【中編】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コードの紹介

目安：この記事は3分で読めます

前回は、低下基調の米金利がグロース株へ与える影響について、相関分析を用いて分析してみました。

未読の方は、以下のリンク先でご覧ください。

中編の今回は、前編の相関分析で用いたPythonコードの紹介となります。

コピー&ペーストすれば、誰でもコードが動くように編集しています。

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

Pythonコード：チャートの描画

まずは、前編の初めのほうで載せた価格チャートのPythonコードから紹介します。

ザっとコードの一覧をお見せします。

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()

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。

ぜひ、上のコードをコピペして試してみてください。

Pythonチャート

Pythonコード：相関係数

次に、Pythonで相関係数をはじき出すコードについて紹介します。

上と同じく、ザっとコードの一覧を紹介します。

まずは価格ベースの相関係数からです。

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 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,
                             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。

結果

上のコードを実行すると、以下の相関マトリクスが表示されます。

相関マトリクス

次は、騰落率ベースの相関係数を計算するコードを紹介します。

データの取得と統合までは一緒です。

ポイントは以下のことです。

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')

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

前編でも指摘しましたが、価格ベースの相関係数とは全く違う値であることがわかります。

最終回の後編は、今回紹介したPythonコードについて詳しく説明します。

アップするまで上のコードをコピペしたり、変数を変えたりして遊んでみてください！

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▲