Analyse af UPS- og FedEx-aktieafkast med pandas_datareader i Python

Jeg har allerede demonstreret, hvordan du kan hente f.eks. BNP-data fra FRED ved hjælp af pandas_datareader i Python. Jeg har også analyseret aktiekurser for Procter & Gamble ved hjælp af Yahoo Finance som kilde og trukket tilhørende data via pandas_datareader.

I dette indlæg vil jeg analysere daglige aktieafkast for UPS og FedEx. Jeg trækker dataene ved hjælp af pandas_datareader. Derefter vil jeg foretage yderligere analyser af disse data og visualisere resultaterne ved hjælp af matplotlib.pyplot.

Som altid er første trin at importere de relevante Python-moduler:

# import relevant modules
import pandas as pd
import pandas_datareader.data as web
import datetime
import matplotlib.pyplot as plt

Næste skridt er at trække aktiekursdataene fra Yahoo Finance via pandas_datareader:

# definer start- og slutdatoer
start_date = datetime.datetime(2000, 1, 1)
end_date = datetime.datetime(2020, 9, 30)
# importer aktiedata for en given periode mellem start- og slutdato fra Yahoo Finance
ups = web.DataReader("UPS", "yahoo", start_date, end_date)
fedex = web.DataReader("FDX", "yahoo", start_date, end_date)

Vi har brug for nogle hjælpefunktioner i dette indlæg. Jeg definerer først en daglig aktieafkastfunktion:

def plottingReturns(title,xtitle,ytitle,df1,df2,color1,color2,returns1,returns2,alpha1,alpha2):
    # opret figur
    plt.figure(figsize=(17.5,10))
    # opret linjediagrammer til daglige returneringer
    plt.plot(df1.index,returns1,color=color1,alpha=alpha1)
    plt.plot(df1.index,returns2,color=color2,alpha=alpha2) # df1.index placed here on purpose
    # tilføj titel til plot
    plt.title(title, size=22)
    # tilføj x-akselabel
    plt.xlabel(xtitle, size=16)
    # tilføj etiket på y-aksen
    plt.ylabel(ytitle, size=16)

Jeg definerer også en histogram-plotfunktion for at plotte fordelingen i daglige aktieafkast:

def histogramReturns(title,xtitle,ytitle,color1,color2,returns1,returns2,alpha1,alpha2,name1,name2):
    # opret figur
    plt.figure(figsize=(17.5,10))
    # oprette linjediagrammer til daglige afkast
    plt.hist(returns1,histtype="bar",color=color1,alpha=alpha1,label=name1,bins=100)
    plt.hist(returns2,histtype="bar",color=color2,alpha=alpha2,label=name2,bins=100) # df1.index placed here on purpose
    # tilføj titel til diagram
    plt.title(title, size=22)
    # tilføj x-akselabel
    plt.xlabel(xtitle, size=16)
    # tilføj etiket på y-aksen
    plt.ylabel(ytitle, size=16)

Derudover definerer jeg en plotfunktion for aktiekurstidsserier:

def plottingPrices(title,xtitle,ytitle,df1,df2,color1,color2):
    # opret figur
    plt.figure(figsize=(17.5,10))
    # oprette linjediagrammer til daglige lukkepriser
    plt.plot(df1.index,df1["Close"],color=color1,alpha=0.5)
    plt.plot(df1.index,df2["Close"],color=color2,alpha=0.5) # df1.index placed here on purpose
    # tilføj titel til plot
    plt.title(title, size=22)
    # tilføj x-akselabel
    plt.xlabel(xtitle, size=16)
    # tilføj etiket på y-aksen
    plt.ylabel(ytitle, size=16)

Endelig definerer jeg en daglig beregningsfunktion for aktieafkast:

def returns(df):
    prices = df["Close"]
    returns = [0 if i == 0 else 100*(prices[i]-prices[i-1])/(prices[i-1]) for i in range(0,len(prices))]
    return(returns)

Nu anvender jeg ovennævnte daglige beregningsfunktion til at beregne UPSs og FedExs daglige aktieafkast siden 2020, baseret på daglige aktielukningspriser:

return_ups = returns(ups)
return_fedex = returns(fedex)

Jeg fortsætter med at udgive længden af begge returlister for derved at sikre, at mine data er konsistente:

print(len(return_ups))

print(len(return_fedex))

Jeg tester også, at længden af datalisten for UPS og FedEx-datarammen er den samme som længden af den daglige aktiereturliste:

print(len(ups.index))

print(len(fedex.index))

Testen giver grønt lys. Dataene ser ud til at være konsistente. Nu bruger jeg plotfunktionen, som allerede er blevet defineret, for at visualisere daglige lagerafkast for UPS og FedEx i perioden siden 2000:

plottingReturns("UPS [black] vs. FedEx [orange] daily stock returns since 2000","Date","Daily stock return [%]",ups,fedex,"black","orange",return_ups,return_fedex,0.25,0.60)

Lad os se på fordelingen af daglige aktieafkast for UPS og FedEx ved hjælp af histogram-funktionen:

histogramReturns("Histogram of daily stock returns for UPS [black] and FedEx [orange]","Daily return [%]","Absolute frequency [-]","black","orange",return_ups,return_fedex,0.25,0.60,"UPS","FedEx")

Endelig, for at færdiggøre denne analyse, lad os plotte aktieudviklingskursudvikling gennem tiden siden 2000. Til dette bruger jeg prisplanlægningsfunktionen defineret øverst i det aktuelle indlæg:

plottingPrices("Daily stock price development for UPS [black] and FedEx [orange]","Date","Daily stock closing price [USD]",ups,fedex,"black","orange")