Выгружаем данные с Мосбиржи, используя парсер с гитхаба (https://github.com/nerevar/stock_prices). Имеем таблицы с информацией по акциям, облигациям и курсу валют за указанный период.
# рынок облигаций, Мосбиржа
!python main.py download --engine stock --market bonds --date 2022-06-01 --dateend 2022-11-01
# рынок акций/ETF, Мосбиржа
!python main.py download --engine stock --market shares --date 2022-06-01 --dateend 2022-11-01
# индексы, Мосбиржа
!python main.py download --engine stock --market index ---date 2022-06-01 --dateend 2022-11-01
# валюта, Мосбиржа
!python main.py download --engine currency --market selt --date 2022-06-01 --dateend 2022-11-01# Jupyter notebook setup
import re
import math
import json
import pytz
from datetime import datetime
from pprint import pprint
from collections import OrderedDict
import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
# === jupyter notebook config ===
# Show all output values in cells
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = 'all'
# === numpy & pandas config ===
np.set_printoptions(linewidth=240)
np.set_printoptions(threshold=np.inf)
pd.set_option('max_colwidth', 100)
pd.set_option('display.max_rows', 1000)
pd.set_option('display.max_columns', 500)
pd.set_option('display.float_format', '{: .2f}'.format)
# === graphs config ===
%matplotlib inline
%config InlineBackend.figure_format = 'retina'
plt.rcParams['savefig.dpi'] = 200
plt.rcParams['figure.autolayout'] = False
plt.rcParams['figure.figsize'] = 17, 8
plt.rcParams['axes.labelsize'] = 18
plt.rcParams['axes.titlesize'] = 20
plt.rcParams['font.size'] = 16
plt.rcParams['font.family'] = 'DejaVu Sans'
plt.rcParams['font.weight'] = 'normal'
plt.rcParams['lines.linewidth'] = 2.0
plt.rcParams['lines.markersize'] = 8
plt.rcParams['legend.fontsize'] = 14
plt.style.use('bmh')
plt.style.use('fivethirtyeight')
RANDOM_SEED = 42
np.random.seed(RANDOM_SEED)import pip
pip.main(["install", "mpl_finance"])
from mpl_finance import candlestick_ohlc
import pandas as pd
import matplotlib.dates as mpl_dates
plt.style.use('ggplot')import os
li = []
for root, directories, filenames in os.walk('./quotes'):
for filename in filenames:
df = pd.read_csv(os.path.join(root,filename), index_col=None, header=0)
li.append(df)
df = pd.concat(li, axis=0, ignore_index=True)df.shape
df.head(10)| BOARDID | TRADEDATE | SHORTNAME | SECID | NUMTRADES | VALUE | LOW | HIGH | CLOSE | LEGALCLOSEPRICE | ACCINT | WAPRICE | YIELDCLOSE | OPEN | VOLUME | MARKETPRICE2 | MARKETPRICE3 | ADMITTEDQUOTE | MP2VALTRD | MARKETPRICE3TRADESVALUE | ADMITTEDVALUE | MATDATE | DURATION | YIELDATWAP | IRICPICLOSE | BEICLOSE | COUPONPERCENT | COUPONVALUE | BUYBACKDATE | LASTTRADEDATE | FACEVALUE | CURRENCYID | CBRCLOSE | YIELDTOOFFER | YIELDLASTCOUPON | OFFERDATE | FACEUNIT | TRADINGSESSION | WAVAL | VOLRUR | timestamp | open | high | low | close | adjusted_close | volume | dividend_amount | split_coefficient | open (RUB) | high (RUB) | low (RUB) | close (RUB) | open (USD) | high (USD) | low (USD) | close (USD) | market cap (USD) | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | TQCB | 2022-11-01 | РЖД-19 обл | RU000A0JQ7Z2 | 27.00 | 161825.50 | 99.12 | 99.61 | 99.53 | 99.53 | 24.30 | 99.28 | 8.31 | 99.34 | 163.00 | NaN | 99.30 | 99.53 | 0.00 | 5277672.20 | 0.00 | 2024-07-08 | 575.00 | 8.48 | NaN | NaN | 7.85 | 39.14 | NaN | 2022-11-01 | 1000.00 | SUR | NaN | NaN | NaN | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 1 | TQCB | 2022-11-01 | РЖД-23 обл | RU000A0JQRD9 | 49.00 | 320845.00 | 97.34 | 101.14 | 98.70 | 98.70 | 22.15 | 98.72 | 8.68 | 101.14 | 325.00 | NaN | 98.64 | 98.70 | 0.00 | 510967.40 | 0.00 | 2025-01-16 | 740.00 | 8.67 | NaN | NaN | 7.85 | 39.14 | NaN | 2022-11-01 | 1000.00 | SUR | NaN | NaN | NaN | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | TQCB | 2022-11-01 | СЗКК 03 | RU000A0JRU20 | 2.00 | 10374.00 | 100.00 | 100.00 | 100.00 | 100.00 | 9.46 | 100.00 | 17.93 | 100.00 | 13.00 | 99.67 | 99.69 | 100.00 | 550416.43 | 501981.90 | 550416.43 | 2031-09-26 | 157.00 | 17.93 | NaN | NaN | 17.30 | 68.84 | 2023-04-07 | 2022-11-01 | 798.00 | SUR | NaN | NaN | NaN | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | TQCB | 2022-11-01 | СЗКК 04 | RU000A0JRU46 | 4.00 | 41496.00 | 100.00 | 100.00 | 100.00 | 100.00 | 9.46 | 100.00 | 17.93 | 100.00 | 52.00 | 100.00 | 100.00 | 100.00 | 899326.05 | 895356.00 | 899326.05 | 2031-09-26 | 157.00 | 17.93 | NaN | NaN | 17.30 | 68.84 | 2023-04-07 | 2022-11-01 | 798.00 | SUR | NaN | NaN | NaN | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 4 | TQCB | 2022-11-01 | ВЭБ.РФ 21 | RU000A0JS4Z7 | 2.00 | 21210.00 | 101.00 | 101.00 | 101.00 | 101.00 | 18.97 | 101.00 | 7.87 | 101.00 | 21.00 | NaN | 102.82 | 101.00 | 0.00 | 507941.10 | 0.00 | 2032-02-17 | 119.00 | 7.87 | NaN | NaN | 10.99 | 54.80 | 2023-02-28 | 2022-11-01 | 1000.00 | SUR | NaN | NaN | NaN | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 5 | TQCB | 2022-11-01 | РЖД-32 обл | RU000A0JSGV0 | 15.00 | 78911.30 | 100.16 | 101.31 | 101.25 | 101.28 | 31.46 | 101.17 | 8.09 | 100.16 | 78.00 | NaN | 101.09 | 101.28 | 0.00 | 545866.70 | 0.00 | 2032-06-25 | 240.00 | 8.22 | NaN | NaN | 9.90 | 49.36 | 2023-07-07 | 2022-11-01 | 1000.00 | SUR | NaN | NaN | NaN | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 6 | TQCB | 2022-11-01 | ВЭБ.РФ 18 | RU000A0JT403 | 1.00 | 960.00 | 96.00 | 96.00 | 96.00 | 96.00 | 6.72 | 96.00 | 10.27 | 96.00 | 1.00 | NaN | NaN | 96.00 | 0.00 | 0.00 | 0.00 | 2032-09-17 | 656.00 | 10.27 | NaN | NaN | 7.67 | 38.24 | 2024-09-27 | 2022-11-01 | 1000.00 | SUR | NaN | 10.20 | NaN | 2024-10-01 | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 7 | TQCB | 2022-11-01 | Башнефть06 | RU000A0JTM28 | 4.00 | 6004.80 | 100.08 | 100.08 | 100.08 | 100.08 | 19.20 | 100.08 | 7.43 | 100.08 | 6.00 | NaN | 99.97 | 100.08 | 0.00 | 565819.90 | 0.00 | 2023-01-31 | 91.00 | 7.43 | NaN | NaN | 7.70 | 38.39 | NaN | 2022-11-01 | 1000.00 | SUR | NaN | NaN | 7.15 | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 8 | TQCB | 2022-11-01 | Башнефть07 | RU000A0JTM36 | 1.00 | 1004.70 | 100.47 | 100.47 | 100.47 | 100.47 | 20.69 | 100.47 | 6.38 | 100.47 | 1.00 | 100.05 | 100.05 | 100.47 | 10613238.70 | 10260111.70 | 10613238.70 | 2023-01-31 | 91.00 | 6.38 | NaN | NaN | 8.30 | 41.39 | NaN | 2022-11-01 | 1000.00 | SUR | NaN | NaN | 6.17 | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 9 | TQCB | 2022-11-01 | Башнефть08 | RU000A0JTM44 | 20.00 | 224906.00 | 99.60 | 100.01 | 99.90 | 99.90 | 19.20 | 99.96 | 8.20 | 100.01 | 225.00 | NaN | 99.99 | 99.90 | 0.00 | 792906.00 | 0.00 | 2023-01-31 | 91.00 | 7.94 | NaN | NaN | 7.70 | 38.39 | NaN | 2022-11-01 | 1000.00 | SUR | NaN | NaN | 7.87 | NaN | RUB | 3.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
sber = df[(df.BOARDID == 'TQBR') & (df.SECID == 'SBER')].sort_values(by='TRADEDATE')
# sber.dropna(axis=1, how='all')[['OPEN', 'CLOSE', 'VOLUME', 'TRADEDATE']]
sber.head(10)
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
| BOARDID | TRADEDATE | SHORTNAME | SECID | NUMTRADES | VALUE | LOW | HIGH | CLOSE | LEGALCLOSEPRICE | ACCINT | WAPRICE | YIELDCLOSE | OPEN | VOLUME | MARKETPRICE2 | MARKETPRICE3 | ADMITTEDQUOTE | MP2VALTRD | MARKETPRICE3TRADESVALUE | ADMITTEDVALUE | MATDATE | DURATION | YIELDATWAP | IRICPICLOSE | BEICLOSE | COUPONPERCENT | COUPONVALUE | BUYBACKDATE | LASTTRADEDATE | FACEVALUE | CURRENCYID | CBRCLOSE | YIELDTOOFFER | YIELDLASTCOUPON | OFFERDATE | FACEUNIT | TRADINGSESSION | WAVAL | VOLRUR | timestamp | open | high | low | close | adjusted_close | volume | dividend_amount | split_coefficient | open (RUB) | high (RUB) | low (RUB) | close (RUB) | open (USD) | high (USD) | low (USD) | close (USD) | market cap (USD) | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161527 | TQBR | 2022-06-01 | Сбербанк | SBER | 104059.00 | 5296798375.30 | 117.00 | 122.69 | 121.97 | 121.97 | NaN | 120.97 | NaN | 117.50 | 43785040.00 | 120.97 | 120.97 | 121.97 | 5296798375.30 | 5296798375.30 | 5296798375.30 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 142394 | TQBR | 2022-06-02 | Сбербанк | SBER | 101114.00 | 5125256938.40 | 118.50 | 122.39 | 119.00 | 119.00 | NaN | 119.87 | NaN | 121.90 | 42769900.00 | 119.83 | 119.83 | 119.00 | 5125256938.40 | 5125256938.40 | 5125256938.40 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 140874 | TQBR | 2022-06-03 | Сбербанк | SBER | 80343.00 | 4067212982.50 | 117.18 | 120.16 | 119.21 | 119.21 | NaN | 118.43 | NaN | 119.29 | 34341530.00 | 118.43 | 118.43 | 119.21 | 4067212982.50 | 4067212982.50 | 4067212982.50 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 163334 | TQBR | 2022-06-06 | Сбербанк | SBER | 61834.00 | 2652231034.20 | 118.29 | 120.35 | 118.78 | 118.78 | NaN | 119.03 | NaN | 119.26 | 22281970.00 | 119.03 | 119.03 | 118.78 | 2652231034.20 | 2652231034.20 | 2652231034.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 156434 | TQBR | 2022-06-07 | Сбербанк | SBER | 59242.00 | 2629117760.20 | 117.32 | 118.90 | 118.32 | 118.32 | NaN | 118.04 | NaN | 118.68 | 22274020.00 | 118.04 | 118.04 | 118.32 | 2629117760.20 | 2629117760.20 | 2629117760.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 159960 | TQBR | 2022-06-08 | Сбербанк | SBER | 91893.00 | 5003858591.90 | 118.40 | 122.19 | 119.90 | 119.90 | NaN | 120.53 | NaN | 118.51 | 41514970.00 | 120.53 | 120.53 | 119.90 | 5003858591.90 | 5003858591.90 | 5003858591.90 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 156837 | TQBR | 2022-06-09 | Сбербанк | SBER | 80871.00 | 3477327986.10 | 117.70 | 120.20 | 118.20 | 118.20 | NaN | 118.39 | NaN | 120.00 | 29371970.00 | 118.39 | 118.39 | 118.20 | 3477327986.10 | 3477327986.10 | 3477327986.10 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 152211 | TQBR | 2022-06-10 | Сбербанк | SBER | 66107.00 | 3006397517.20 | 117.73 | 119.55 | 118.07 | 118.07 | NaN | 118.49 | NaN | 118.03 | 25373000.00 | 118.49 | 118.49 | 118.07 | 3006397517.20 | 3006397517.20 | 3006397517.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 168091 | TQBR | 2022-06-14 | Сбербанк | SBER | 92504.00 | 4454820677.70 | 115.80 | 119.88 | 118.98 | 118.98 | NaN | 118.19 | NaN | 118.03 | 37690460.00 | 118.19 | 118.19 | 118.98 | 4454820677.70 | 4454820677.70 | 4454820677.70 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 167613 | TQBR | 2022-06-15 | Сбербанк | SBER | 109377.00 | 6293254524.80 | 118.71 | 121.71 | 121.14 | 121.14 | NaN | 120.46 | NaN | 119.40 | 52262500.00 | 120.42 | 120.42 | 121.14 | 6293254524.80 | 6293254524.80 | 6293254524.80 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.00 | 0.00 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
red = "#FF4500"
green = "#00B060"import datetime
# Extracting Data for plotting
ohlc = sber.loc[:, ['TRADEDATE', 'OPEN', 'HIGH', 'LOW', 'CLOSE']]
# Converting date into datetime format
ohlc['TRADEDATE'] = pd.to_datetime(ohlc['TRADEDATE'])
ohlc['TRADEDATE'] = ohlc['TRADEDATE'].apply(mpl_dates.date2num)
ohlc = ohlc.astype(float)
# Creating Subplots
fig, ax = plt.subplots()
candlestick_ohlc(ax, ohlc.values, width=0.6,
colorup= green, colordown= red, alpha=0.9)
# Setting labels & titles
ax.set_xlabel('TRADEDATE')
ax.set_ylabel('Price')
fig.suptitle('Daily Candlestick Chart of NIFTY50')
# Formatting Date
date_format = mpl_dates.DateFormatter('%Y-%m-%d')
ax.xaxis.set_major_formatter(date_format)
fig.autofmt_xdate()
fig.tight_layout()
plt.show();
ohlc['TRADEDATE'] = pd.to_datetime(sber['TRADEDATE'])
ohlc["LEN"] = ohlc["CLOSE"] - ohlc["OPEN"]
ohlc.head(10)
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
| TRADEDATE | OPEN | HIGH | LOW | CLOSE | LEN | |
|---|---|---|---|---|---|---|
| 161527 | 2022-06-01 | 117.50 | 122.69 | 117.00 | 121.97 | 4.47 |
| 142394 | 2022-06-02 | 121.90 | 122.39 | 118.50 | 119.00 | -2.90 |
| 140874 | 2022-06-03 | 119.29 | 120.16 | 117.18 | 119.21 | -0.08 |
| 163334 | 2022-06-06 | 119.26 | 120.35 | 118.29 | 118.78 | -0.48 |
| 156434 | 2022-06-07 | 118.68 | 118.90 | 117.32 | 118.32 | -0.36 |
| 159960 | 2022-06-08 | 118.51 | 122.19 | 118.40 | 119.90 | 1.39 |
| 156837 | 2022-06-09 | 120.00 | 120.20 | 117.70 | 118.20 | -1.80 |
| 152211 | 2022-06-10 | 118.03 | 119.55 | 117.73 | 118.07 | 0.04 |
| 168091 | 2022-06-14 | 118.03 | 119.88 | 115.80 | 118.98 | 0.95 |
| 167613 | 2022-06-15 | 119.40 | 121.71 | 118.71 | 121.14 | 1.74 |
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set()my_palette = [red if (i < 0) else green for i in ohlc["SIGN"] ]ohlc["SIGN"] = ohlc["LEN"] / abs(ohlc["LEN"])%time
df2 = pd.DataFrame(columns=["LEN", "Count"])
i = 0
while i < len(ohlc):
cur_sum = ohlc["LEN"].iloc[i]
date = ohlc.index[i]
cur_num = 1
while (i + 1 < len(ohlc) ) and (ohlc["SIGN"].iloc[i] == ohlc["SIGN"].iloc[i + 1]):
cur_num += 1
cur_sum += ohlc["LEN"].iloc[i + 1]
i += 1
else:
df2 = pd.concat([df2, pd.DataFrame({"LEN" : [cur_sum], "Count" : [cur_num]}, index=[date])])
i += 1fig = sns.barplot(data = ohlc, x = "TRADEDATE", y = "LEN", palette = my_palette, alpha = 0.6);
fig.axes.get_xaxis().set_visible(False)
count = 0
for i in (ohlc["LEN"]):
if i < 0:
count += 1
print(count)52
plt.xticks(np.arange(-10, 10, step = 2));
my_palette1 = [red if (i > 0) else green for i in ohlc["SIGN"] ]
sns.histplot(data = ohlc, x = "LEN", kde = True, bins = 80, hue='SIGN', palette = my_palette1);
sns.histplot(data = ohlc, x = "LEN", kde = True, bins = 80, fill = 0);
rise = ohlc[ohlc["LEN"] > 0][["LEN"]]
fall = abs(ohlc[ohlc["LEN"] < 0][["LEN"]])green_palette = [green for i in rise ]
red_palette = [red for i in fall ]
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 5))
sns.histplot(data=rise, kde=True, bins = 30, ax=ax1, palette = green_palette);
ax1.set(xlabel="Гистограмма ростов")
sns.histplot(data=fall, kde=True, bins = 30, ax=ax2, palette = red_palette);
ax2.set(xlabel="Гистограмма падений")
fig.tight_layout();
plt.show();
from scipy.stats import nbinom
from scipy.stats import chisquare
def sample_nbinom_moments(observed):
mean = observed.mean()
var = observed.var()
# param:
p = mean / var
r = p * mean / (1 - p)
expected = nbinom.rvs(r, p, size = len(observed))
fig, axes = plt.subplots(1, 1, figsize=(15, 10))
axes.set(xlabel="Носитель")
sns.histplot(data=observed, bins=30, ax=axes)
sns.histplot(data=expected, ax=axes)
fig.tight_layout()
plt.show()
return (r, p)
def chisquare_nbinom(observed, _r, _p):
n = max(observed)
f_obs = np.zeros(n)
for i in range(n):
f_obs[i] = np.sum(observed == i)
f_exp = np.zeros(n)
for i in range(n):
f_exp[i] = nbinom.pmf(i, _r, _p) * len(observed)
f_exp[0] += sum(f_obs) - sum(f_exp)
return chisquare(f_obs, f_exp)from scipy.stats import gengamma
from scipy.stats import ks_2samp
def sample_gengamma(X):
params = gengamma.fit(X)
X_gengamma = gengamma.rvs(*params, size = len(X))
fig, axes = plt.subplots(1, 1, figsize=(15, 10))
sns.histplot(data=X, ax=axes)
sns.histplot(data=X_gengamma, ax=axes)
return params
def ks_2samp_gengamma(X, _params):
X_gengamma = gengamma.rvs(*params, size = len(X))
return ks_2samp(X, X_gengamma)cols = ["LEN", "Count"]
xlab = ["Суммарное изменение при ростах и падениях",
"Кол-во подряд идущих свечей одного цвета"]
fig, axes = plt.subplots()
sns.kdeplot(df2, x=cols[0], y=cols[1], ax=axes, color = 'blue');
sns.histplot(df2, x=cols[0], y=cols[1], ax=axes, color = 'orange');
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 5))
sns.histplot(data=df2[cols[0]].apply(abs), kde=True, bins=100, ax=ax1, color = 'purple');
ax1.set(xlabel=xlab[0])
sns.histplot(data=df2[cols[1]], kde=True, ax=ax2, color = 'purple');
ax2.set(xlabel=xlab[1])
fig.tight_layout()
plt.show();