Erklärungen zu den Änderungen Importieren der erforderlichen Bibliotheken für die Visualisierung Um die Volatilität zu berechnen und zu visualisieren, müssen wir zusätzliche Bibliotheken importieren:
python Code kopieren import matplotlib.pyplot as plt import numpy as np Anpassen der get_stock_data-Funktion Die Funktion get_stock_data wurde angepasst, um alle verfügbaren Daten herunterzuladen und zu speichern. Dadurch stellen wir sicher, dass wir alle notwendigen Spalten für die Volatilitätsberechnung haben.
python Code kopieren data[ticker] = ticker_data # Alle Spalten für die Verarbeitung beibehalten Auswahl der Preisarten für die Excel-Datei Nach dem Abrufen der Daten wählen wir die vom Benutzer angegebenen Preisarten für die Speicherung in der Excel-Datei aus.
python Code kopieren df_selected = df.xs(price_types, level=1, axis=1, drop_level=False) Berechnung der Volatilität Renditen berechnen: Für jeden Ticker werden die Renditen basierend auf dem Schlusskurs oder dem bereinigten Schlusskurs berechnet.
Rollierende Volatilität: Die rollierende Volatilität wird mit einem Fenster berechnet, das vom Intervall abhängt (z. B. 20 Tage für tägliche Daten).
python Code kopieren returns = price_data.pct_change() volatility = returns.rolling(window=window).std() * np.sqrt(window) Visualisierung Darstellung: Kurs- und Volatilitätsdaten werden in einem Diagramm mit zwei y-Achsen dargestellt.
Speichern des Plots: Das Diagramm wird als PNG-Datei im Ausgabeordner gespeichert.
python Code kopieren plt.savefig(plot_file) plt.close() Installation der erforderlichen Bibliotheken Stellen Sie sicher, dass Sie die folgenden Bibliotheken installiert haben, bevor Sie das Skript ausführen:
bash Code kopieren pip install yfinance pandas matplotlib numpy