使用python编写分析股票市场与比特币价格关系

我们通过用于Python和Pandas技术展开分析，我们将需要在本文中问该问题。首先，我们将用于免费的API检索过去几年的比特币和股票价格。然后我们将计算出来股市与比特币价格之间的相关性。

最后，我们将完结通过相关矩阵图绘制涉及关系的分析。比特币在经济中的起到自从比特币经常出现以来，我仍然想要告诉比特币在我们的经济中扮演着什么角色。以下是三个潜在角色：· 比特币的起到与黄金相近吗？黄金被指出是挂钩投资。

也就是说，当经济于是以陷于衰落时，由于投资者从股票改向黄金，黄金价格往往不会下跌。这有助投资者增加股市暴跌将给他们的投资人组带给的潜在损失。如果比特币在投资界仍然扮演着避风港的角色，那么我们应当希望看见股票与比特币价格之间不存在负相关关系。

· 比特币的另一个有可能起到是跟金融市场一样遵循某种程度的趋势。也就是说，如果股价下跌，这种实证主义具备传染性，因此在比特币价格中也可见吗？· 我们分析的第三个潜在结果有可能是比特币价格与股市显然没关系。让我们用于Python想到！用于Python检索股票市场价格和比特币价格为了获取数据展开我们的分析，我将用于financialmodelingprep API检索比特币价格。

他们还获取免费的库存数据，但是为了向您展出两种有所不同的获取数据的方法，我将用于Pandas DataReader来检索库存数据。作为我们市场数据的代理，我们将用于标准普尔500指数。

标准普尔500指数是取决于在美国上市的500家仅次于公司的股票展现出的指数。我们将用于Pandas DataReaderiTunesSP500价格和美联储经济数据（FRED）作为源。如果您以前未曾用于过Pandas DataReader和Pandas，则必须加装软件包。

您可以用于pip命令来做这一点。pip install pandas_datareader#Pandas data reader may not work with the latest Pandas version,therefore, I recommend you to install Pandas version 0.24:pip install pandas==0.24.2太好了，现在我们可以用于Python检索数据了。

首先，我们将萃取过去十年中的S＆P500股票价格。请注意，通过用于web.DataReader并登录系列名称（即sp500）和获取程序（即fred），我们可以精彩提供称作SP500的Pandas系列数据。pd.core.common.is_list_like = pd.api.types.is_list_likeimport pandas_datareader.data as webimport datetimestart = datetime.datetime(2010, 1, 1)end = datetime.datetime(2020, 2, 10)SP500 = web.DataReader(['sp500'], 'fred', start, end)print(SP500)以上代码行将回到高于标普500普尔系列，其中包括过去10年的标普价格：现在让我们检索比特币价格。

为此，我们将用于financialmodelingprep API。我们将向API端点收到一个http get催促，该催促将回到包括历史BTC价格的字典：import requests#BTCUSD contains a dictionaryBTCUSD = requests.get('https://financialmodelingprep.com/api/v3/historical-price-full/crypto/BTCUSD')BTCUSD = BTCUSD.json()BTCUSD = BTCUSD['historical']我们分析包括在键名historical中的字典。print(BTCUSD)[{'date': '2020-02-15', 'open': 10315.651367, 'high': 10341.555664, 'low': 10226.138672, 'close': 10244.959961, 'adjClose': 10244.959961, 'volume': 42347495424.0, 'unadjustedVolume': 42347495424.0, 'change': 70.69141, 'changePercent': 0.685, 'vwap': 10270.88477, 'label': 'February 15, 20', 'changeOverTime': 0.00685},{'date': '2020-02-14', 'open': 10211...........]}现在通过查阅BTCUSD变量的内容，我们可以看见BTCUSD是词典列表，网卓新闻网，并且列表中的每个元素都是包括比特币价格的有所不同日期。

BTC价格存储在关键收盘价下。例如我们看见在2月15日，比特币的价格为10,244美元。我们必须将字典列表切换为Pandas DataFrame。

我们可以用于pd.DataFrame.from_dict（）精彩地做这一点：BTC = pd.DataFrame.from_dict(BTCUSD)BTC.set_index('date',inplace=True)#Keep only the close columnBTC = BTC[['close']]#Rename the column name to BTCBTC.。

本文来源：皇冠游戏中心官网-www.sriingenieria.com