本的流量。
      不同性质的变量之间，是不可以进行加减乘除四则运算的，这是最基本的变量逻辑规则。也就是不同性质的变量是不可以构成一个笛卡尔坐标系的（二维或者多维），或者说一个笛卡尔坐标系当中的所有维度必须都是同性质的。
      主帖所谓“时间序列”，性质不详。做数据分析这一行，如果没有变量逻辑意识，就会将数据混用进而产生大量的无意义垃圾数据和结果。