Merhaba, bugün size Python ile yapılan bir borsa analizi projesinin detaylarını anlatacağım. İlk olarak projemizi kütüphaneleri içeri aktararak başlıyoruz.
Kütüphanelerin içe aktarılması
import pandas_datareader.data as web
import datetime
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inlineKütüphanelerimizi tanımladıktan sonra borsa analizimiz için başlangıç ve bitiş tarihlerini belirleyelim.
start = datetime.datetime(2021, 1, 1)
end = datetime.datetime(2022, 2, 25)Pandas Datareader ile veri çekme
Verileri internet üzerinden çekmek için pandas datareader kullanacağız. Pandas Datareader, farklı kaynaklardan veri almak için kullanabileceğimiz bir Python kütüphanesidir. Bu kaynaklar arasında Yahoo Finance, Google Finance, Morningstar, IEX, ve daha birçok popüler veri kaynağı bulunmaktadır. Örneğin, Google hisse senedi verilerini çekmek için aşağıdaki kodu kullanabiliriz:
google = web.DataReader("GOOGL", "yahoo", start, end)Yukarıdaki kod bölümü sayesinde veri çekme işlemimizi gerçekleştirdik ve şu anda nerede olduğumuzu tarih aralığında Google’ın hisse senedi haklarını inceleyebiliriz.
Veri Analizi ve Görselleştirme
Çektiğimiz verileri analiz etmek ve görselleştirmek için çeşitli araçları kullanabiliriz. Örneğin, belirli bir zaman diliminde Google hisse senedinin açılışı, devam ediyor, en yüksek ve en düşük fiyatları gösteren bir grafik gösteriniz:
google.head()google.tail()yukarıdaki kodlarla, değişimlerimiz tarih aralığıki Google hisse senedi verilerinin ilk ve son 5 gününde ki değişim tablosunu çıkardık.
google['Open'].plot(label='GOOGL Açılış Fiyatı', figsize=(16, 8))
google['Close'].plot(label='GOOGL Kapanış Fiyatı')
google['High'].plot(label='GOOGL En Yüksek Fiyat')
google['Low'].plot(label='GOOGL En Düşük Fiyat')
plt.legend()
plt.title('Google Hisse Senedi Fiyatları')
plt.ylabel('Hisse Senedi Fiyatı')
plt.show()
Yukarıdaki kod blokları sayesinde, belirli zaman aralıklarında Google’ın açılışı, devamı, hacim gibi güçte grafik üzerinde görüntülendik.
Şimdi büyük üç otomobil ve motor şirketi, yani TESLA, FORD VE GENERAL MOTORS’un kendi finansal koşullarını inceleyelim.
Google verilerini çektiğimiz gibi, pandas datareader kullanarak şirketlerin verilerini de çekmiş oluyoruz.
Yukarıdaki kod satırlarıyla elde ettiğimiz veriler bir CSV dosyasına dönüştürülür.
Yukarıdaki kod bloklarıyla, şirketlerin açılış fiyatlarını karşılaştıran bir grafik oluşturduk.
Aralarındaki kod satırlarıyla, üç şirketin toplam ticaretini karşılaştırdık.
Hareketli Ortalama
İstatistikte (rolling average veya running average) olarak bilinen, tam veri kümesinin farklı alt kümelerinin ortalamasını oluşturarak veri noktalarını analiz etmek için kullanılan bir hesaplamadır. Bu ayrıca hareketli ortalama (MM) veya yuvarlanan ortalama olarak da adlandırılır ve sonlu impuls tepki filtresinin bir türüdür. Basit, kümülatif veya ağırlıklı formlar gibi farklı varyasyonlar bulunur.
Yukarıdaki grafikte Tesla uçuş hareket ortalama grafiğini çizdik.
Scatter Matrix ile grafik çizimi
Bir scatter matrix (çiftler grafiği), bir veri kümesindeki tüm sayısal değişkenleri birbirine karşı kompakt bir şekilde çizer. Bu veri görselleştirme tekniği Python’da birçok kütüphane ile gerçekleştirilebilir, ancak veriyi yüklemek için Pandas’ı kullanıyorsak, veri kümesini görselleştirmek için temel scatter_matrix yöntemini kullanabiliriz.
Yukarıdaki kod parçasıyla, üç büyük şirketin görünümlerinin karşılaştırılması ve bir dağılımın oluşması.
Yukarıdaki kod aralığıyla üç büyük şirketin dönüşü histogram grafiğini çizer.
Evet, bu sözlük boyutunda Python kullanarak nasıl basit bir borsa verisi analizi yaparak çalıştım. Projede kullanılan kaynakların ve kalıntıların tamamını aşağıdaki bağlantılardan inceleyebilirsiniz. Diğer yazılarımı değiştirmek yerine sizi Forty Two profilim e beklerim. Sağlıklı bir gün dilerim.
