تجزیه و تحلیل بنیادی و احساساتی با منابع مختلف داده

تجزیه و تحلیل فنی قیمت و تاریخ حجم امروزه آن را به تنهایی کاهش نمی دهد. وقتی می خواهیم سرمایه گذاری ارزش را انجام دهیم و یا ارزش ذاتی یک امنیت را اندازه گیری کنیم ، باید یک تحلیل اساسی از امنیت انجام دهیم.

برای انجام تجزیه و تحلیل بنیادی ، ما به داده ها ، داده های زیادی نیاز داریم. ما می خواهیم داده های اساسی در قالب نسبت ها ، صورتهای مالی ، درآمد و غیره داشته باشیم. از این گذشته همچنین می توانیم از داده های کلان اقتصادی مانند تولید ناخالص داخلی ، نرخ بیکاری ، شاخص قیمت مصرف کننده استفاده کنیم.

اخیراً اخبار و توییت های مالی در تجزیه و تحلیل احساسات برای کمک به معامله گران در تصمیمات خود استفاده می شود.

ما به هر یک از این انواع مختلف داده ها نگاه خواهیم کرد و ارائه دهندگان داده های مناسبی را برای آنها می یابیم و نمونه ای از کد پایتون نحوه مصرف این موارد را ارائه می دهیم.

تمام نمونه های کد در Google Colab ساخته شده است ، اما البته می تواند در هر سرور نوت بوک Jupyter یا هر محیط پایتون اجرا شود.

این مقاله به شرح زیر سازماندهی شده است:

• داده های اساسی
• داده های اقتصاد کلان
• تقویم درآمد
• داده های اخبار مالی
• داده های توییتر
• داده های احساساتی

داده های اساسی

داده های اساسی شامل نسبت های مالی برای غربالگری اولیه مالی یک شرکت ، به عنوان مثال ، نسبت قیمت به سود (PE) ، نسبت ارزش به کتاب (PBV) ، بازده سهام (ROE) ، نرخ رشد سالانه مرکب (CAGR) ،نسبت فعلی ، عملکرد سود سهام و غیره

این همچنین شامل صورتهای مالی اصلی است که برای ارزیابی یک تجارت ، ترازنامه ، بیانیه درآمد و بیانیه جریان نقدی استفاده می شود. این داده های ارزشمند را می توان به راحتی از یاهو بازیابی کرد! امور مالی و البته یک بسته پایتون برای این کار وجود دارد ، ما از Yahoofinancials استفاده خواهیم کرد.

سایر ارائه دهندگان مشهور داده های اساسی (با یک بسته پایتون) quandl و intrinio هستند. بیایید ببینیم که چگونه می توانید اکنون این اطلاعات را بازیابی کنید.

نسبت مالی

با چاپ متغیرها می توانید نسبت ها را بررسی کنید.

صورتهای مالی

فرکانس صورتهای مالی می تواند "سالانه" یا "سه ماهه" باشد و نوع "درآمد" ، "پول نقد" ، "تعادل" یا هر ترکیبی از این موارد خواهد بود.

خوانده شده پیشنهادی

• آنچه هر معامله گر باید در مورد داده های بازار بداند
• عملیات اساسی در مورد داده های سهام با استفاده از پایتون
• چگونه می توان داده های بازار تاریخی را از طریق API سهام پایتون دریافت کرد

داده های اقتصاد کلان

اقتصاد کلان شاخه ای از اقتصاد است که اقتصاد را به طور کلی مطالعه می کند. این بر سه چیز متمرکز است: تولید ملی (تولید ناخالص داخلی) ، نرخ بیکاری و تورم.

می توانید داده های کلان اقتصادی را از Yahoo! دریافت کنید. امور مالی یا Quandl ، اما در طول تحقیقاتم ، DBNOMICS جالب ترین را پیدا کردم.

شما می توانید پایگاه داده را به صورت آنلاین از طریق لینک بالا برای هر شاخص اقتصادی که نیاز دارید جستجو کنید و از کد سری زمانی به طور مستقیم در کد پایتون خود استفاده کنید. برای بازیابی نرخ بیکاری، به عنوان مثال، می توانیم از کد زیر استفاده کنیم، به یاد داشته باشید که واکشی یک سری همیشه منجر به یک دیتافریم پاندا می شود.

خروجی به صورت زیر است:

@فرکانس

ارائه دهنده_کد

مجموعه_کد

مجموعه_نام

سری_کد

نام_سریال

دوره_اصلی

دوره زمانی

ارزش اصلی

ارزش

فرکانس

واحد

جغرافیایی

فرکانس

واحد

کشور

0

نرخ بیکاری: کل: - کشورهای عضو: تعریف.

سالانه (درصد جمعیت فعال) .

(درصد جمعیت فعال)

1

نرخ بیکاری: کل: - کشورهای عضو: تعریف.

سالانه (درصد جمعیت فعال) .

(درصد جمعیت فعال)

2

نرخ بیکاری: کل: - کشورهای عضو: تعریف.

سالانه (درصد جمعیت فعال) .

(درصد جمعیت فعال)

3

نرخ بیکاری: کل: - کشورهای عضو: تعریف.

سالانه (درصد جمعیت فعال) .

(درصد جمعیت فعال)

4

نرخ بیکاری: کل: - کشورهای عضو: تعریف.

سالانه (درصد جمعیت فعال) .

(درصد جمعیت فعال)

اکنون برای یک مثال پیچیده تر، ما در حال بازیابی شاخص قیمت مصرف کننده (CPI) برای فرانسه و آلمان از مجموعه داده های صندوق بین المللی پول برای پنجره زمانی 2000-2002 هستیم:

خروجی باید به صورت زیر باشد:

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

شاخص قیمت مصرف کننده (CPI)

ماهنامه آلمان ارتباطات

تقویم درآمد

سود به سود یک شرکت در یک فصل یا سال مالی معین اشاره دارد. سود یک رقم مهم برای تجزیه و تحلیل سودآوری یک شرکت است.

سود یک شرکت در بسیاری از نسبت های رایج استفاده می شود. می توان آن را با برآوردهای درآمد تحلیلگر، عملکرد گذشته شرکت یا در مقابل همتایان خود در همان صنعت مقایسه کرد. سود می تواند تأثیر زیادی بر قیمت سهام داشته باشد و در نتیجه این رقم در معرض دستکاری بالقوه است.

ما از بسته مفید پایتون yahoo_eaings_calendar برای بازیابی تاریخ های دقیقی که یک شرکت اطلاعات درآمد خود را منتشر می کند استفاده می کنیم.

اطلاعات تاریخ درآمد را در یک تاریخ خاص یا در یک محدوده تاریخی دریافت کنید

خروجی به صورت زیر است:

تمام داده های درآمد موجود از یک نماد خاص را دریافت کنید

خروجی به صورت زیر است:

خوانده شده پیشنهادی

• داده ها و تجزیه و تحلیل بازار سهام در پایتون
• نحوه نصب بسته های پایتون

داده های توییتر

داده های توییتر یا توییت یک منبع اطلاعاتی ارزشمند برای تجزیه و تحلیل است.

API توییتر به خوبی مستند است ، و آن را به مکانی عالی برای شروع به ایجاد مجموعه داده های شخصی خود تبدیل می کند. توییتر دارای دو نوع API است: یک API آرام و API جریان. اگر می خواهید توییت های واقعی را تجزیه و تحلیل کنید ، باید از API جریان استفاده شود. هرگونه بروزرسانی در توییتر فوراً در مورد برنامه شما نیز منعکس می شود.

برای استفاده از API توییتر ، باید این مراحل را دنبال کنیم:

1. ما ابتدا به یک حساب توسعه دهنده توییتر نیاز داریم ، در اینجا.
2. سپس ما باید یک برنامه جدید ایجاد کنیم. قسمتهای مورد نیاز را پر کنید.(اگر وب سایت ندارید ، می توانید از یک مکان نگهدارنده استفاده کنید.)
3. روی برگه Keys و Tokens کلیک کنید و یک کلید Access Token و Access Token Secret را ایجاد کنید.(کلید مخفی مصرف کننده و مصرف کننده باید از قبل قابل مشاهده باشد.)

ما از بسته Python Tweepy استفاده می کنیم که باعث می شود زندگی ما با API توییتر و روند احراز هویت OAUTH آن آسان شود. ما می توانیم برای یک کاربر خاص توییت دریافت کنیم ، توییت در مورد یک موضوع خاص ، مباحث گرایش و غیره.

فراموش نکنید که کلیدها را با کلیدهای تازه خود که تازه ایجاد کرده اید جایگزین کنید.

گزینه های دیگر برای کتابخانه Tweepy عبارتند از Nodexl ، Sifter توسط Texifer ، Podargos ، ExportTweet و DiscoverTest.

خوانده شده پیشنهادی

• استفاده از تجزیه و تحلیل احساسات در تجارت: کجا کار می کند؟
• تجارت کمی با استفاده از تجزیه و تحلیل احساسات

داده های اخبار مالی

آیا می دانید 30 ٪ عناوین مالی با یک الگوی خاص متناسب هستند؟

ما می توانیم از داده های خبری مالی فیلتر شده در یک شرکت خاص ، شخص ، گروهی از شرکت ها ، بخش ، موضوع ، کلاس دارایی یا مکان استفاده کنیم.

ایده این است که تجزیه و تحلیل احساسات را بر روی داده های بازیابی شده انجام دهید و بر این اساس سیگنال های معاملاتی ایجاد کنید.

وقتی تحقیقاتم را انجام دادم ، از ارائه دهنده اخبار مالی CityFalCon بسیار تحت تأثیر قرار گرفتم ، اما آنها برنامه رایگان نداشتند ، بنابراین من در نهایت تصمیم گرفتم با API News بروم.

مثل همیشه ، ما یک ارائه دهنده را انتخاب کرده ایم که یک بسته بندی بسته بندی پایتون مفید برای API آن وجود دارد.

می توانید یک حساب کاربری رایگان ایجاد کنید و کلید API خود را از اینجا دریافت کنید.

به عنوان مثال سریع ، ما عناوین برتر و کلیه مقالات را در یک پنجره زمانی (01/12/2020-07/12/2020) که از بیت کوین استفاده می کنیم ، بازیابی می کنیم. همچنین می توانید ببینید که ما می توانیم منابع و دامنه های خود را برای دریافت اطلاعات خبری از اخبار خاص ارائه دهیم.

خروجی به صورت زیر است:

سایر ارائه دهندگان اخبار مالی با API عبارتند از:

• دیواری
• شهر
• IEX
• اخبار گوگل
• بلومبرگ
• بیت دیو
• API StockNews

خوانده شده پیشنهادی

• روش سنجش اخبار برای تجارت خودکار
• تجزیه و تحلیل اخبار کمی: سودآوری در مقابل مشکلات

داده های احساساتی

هدف نهایی ، پس از بازیابی توییت ها و/یا داده های خبری ، محاسبه احساسات هر مقاله/توییت است تا بتوانیم سیگنال های تجاری از آنها ایجاد کنیم.

در طول تحقیقاتم ، من واقعاً Sentdex را دوست داشتم. این API به شما امکان می دهد داده های احساسات را برای طیف گسترده ای از ابزارهای مالی بارگیری کنید. داده ها در یک دقیقه یا یک روز دانه بندی موجود است. آنها حتی سیگنال های تجاری را ارائه می دهند و از API REST استفاده می کنند که می توانید با یک کتابخانه پایتون مانند درخواست ها مصرف کنید.

متأسفانه ، آنها فقط یک سرویس پولی دارند.

از آنجا که من گزینه های خوبی برای Sentdex پیدا نکردم ، تصمیم گرفتم خودمان را با بسته عالی NLTK Python (ابزار طبیعی زبان) خود تجزیه و تحلیل احساسات خود را انجام دهیم.

در حال حاضر نصب شده است اگر از محیط Google Colab استفاده می کنید ، فقط باید واژگان (لیست کلمات با رتبه مثبت ، خنثی یا منفی) را برای آنالایزر احساسات Vader بارگیری کنیم. وبلاگ در مورد تجزیه و تحلیل احساسات Vader به شما می دهد که چگونه می توان از داده های توییتر برای تجارت در بازارهای سهام استفاده کرد.

خوانده شده پیشنهادی

• استراتژی و شاخص های تجارت احساسات - قسمت 1
• شاخص ها و استراتژی های معاملاتی احساسات - قسمت 2

نتیجه

بسیاری از افراد متقاضی وجود دارند که به تنهایی به داده های قیمت اعتماد نمی کنند و در عوض استراتژی های معاملاتی خود را با سایر داده ها مانند اصول ، داده های کلان اقتصادی ، داده های اخبار مالی ، توییت و داده های احساسات تقویت می کنند. این منجر به یک استراتژی تجاری قوی تر با به حداقل رساندن ریسک می شود. شما در این مقاله نحوه بازیابی این نوع داده ها از چندین منبع را مشاهده کرده اید. می توانید استراتژی های معاملاتی را با دوره اخبار و توییت ها طی کنید تا در مورد نحوه استفاده از داده های جایگزین برای تجارت بیشتر بدانید.

سلب مسئولیت: کلیه داده ها و اطلاعات ارائه شده در این مقاله فقط برای اهداف اطلاعاتی است. Quantinsti® در مورد صحت ، کامل بودن ، جاری بودن ، مناسب بودن و یا اعتبار هرگونه اطلاعات در این مقاله هیچ گونه نمایشی ندارد و مسئولیت هرگونه خطا ، حذف یا تأخیر در این اطلاعات یا هرگونه ضرر ، صدمات یا خسارت ناشی از آن نخواهد بودنمایش یا استفادهتمام اطلاعات به صورت as-is ارائه می شود.