北向資金流動對指數(shù)漲跌的影響分析

• 數(shù)據(jù)獲取

通過Tushare庫獲取北向資金數(shù)據(jù)，北向資金從2014年開始流入大陸。

嘗試直接調(diào)取2014年到2022年底的數(shù)據(jù)

運(yùn)行結(jié)果如下

通過for循環(huán)多次調(diào)用，cancat拼接

運(yùn)行結(jié)果如下

寫入本地

同樣通過Tushare庫獲取滬深300指數(shù)數(shù)據(jù)，代碼399300.SZ。

獲取時(shí)間范圍和北向資金數(shù)據(jù)對應(yīng)的指數(shù)數(shù)據(jù)

運(yùn)行結(jié)果如下

寫入本地

• 數(shù)據(jù)處理

對數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)北向資金時(shí)間來篩選出滬深 300指數(shù)對應(yīng)數(shù)據(jù)

讀取本地?cái)?shù)據(jù)

首先看一下數(shù)據(jù)格式

結(jié)果如下

只有north_money是需要用到的，dataframe的索引是默認(rèn)索引，并且trade_date格式是int型，需要轉(zhuǎn)換成datetime格式，設(shè)為索引。

處理后的北向資金數(shù)據(jù)如下

滬深300數(shù)據(jù)同理，文章主要考慮收盤價(jià)、漲跌和漲跌幅三組數(shù)據(jù)，收盤價(jià)這組數(shù)據(jù)由于起始開盤價(jià)格不確定，受此影響，會對后續(xù)的分析產(chǎn)生干擾；漲跌幅這組數(shù)據(jù)是通過漲跌比開盤價(jià)計(jì)算得到，也會有開盤價(jià)的影響，這兩個(gè)指標(biāo)均不利于對后續(xù)的分析；而漲跌這組數(shù)據(jù)所反映的比較直觀，數(shù)據(jù)變化大小合適，可以反映另外兩個(gè)指標(biāo)，所以這里只保留漲跌數(shù)據(jù)來與北向資金進(jìn)行分析。

處理后滬深300數(shù)據(jù)如下

將北向資金數(shù)據(jù)和滬深300數(shù)據(jù)按索引拼接

結(jié)果如下

寫入本地

• 平穩(wěn)性檢驗(yàn)
  

利用自相關(guān)圖和偏自相關(guān)圖檢驗(yàn)時(shí)間序列數(shù)據(jù)的平穩(wěn)性

讀取本地?cái)?shù)據(jù)，由于北向資金數(shù)據(jù)受港股停盤影響，有許多空值，這里的處理是直接剔除空值所在的行

statsmodels模塊可以直接繪制自相關(guān)和偏自相關(guān)圖

利用單位根 ADF 檢驗(yàn)時(shí)間序列數(shù)據(jù)的平穩(wěn)性

在Python中，有兩個(gè)常用的包提供了ADF檢驗(yàn)，分別是statsmodel和arch

利用arch模塊進(jìn)行ADF檢驗(yàn)

statsmodel模塊進(jìn)行ADF檢驗(yàn)代碼如下，結(jié)果相同

北向資金數(shù)據(jù)和滬深300數(shù)據(jù)均為平穩(wěn)序列。

• 格蘭杰因果檢驗(yàn)
  

自變量為北向資金流入，因變量為滬深300漲跌

結(jié)果如下

• 皮爾遜相關(guān)檢驗(yàn)

調(diào)用scipy.stats中的pearsonr方法

運(yùn)行結(jié)果如下

返回值為皮爾遜相關(guān)系數(shù)和雙尾p值