Статья Автор: Жижома Лев

Критерий СД Жижома Лев

Данные по акциям NVIDIA за 2024 год¶

Date - дата
Open - Цена на момент открытия рынка.
High - Самая высокая цена за этот день.
Low - Самая низкая цена за этот день.
Close - Цена на момент закрытия рынка с поправкой на дробление.
Adj close - Цена закрытия после корректировки с учетом всех применимых сплитов и распределения дивидендов. Данные корректируются с использованием соответствующих множителей сплитов и дивидендов, в соответствии со стандартами Центра исследований цен на ценные бумаги (CRSP).
Volume - Количество акций, которыми торговали в этот день.

Формулы

Среднее значение - Сумма всех элементов деленная на их количество
дисперсия - сумма(квадрат(значение - среднее значение)) / количество значений
Медиана - отсортировать массив элементов и выьрать значение в середине с округлением вниз Мода - Создаем словарь, где ключи - значения из таблицы, значения словаря - количество повторений, и берем ключ с наибольшим значением
Стандартное отклонение - корень из дисперсии

def import_data(filename):
    with open(filename, "r") as f:
        results = []
        for line in f:
            line = line.strip()
            words = line.split(",")
            results.append(words)
        return results


def format_data(data):
    result = {}
    for i in range(len(data[0])):
        result[data[0][i]] = []
        for j in range(1, len(data)):
            result[data[0][i]].append(data[j][i])
    return result

def find_median(unsorted_list):
    sorted_list = sorted(unsorted_list)
    length = len(sorted_list)
    if length % 2 == 0:
        mid = length // 2 + 1
        median = (sorted_list[mid - 1] + sorted_list[mid]) / 2
    else:
        mid = length // 2 + 1
        median = sorted_list[mid]
    return median

def analize_data(column):
    column = [round(float(i), 3) for i in column]

    mean = sum(column) / len(column)
    variance = sum((x - mean) ** 2 for x in column) / len(column)

    stdev = variance ** (1 / 2)

    count_dict = {}
    for num in column:
        count_dict[num] = count_dict.get(num, 0) + 1
    mode = max(count_dict, key=count_dict.get)

    median = find_median(column)

    print(f"мин: {min(column)}")
    print(f"макс: {max(column)}")
    print(f"среднее: {mean}")
    print(f"медиана: {median}")
    print(f"мода: {mode}")
    print(f"дисперсия: {variance}")
    print(f"стандартное отклонение: {stdev}")



data = import_data("NVDA_1999-01-01_2024-12-04.csv")
formatted_data = format_data(data)

for key in formatted_data:
    if key == "Date":
        continue
    print(f"Статистика для {key}:")
    analize_data(formatted_data[key])

График ниже описывает изменение цены на момент закрытия рынка.

import matplotlib.pyplot as plt

column = [float(i) for i in formatted_data["Close"]]

plt.plot(column)
plt.show()

вот примерно такое выводит

Прикрепленные файлы
NVDA_1999-01-01_2024-12-04.csv

Чтобы оставить комментарий нужна авторизация

Печать