初步推算出大盘与台积电有很大的正相关,然後看看资金雄厚,影响市场非常大的三大法人,哪些东西可以适合我们,当我们第一个讯号灯。
本日程序码使用:d17_TaiexAndLegal.ipynb
在这边我们先简单的取今年,2021年的资料做比较,是不是今年的趋势可以用三大法人的留仓来看。因此我们分别取三大法人的期货、选择权留仓来跟加权指数比较。
首先分别取他们今年的资料:
# 取得三大法人留仓的资料
df_legal = pandas.read_sql("SELECT * FROM LegalDailyFutureOption WHERE TradeDate >'2021-01-01'", con=conn)
# 取得加权指数的资料
df_taiex = pandas.read_sql("SELECT * FROM StockTransactionInfo WHERE TradeDate >'2021-01-01'", con=conn)
因为三大法人资料,里面有三个群组,分别是:投信、自营商、外资,我们把资料单独抓出来,因此用dataframe.loc[]
的方式取得资料,括号里面饭我们的栏位条件,也就是我们分群组的栏位TradeGroup
,因此程序码就会是这样:
# 投信 资料
df_investment = df_legal.loc[df_legal['TradeGroup'] == "投信"]
# df_investment.head() #查看资料
# 自营商 资料
df_self = df_legal.loc[df_legal['TradeGroup'] == "自营商"]
# df_self.head() #查看资料
# 外资 资料
df_foreign= df_legal.loc[df_legal['TradeGroup'] == "外资及陆资"]
# df_foreign.head() #查看资料
就会有三个dataframe
个别存三大法人资料。
资料整理後,就可以进行三大法人与加权指数的比较罗。
目前还不知道到底是「期货留仓」与加权指数关系比较密切,还是「选权权留仓」,所以这次把这两个都画出来,跟加权指数的图比看看,就知道是要择一还是都用。
#画图:投信
df_investment.plot("TradeDate", "FutureOINetQty")
df_investment.plot("TradeDate", "OptionOINetQty")
#画图:自营
df_self.plot("TradeDate", "FutureOINetQty")
df_self.plot("TradeDate", "OptionOINetQty")
#画图:外资
df_foreign.plot("TradeDate", "FutureOINetQty")
df_foreign.plot("TradeDate", "OptionOINetQty")
# 画图:加权指数
df_taiex.plot(x="TradeDate", y="Taiex")
画出来的图都是折线图,但是参数的方式给的不一样,三大法人用的是没有带参数名,预设就会认为第一个是X
轴,第二个是Y
轴的资料;而加权指数的方式,是给予X
和Y
名称,因此可以不用按照顺序给予资料,这样我们也很清楚给的X
与Y
分别取得哪些资料。
回到图表,可以看得出来,选择权的关系远远不如期货,期货跟大盘的图看起来十分地接近,所以我们这边可以淘汰选择权的资料,直接用期货的资料来做讯号罗!
其实选择权也有其意义存在,不能小觑,因为可以把选择权当作期货的避险商品,所以也在某种程度反映着大盘。但这边也不会细讲这个部分。期货也是类似的概念,初期是规避风险而发展,但现在却可以当作现货的先行指标,反映未来,其中的奥妙,但详情也不在这说明,有兴趣的可以上网查查资料吧~说下去会说到天荒地老...
这边只把很清楚的趋势来出来讲,也就是期货看起来与大盘有很大的正相关
>>: 离职倒数14天:2020年学到最多的两件事,解答了我人生最大的困惑
AirPlay 自 iOS 5 开始在 iPhone 和 iPad 推出後,一直以简单有用着称。Ai...
今日目标 认识 for-in 认识 if-else 认识 switch 认识 function fo...
前言 首先,先来简单自我介绍下,学习期间我是有份与软件工程师完全无关的全职工作,但利用工作以外的其他...
在过去的29天内,除了直接绑在JSX元素上外,我们从来都没有提过要如何在React处理CSS cod...
我在 MIT 的两年改变了我很多。其中一个重要的体验是有很多世界级的创业家、执行长会来学校演讲,甚至...