上市公司酒业股价分析 —— 贵州茅台（600519）¶
基于本地CSV数据，对贵州茅台的历史股价进行分析，包括：
- 读取数据并进行基本统计
- 数据持久化（存储到SQLite数据库）
- 数据预处理（缺失值、异常值）
- 股价走势与成交量可视化
- 日收益率与累计收益率分析
- 移动均线（MA5/MA10/MA20）与RSI技术指标
1. 读取数据并进行基本统计¶
In [1]:
import pandas as pd
import numpy as np
import sqlite3
import warnings
import matplotlib
import matplotlib.pyplot as plt
warnings.filterwarnings('ignore')
font = {'family': 'Microsoft YaHei', 'weight': 'bold', 'size': '12'}
matplotlib.rc('font', **font)
# 读取本地茅台CSV数据
df = pd.read_csv('4170425-maotai.csv', index_col=0)
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values('date').reset_index(drop=True)
print(f'数据时间范围：{df["date"].min().strftime("%Y-%m-%d")} 至 {df["date"].max().strftime("%Y-%m-%d")}')
print(f'共 {len(df)} 条记录\n')
print('数据前5行：')
print(df.head())
print('\n基本统计描述：')
print(df[['open', 'close', 'high', 'low', 'volume']].describe())
数据时间范围：2020-01-02 至 2023-07-10
共 852 条记录
数据前5行：
date open close high low volume code
0 2020-01-02 1022.186 1024.186 1039.246 1010.186 148099.0 600519
1 2020-01-03 1011.186 972.746 1011.186 971.086 130318.0 600519
2 2020-01-06 965.046 972.176 987.086 961.486 63414.0 600519
3 2020-01-07 971.686 988.716 993.186 970.586 47853.0 600519
4 2020-01-08 979.236 982.326 989.686 976.766 25008.0 600519
基本统计描述：
open close high low volume
count 852.000000 852.000000 852.000000 852.000000 852.000000
mean 1677.952669 1679.107951 1701.035146 1657.000134 35202.976526
std 285.914969 284.409359 289.229684 280.299248 17439.177680
min 879.186000 890.186000 904.866000 854.286000 12472.000000
25% 1590.254000 1591.280750 1615.546750 1571.211000 23517.250000
50% 1720.029000 1720.659000 1739.089000 1699.756500 30835.500000
75% 1862.697750 1862.111500 1882.179000 1838.656500 40818.250000
max 2499.191000 2512.211000 2539.091000 2396.211000 148099.000000
2. 数据持久化 —— 存储到SQLite数据库¶
In [2]:
conn = sqlite3.connect('liquor_stock.db')
df.to_sql('maotai_daily', conn, if_exists='replace', index=False)
# 验证存储
df_check = pd.read_sql('SELECT * FROM maotai_daily LIMIT 5', conn)
print('数据库中存储的数据（前5行）：')
print(df_check)
conn.close()
数据库中存储的数据（前5行）：
date open close high low volume \
0 2020-01-02 00:00:00 1022.186 1024.186 1039.246 1010.186 148099.0
1 2020-01-03 00:00:00 1011.186 972.746 1011.186 971.086 130318.0
2 2020-01-06 00:00:00 965.046 972.176 987.086 961.486 63414.0
3 2020-01-07 00:00:00 971.686 988.716 993.186 970.586 47853.0
4 2020-01-08 00:00:00 979.236 982.326 989.686 976.766 25008.0
code
0 600519
1 600519
2 600519
3 600519
4 600519
3. 数据预处理（缺失值填充、异常值处理）¶
In [3]:
# 从数据库读取数据
conn = sqlite3.connect('liquor_stock.db')
df = pd.read_sql('SELECT * FROM maotai_daily', conn)
conn.close()
df['date'] = pd.to_datetime(df['date'])
print('缺失值统计：')
print(df.isnull().sum())
# 缺失值填充（前向填充）
df = df.fillna(method='ffill')
# 异常值处理：去除价格为0或负数的记录
df = df[(df['open'] > 0) & (df['close'] > 0) & (df['high'] > 0) & (df['low'] > 0)]
df = df.reset_index(drop=True)
print(f'\n预处理后数据量：{len(df)} 条')
print('\n预处理后统计描述：')
print(df[['open', 'close', 'high', 'low', 'volume']].describe())
缺失值统计：
date 0
open 0
close 0
high 0
low 0
volume 0
code 0
dtype: int64
预处理后数据量：852 条
预处理后统计描述：
open close high low volume
count 852.000000 852.000000 852.000000 852.000000 852.000000
mean 1677.952669 1679.107951 1701.035146 1657.000134 35202.976526
std 285.914969 284.409359 289.229684 280.299248 17439.177680
min 879.186000 890.186000 904.866000 854.286000 12472.000000
25% 1590.254000 1591.280750 1615.546750 1571.211000 23517.250000
50% 1720.029000 1720.659000 1739.089000 1699.756500 30835.500000
75% 1862.697750 1862.111500 1882.179000 1838.656500 40818.250000
max 2499.191000 2512.211000 2539.091000 2396.211000 148099.000000
4. 股价走势与成交量可视化¶
In [4]:
fig, axes = plt.subplots(2, 1, figsize=(14, 8), sharex=True)
# 收盘价走势
axes[0].plot(df['date'], df['close'], label='收盘价', color='crimson', linewidth=1.5)
axes[0].set_title('贵州茅台（600519）收盘价走势')
axes[0].set_ylabel('价格（元）')
axes[0].legend()
axes[0].grid(True, alpha=0.3)
# 成交量
axes[1].bar(df['date'], df['volume'], color='steelblue', alpha=0.7)
axes[1].set_title('成交量')
axes[1].set_ylabel('成交量（手）')
axes[1].set_xlabel('日期')
axes[1].grid(True, alpha=0.3)
plt.tight_layout()
plt.show()
5. 日收益率与累计收益率分析¶
In [5]:
# 计算日收益率
df['daily_return'] = df['close'].pct_change()
# 计算累计收益率
df['cumulative_return'] = (1 + df['daily_return']).cumprod() - 1
fig, axes = plt.subplots(2, 1, figsize=(14, 8))
# 日收益率
axes[0].plot(df['date'], df['daily_return'], color='teal', linewidth=0.8)
axes[0].axhline(y=0, color='black', linestyle='--', linewidth=0.5)
axes[0].set_title('贵州茅台 日收益率')
axes[0].set_ylabel('日收益率')
axes[0].grid(True, alpha=0.3)
# 累计收益率
axes[1].plot(df['date'], df['cumulative_return'], color='darkorange', linewidth=1.5)
axes[1].set_title('贵州茅台 累计收益率')
axes[1].set_ylabel('累计收益率')
axes[1].set_xlabel('日期')
axes[1].grid(True, alpha=0.3)
plt.tight_layout()
plt.show()
print(f'期间累计收益率：{df["cumulative_return"].iloc[-1]*100:.2f}%')
print(f'日收益率均值：{df["daily_return"].mean()*100:.4f}%')
print(f'日收益率标准差：{df["daily_return"].std()*100:.4f}%')
期间累计收益率：66.07% 日收益率均值：0.0804% 日收益率标准差：2.0418%
6. 移动均线（MA）与RSI技术指标¶
In [6]:
# 计算均线
df['MA5'] = df['close'].rolling(window=5).mean()
df['MA10'] = df['close'].rolling(window=10).mean()
df['MA20'] = df['close'].rolling(window=20).mean()
# 计算RSI（14日）
delta = df['close'].diff()
gain = delta.where(delta > 0, 0)
loss = (-delta).where(delta < 0, 0)
avg_gain = gain.rolling(window=14).mean()
avg_loss = loss.rolling(window=14).mean()
rs = avg_gain / avg_loss
df['RSI'] = 100 - (100 / (1 + rs))
# 绘图
fig, axes = plt.subplots(3, 1, figsize=(14, 12), sharex=True)
# 子图1：股价与均线
axes[0].plot(df['date'], df['close'], label='收盘价', linewidth=1.5)
axes[0].plot(df['date'], df['MA5'], label='MA5', linewidth=1)
axes[0].plot(df['date'], df['MA10'], label='MA10', linewidth=1)
axes[0].plot(df['date'], df['MA20'], label='MA20', linewidth=1)
axes[0].set_title('贵州茅台 股价与均线')
axes[0].set_ylabel('价格（元）')
axes[0].legend()
axes[0].grid(True, alpha=0.3)
# 子图2：成交量
axes[1].bar(df['date'], df['volume'], color='steelblue', alpha=0.7)
axes[1].set_title('成交量')
axes[1].set_ylabel('成交量（手）')
axes[1].grid(True, alpha=0.3)
# 子图3：RSI
axes[2].plot(df['date'], df['RSI'], label='RSI(14)', color='purple', linewidth=1.5)
axes[2].axhline(y=70, color='r', linestyle='--', alpha=0.5, label='超买线(70)')
axes[2].axhline(y=30, color='g', linestyle='--', alpha=0.5, label='超卖线(30)')
axes[2].set_title('RSI指标')
axes[2].set_ylabel('RSI')
axes[2].set_xlabel('日期')
axes[2].legend()
axes[2].grid(True, alpha=0.3)
plt.tight_layout()
plt.show()
