import xalpha as xa
import pandas as pd
sz50, hs300, zz500, cyb = xa.indexinfo('0000016'), xa.indexinfo('0000300'), xa.indexinfo('0000905'), xa.indexinfo('1399006')
# 四个基本指数的数据获取
comparison = xa.evaluate(sz50,hs300,zz500,cyb)
# 综合分析,未指定 start 参数的化,比较的开始时间默认为最新的指数的开始时间
comparison.totprice[comparison.totprice['date']>"2018-08-01"] # 这一类的核心数据,是归一化过的净值表
date | 0000016 | 0000300 | 0000905 | 1399006 | |
---|---|---|---|---|---|
1987 | 2018-08-02 | 1.276693 | 1.228411 | 1.241002 | 1.551620 |
1988 | 2018-08-03 | 1.262668 | 1.208123 | 1.224543 | 1.522355 |
1989 | 2018-08-06 | 1.259023 | 1.192813 | 1.198585 | 1.480422 |
1990 | 2018-08-07 | 1.297341 | 1.227650 | 1.231280 | 1.520130 |
1991 | 2018-08-08 | 1.280191 | 1.207840 | 1.212326 | 1.487575 |
1992 | 2018-08-09 | 1.310335 | 1.238094 | 1.243178 | 1.538795 |
1993 | 2018-08-10 | 1.309597 | 1.240823 | 1.249572 | 1.553284 |
comparison.v_netvalue() # 指数起点归一化净值的变动情况,神创威武
comparison.v_correlation() # 指数之间的相关系数,创业板比较独立
comparison.correlation_table() #嫌图花哨可以直接看相关系数的数据
0000016 | 0000300 | 0000905 | 1399006 | |
---|---|---|---|---|
0000016 | 1.000000 | 0.943797 | 0.656125 | 0.466339 |
0000300 | 0.943797 | 1.000000 | 0.849873 | 0.670656 |
0000905 | 0.656125 | 0.849873 | 1.000000 | 0.881827 |
1399006 | 0.466339 | 0.670656 | 0.881827 | 1.000000 |