如何过滤价格连续上涨3天的股票

Question

我想通过价格连续3天上涨的属性过滤掉一批公司的强劲表现股票。到目前为止在代码下面。如果有什么帮助的话。

换句话说，我想要一份股票名称的清单，这些股票的价格在过去3天里一直在持续上涨。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import pandas_datareader as web

tick = ['AMZN', 'AAPL', 'NFLX', 'XOM', 'T']
df = web.get_data_yahoo(tick,
                           start = '2020-01-01',
                           end = '2020-12-16')['Adj Close']

Answer 1

您可以通过使用rolling方法来比较这种差异是否越来越大：

increase_table = df.rolling(3).apply(lambda x: np.all(np.diff(x) > 0)).astype('boolean')

前10行的输出：

Symbols      AMZN   AAPL   NFLX    XOM      T
Date                                         
2020-01-02   <NA>   <NA>   <NA>   <NA>   <NA>
2020-01-03   <NA>   <NA>   <NA>   <NA>   <NA>
2020-01-06  False  False  False  False   True
2020-01-07   True  False  False  False   True
2020-01-08  False  False  False  False   True
2020-01-09  False   True  False  False  False
2020-01-10  False   True  False  False  False
2020-01-13  False   True  False  False  False
2020-01-14  False  False  False  False  False
2020-01-15  False  False  False  False  False

我没有从你想要的清单中得到逻辑。但是，这里有一些有用的东西，用来验证每只股票连续3天上涨了多少：

increase_table.sum()

返回：

Symbols
AMZN    74
AAPL    59
NFLX    57
XOM     40
T       58
dtype: int64

因此，我们知道，"AMZN“有更多的日子，随着增加在过去3天。

注：为了正确解释，这里的True值告诉我们，最后两个值及其本身(当前值；总计=3值)正在增加。要正确放置True值以指示最后三行(以及行本身)正在增加，只需执行increase_table.shift()。

Answer 2

试试这个：

def compute_consecutive_increase(tick_data, window_size=3):
    
    # Make sure the time series is sorted by date (assuming that date is the index)
    tick_data = tick_data.sort_index()
    
    # Put side-by-side the comparison of current day ('t-0') with previous day ('t-1'),
    # then 't-1' with 't-2', etc.
    shifted_comparison = pd.concat({f't-{i}': tick_data.shift(i) > tick_data.shift(i+1) \
        for i in range(window_size)}, axis=1)
    
    # Collapse horizontally (by date) and return True for each row where all values
    # are True, i.e. all last 'window_size' days have positive increases
    return shifted_comparison.all(axis=1)

df.transform(compute_consecutive_increase)

# To collapse for each tick, if there's at least one 3-day sequence with increases
df.transform(compute_consecutive_increase).any()