【後編】米金利の低下が米国のグロース銘柄へ与える影響を分析－Pythonコードの解説

目安：この記事は3分で読めます

過去2回の記事では、アメリカの長期金利がグロース株へ与える影響について、相関分析で考えてみました。

未読の方は、以下のリンク先へ。

最終回の後編は、Pythonコードの解説となります。

ぜひ、最後までご覧ください！

▼ Pythonを効率的に学ぶなら ▼

▼ Udemyおすすめの講座 ▼
▶現役シリコンバレーエンジニアが教えるPython 3 入門 + 応用 +アメリカのシリコンバレー流コードスタイル

▶ゼロから始めるデータ分析】 ビジネスケースで学ぶPythonデータサイエンス入門

この記事の対象となる人

この記事でわかること

コードの解説：チャートの描画

まずは、チャート画像を描画するためのコードからです。

コードの一覧

#必要なライブラリのインポート
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import yfinance
import datetime


#最後のデータ取得日を設定
end = datetime.date.today()


#価格データの取得
nasdaq = yfinance.download(tickers='^IXIC',
                           start='2021-04-01',end=end,
                           auto_adjust=True,
　　　　　　　　　　　　　　　interval='1d')
                           
                           
us10yt = yfinance.download(tickers='^TNX',
                           start='2021-04-01',end=end,
                           auto_adjust=True,　
　　　　　　　　　　　　　　　interval='1d')
　　　　　　　　　　


#価格データの統合
df = pd.concat([nasdaq.Close,us10yt.Close],axis=1)


#カラムの設定
df.columns = ('Nasdaq','US10YT')


#チャートの描画
fig = plt.figure(figsize=(15,10))

ax1 = fig.add_subplot(111)
ax1.plot(df['Nasdaq'],color='black', lw=3)
ax1.set_ylabel('Nasdaq',fontsize=20)

ax2 = ax1.twinx()
ax2.plot(df['US10YT'],color='green', lw=3)
ax2.set_ylabel('US10YT',fontsize=20)
plt.grid()

コードの解説

▶2行目：import pandas as pd
もはやおなじみのPython版エクセルのPandasをインポート

▶３～4行目：import matplotlib.pyplot as plt
Pythonのチャート描画ライブラリであるmatplotlibをインポート
『%matplotlib inline』と書くことで、Jupyter Notebook（Lab）上にチャートを描画できます

▶5行目：import yfinance
Yahoo！Finance USから価格データを取得するためのライブラリ

▶6行目：import datetime
Pythonで日付や日時を設定するライブラリ
今回は、データを取得した日を最終日に設定するために使います

▶10行目：end = datetime.date.today（）
データを取得した日を最終日に設定するためのコード
『datetime.date.today()』は定型文と考えてください
今回はendという変数に入れました

▶14行目以降：yfinance.download（）
これがYahoo！Finance USから価格データを取得するコードです
上のコードは定型文です
カッコの中の引数で詳細の設定をします

▶28行目： pd.concat（ [ ] ）
concatを使って、ナスダック指数とアメリカ10年債利回りのデータを統合します
『axis=1』とすることで、横にデータをつなげることができます
ちなみに『axis=0』とすると、データは縦につながります

▶32行目： df.columns = ( )
変数名.columns とすることでカラムの名前を設定できます

▶36行目： plt.figure（）
チャートの枠を設定するコードです
『figsize=(15,10)』で横：縦のチャートサイズを設定できます
今回は横が15、縦が10のチャートサイズで設定しました
最後にfigという変数で設定します

▶38行目： plt.fifig.add_subplot（）
ひとつめの価格チャートを設定するためのコードです
ax1という変数で設定しています

▶39行目：ax1.plot（）
ax1変数に.plotとすることで、ひとつめの価格がラインチャートで描画できます
カッコの中は（表示したいデータ：df['Nasdaq']、色：color、ラインの幅：lw）で設定しています

▶40行目：ax1.set_ylabel（）
set_ylabelが示すとおり、Y軸（縦軸）のラベル名を設定するコードです
39行目でナスダック指数を設定しています
よって『Nasdaq』としました
fontsizeで文字の大きさを指定できます

▶42行目：ax2 = ax1.twinx() ★重要コード！！
ここで、2つ目のY軸を設定します
『変数名.twinx()』とすることで、右側にもうひとつのY軸を設定することができます
こうすることで、ケタの違う価格データを一緒に表示をしてもチャートが崩れることはありません

▶43行～44行目：39行～40行目とおなじ

▶45行目：plt.grid（）
チャート上にグリッドラインを描画するコードです

結果

上のコードを実行すると、以下のチャートが描画されます。

Pythonチャート

コードの解説：相関マトリクスの作成

次に、相関マトリクスを作成するコードです。

コードの一覧

#必要なライブラリのインポート
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import yfinance
import datetime

#価格データを取得する期間を設定
from_may = '2021-05-13'
end = datetime.date.today()

#取得する価格のティッカーコードを設定
ticker_list = ['CRWD', 'ZS', 'NCNO', 'ZI', 'U', 'AVLR', ]
us_yield = '^TNX'


#Yahoo!financeから価格データを取得
stock1 = yfinance.download(tickers=ticker_list[0],
                           start=from_may,end=end,
                           auto_adjust=True,
                           interval='1d')
stock2 = yfinance.download(tickers=ticker_list[1],
                           start=from_may,end=end,
                           auto_adjust=True,
                           interval='1d')
stock3 = yfinance.download(tickers=ticker_list[2],
                           start=from_may,end=end,
                           auto_adjust=True,
                           interval='1d')
stock4 = yfinance.download(tickers=ticker_list[3],
                           start=from_may,end=end,
                           auto_adjust=True,
                           interval='1d')
stock5 = yfinance.download(tickers=ticker_list[4],
                           start=from_may,end=end,
                           auto_adjust=True,
                           interval='1d')
stock6 = yfinance.download(tickers=ticker_list[5],
                           start=from_may,end=end,
                           auto_adjust=True,
                        　  interval='1d')

us_yield = yfinance.download(tickers=us_yield,
                             start=from_may,end=end,
                             auto_adjust=True,
                             treads=True,
                             interval='1d')


#価格データの統合
data = pd.concat([stock1.Close, stock2.Close, 
                  stock3.Close, stock4.Close, 
                  stock5.Close, stock6.Close, 
                 us_yield.Close], axis = 1)


#データカラムの設定（今回はティッカーコード）
data.columns = ('CRWD', 'ZS', 
                'NCNO', 'ZI', 
                'U', 'AVLR', 
                'US10YT')

#相関係数の計算
data.corr()


#米金利をベースに相関係数を並び替え
data.corr().sort_values(by='US10YT')

今回は、ひとつひとつ価格のデータを取得するスタイルにしましたが、関数（def）や繰り返し文（for）を使えば、コードを簡略することができます。

コードの解説

▶2行~7行目：上で説明済み

▶10行目：from_may = '2021-05-13'
あらかじめデータを取得する最初の日を設定するコード

▶11行目：上で説明済み

▶14行目：ticker_list = [ ]
あらかじめグロース銘柄のティッカーコードをリスト形式で設定するコード

▶15行目：us_yield = '^TNX'
アメリカ10年債利回りを変数『us_yield 』に設定するコード

▶19行目以降：価格データを取得するコード（上で説明済み）
ticker_list[番号]がポイント

リストの番号に合わせて変えることで、グロース銘柄の価格データをひとつひとつ取得できます
ちなみにリストの番号はゼロからはじまります★ここ重要！！
なので、ticker_list[0]がクラウドストライク（CRWD）、ticker_list[5]がアバララ（AVLR）となります

▶52行目以降：pd.concat（ [ ] ）
concatをつかって、グロース銘柄とアメリカ10年債利回りのデータを統合します

▶59行目以降：data.columns
変数名.columns とすることで統合したデータのカラム名を設定できます

▶65行目：data.corr() ★ここ重要！！
変数.corr（）とすることで簡単に相関係数がマトリクス形式で計算されます

▶69行目：sort_values(by='US10YT')
『sort_values(by=' ')』であるカラムの値を軸に、昇順や降順で並び替えができます
今回はアメリカ10年債利回り（US10YT）を軸に降順で設定しました

結果

上のコードを実行すると、以下の結果が得られます。

相関マトリクス

次は『騰落率ベース』の相関マトリクスを作成するコードです。

上のコード一覧との違いは、騰落率を計算するコードを書くことだけです。

コードの一覧

#騰落率を計算する
diff_data = data.pct_change()*100

#騰落率を計算すると最初のデータが空になる
#その空のデータを削除する
diff_data.dropna(inplace=True)


#相関係数を計算
#米金利をベースに相関係数を並び替える
diff_data.corr().sort_values('US10YT')

コードの解説

▶2行目：.pct_change()
これが騰落率を計算するコードです
パーセンテージの変化率（pct_change）が計算されます
最後に100を掛けてください
今回はdiff_data（差分データ）という変数を設定しました

▶2行目：.dropna(inplace=True)
騰落率を計算すると最初のデータが空欄になります
データの空欄を削除するコードが『変数名.dropna』です
『inplace=True』と書くと変更箇所が自動的に保存されます

▶11行目：上で説明済み

結果

上のコードを実行すると、騰落率ベースの相関マトリクスが表示されます。

相関マトリクス

何回も言って恐縮ですが、単に価格で計算される相関係数と騰落率で計算されるそれは、違う値になります。

重要なのは『アメリカ金利がどれくらい上下に動いたら、グロース銘柄はどのくらい上下に動くのか？』この点を常に考えることです。

よって、相関係数は騰落率ベースでみるのがベターだとジェイは考えています。

また、相関分析では数字だけでなくチャートで見る事も大事です。

その際は、線形回帰のチャートで見るのが一般的です。

Pythonでは、seabornの『regplot』や『jointplot』をよく使います。

この点については、以下の記事の最後の方をご参考ください。実際にどんなチャートなのか？のイメージがつきます。

Pythonを学びたい方へ

今やPythonは、あらゆる分野で使われているプログラミング言語です。

Pythonを学んでおけば株式の投資に役立つだけでなく、これからのキャリアを形成する上でも力強い武器となるでしょう。

『私もPythonを学んでみたい！』

という人は以下のリンク先をご覧ください。

▼ Pythonを効率的に学ぶ方法を知りたいなら以下をクリック ▼

なぜプログラミングを学ぶ必要があるのか？その理由がわかります。

そして、『これがPythonを効率的に学ぶ方法だ！』と自信をもっておすすめする学習方法について解説しています。

この記事と出会ったのも何かの縁です。
ぜひチャレンジしてみてください！

独学がどうしても苦手な人はメンター制度が充実しているプログラミングスクールをおすすめします。

▼Pythonを学ぶならテックアカデミー▼

▶現役エンジニアのパーソナルメンターからマンツーマンで学べる

▶データサイエンスコース

▲独学が苦手な人におすすめ▲