Nous analysons l'utilisation de la technologie Python et Pandas, nous pourrons répondre à cette question dans cet article. Premièrement, nous utiliserons API gratuitement pour rechercher des cours de bitcoin et des cours des actions au cours des dernières années. Après cela, nous calculerons la corrélation entre le marché boursier et le prix tarifaire. Enfin, nous finirons par analyser les relations connexes par le biais de cartes matricielles connexes.

Parce que Bitcoin apparaît, je veux toujours savoir quel rôle dans Bitcoin joue dans notre économie. Ce qui suit est prévu que trois personnages potentiels:
Bitcoin joue toujours le rôle de la communauté éolienne et portuaire

Bitcoin après la même tendance que le marché financier

Bitcoin Prix et le marché boursier Il n'y a aucune relation ]

Veuillez utiliser Python pour voir!

Tout d'abord, utilisez Python pour obtenir le prix boursier et le prix du bitcoin

Pour obtenir notre analyse, je vais utiliser API FI FINancialModelingPrep prendra des prix Bitcoin. Ils fournissent également des données de stock gratuites, mais de vous montrer de différentes manières d'obtenir des données, je vais utiliser Pandas DigneAreader pour récupérer des données d'inventaire.

est un proxy pour nos données de marché, nous utiliserons l'indice Standard POHTO 500. L'indice standard et médiocre 500 est un indice de 500 plus grandes performances de stock de la société aux États-Unis. Nous utiliserons Pandas DigneArer pour télécharger les prix SP500 et Fed (Fred) comme source.

Si vous n'avez jamais utilisé Pandas Datareader et Pandas, vous devez installer le paquet. Vous pouvez utiliser la commande PIP pour le faire.

Trop bien, nous pouvons maintenant utiliser Python pour récupérer des données. Premièrement, nous allons extraire les cours des actions S & P500 au cours de la dernière décennie. Notez qu'en utilisant le web.datreader et spécifier le nom de série (c.-à-d. SP500) et le fournisseur (ce qui signifie que nous pouvons facilement obtenir le malLa série Panda sera-t-elle nommée SP500.

La ligne de code ci-dessus retournera en dessous de la ligne S & P 500 PUR, contenant le prix au cours des 10 dernières années: pip install pandas_datareader #Pandas data reader may not work with the latest Pandas version,therefore, I recommend you to install Pandas version 0.24:pip install pandas==0.24.2

pd.core.common.is_list_like = pd.api.types.is_list_likeimport pandas_datareader.data as webimport datetimestart = datetime.datetime(2010, 1, 1)end = datetime.datetime(2020, 2, 10)SP500 = web.DataReader(['sp500'], 'fred', start, end)print(SP500)

import requests#BTCUSD contains a dictionaryBTCUSD = requests.get('https://financialmodelingprep.com/api/v3/historical-price-full/crypto/BTCUSD')BTCUSD = BTCUSD.json()BTCUSD = BTCUSD['historical']

print(BTCUSD)[{'date': '2020-02-15', 'open': 10315.651367, 'high': 10341.555664, 'low': 10226.138672, 'close': 10244.959961, 'adjClose': 10244.959961, 'volume': 42347495424.0, 'unadjustedVolume': 42347495424.0, 'change': 70.69141, 'changePercent': 0.685, 'vwap': 10270.88477, 'label': 'February 15, 20', 'changeOverTime': 0.00685}, {'date': '2020-02-14', 'open': 10211.... .... ...]}

BTC = pd.DataFrame.from_dict(BTCUSD)BTC.set_index('date',inplace=True)#Keep only the close columnBTC = BTC['close']#Rename the column name to BTCBTC.columns = ['BTC']BTC






. SP500BTC = BTC.merge(SP500, how='inner',right_index = True,left_index=True)#Drop NA since we have nan values for weekends.S&P500 only trades business daysSP500BTC.dropna(inplace=True)print(SP500BTC)

Deuxièmement, le débit bitecoin

nous mettra en œuvre l'API finalialModelingPrepePEPEPEP. Nous enverrons une demande HTTP Obtenir au point d'extrémité de l'API, retournerons un dictionnaire contenant historique BTC Price: correlation = SP500BTC.corr()print(correlation)###Result:BTC sp500BTC 1.000000 0.834106sp500 0.834106 1.000000

Nous analysons le dictionnaire dans le nom de la clé d'historique.

Maintenant, en visionnant le contenu de la variable BTCUSD, nous pouvons voir que BTCUSD est la liste de dictionnaires et chaque élément de la liste est un autre jour de prix Bitcoin. Les prix BTC sont stockés sous des prix de clôture importants.

Exemple: Nous voyons le 15 février, le prix Bitcoin est de 10 244 $.

Nous devons convertir la liste de dictionnaires en Pandas Dataframe. Nous pouvons facilement faire cela avec pd.dataframe.from_dict (): Enfin, nous obtenons BTC en deuxPandas Data Cadre et S & P Price 500. Maintenant, nous devons simplement les fusionner ensemble. Heureusement, il est facile de le faire avec Python et Pandas. Nous pouvons utiliser PD.Merge pour connecter deux systèmes de données sur l'index car l'index contient la date. Par conséquent, nous voulons participer au prix de l'indice S & P 500 et BTC au cours de la bonne journée. Nous pouvons transférer à droite_index et à gauche_index correctement avec les paramètres, laissez Pandas savoir que nous souhaitons utiliser cet index pour fusionner. Troisièmement, la relation entre Bitcoin et S & P 500 Prix Trop bien, nous avons préparé de bonnes données analysées. Nous pouvons maintenant continuer à trouver une relation entre les stocks et les prix Bitcoin. À cette fin, nous pouvons utiliser Pandas Dataframe.corr () pour trouver la corrélation de la colonne Pandas de Dataframe: Quatrième, comment expliquer la corrélation entre BTC et CPoint S & P 500? La plage de la valeur de la matrice de corrélation varie de -1 à 1. près de +1 signifie que deux variables sont étroitement déplacées dans la même direction. Il n'y a pas de relation entre la valeur de 0 indiquant la variable. La corrélation négative indique que la variable se déplace dans différentes directions. Plus de -1, plus la relation d'inversion. En étudiant nos résultats, nous avons constaté qu'il y avait une forte corrélation positive entre les prix Bitcoin et seulement 500 de normes et de pauvreté. Cela signifie que lorsque le prix du marché boursier augmente, on peut s'attendre à ce que Bitcoin augmente avec le vent. La couleur rouge signifie que cette relation est plus forte. Nous pouvons également vérifier si cette relation est statistiquement significative: Parce que notre valeur P est inférieure à 0,05, nous pouvons refuser H0, pour que nous puissions répéter que Bitcoin et les cours des actions se déplacent ensemble. ans, fin À l'aide de Python et de Pandas, nous avons analysé la relation entre le marché boursier et les prix Bitcoin.Selon nos résultats analytiques, on peut dire que le prix de la BTC et S & P500 vers la même direction. Sait que cette relation est également très intéressante dans le cycle économique de la récession économique.Pour effectuer cette analyse, nous devrions peut-être attendre un moment, car au cours des dernières années, nous avons vécu dans l'économie élargie. Voir le scénario complet ci-dessous: