ナスダックと米金利の関係をPythonとseabornでチェック！

 

前回の記事ではPythonで作成したチャートを使って、米金利とナスダックの関係についてチェックしました。

関連記事【Python】米金利とナスダックのトレンドをチャートで分析！基本編

続きを見る

 

前回は基本編という位置付けでしたが、今回は実践編となります。

具体的には、『相関係数』という統計的な観点と『seaborn』というライブラリを使います。

そしてテーマは以下となります。

 

今回のテーマ ー

 

 

記事を読んでわかること

 

この記事の対象となる人

 

結論からいいます

 

まずはmatplotlibの復習から

本題に入る前に、まずはmatplotlibの復習からいきましょう。

今回もターゲットとなる指標は、米長期金利（10年債利回り）とナスダック総合指数（ナスダック）です。

マーケットデータは、いつもどおりYahoo!financeから取得します。

 

Yahoo!financeからマーケットデータを取得

※スマートフォンでご覧の人は、コード一覧の画面を左右にスライドして見ることができます。

Pythonのコード例：株価の取得

import pandas as pd
import pandas_datareader as web

import matplotlib.pyplot as plt
%matplotlib inline

start='2020-12-31'

us10yt = web.DataReader(data_source='yahoo', 
name='^TNX',
start=start,
end='2021-12-31')['Adj Close']

nsdq=web.DataReader(data_source='yahoo', 
name='^IXIC',
start=start,
end='2021-12-31')['Adj Close']

print(us10yt.head(),us10yt.tail())
print(nsdq.head(),nsdq.tail())

print( )関数で実際にデータが取得できているかどうかを確認してみるとー

実行結果：データの確認

・米国10年債利回り

 

・ナスダック

 

データが多すぎるときは、以下のようにコードを書いて、最初と最後だけをチェックすればOKです。

 

なお、カッコ内に数字を入れると、その分だけのデータが表示されます。
例えば”10”と入力すると、最初（最後）から10個のデータが表示されます。

ちなみにデフォルトは『5つ』です。

 

matplotlibでチャートを描画する

さて、マーケットデータが取得できた後は、いつもどおり可視化ライブラリの『matplotlib』を使ってビジュアルチャートを作成します。

---

matplotlibって何？という方は、以下のリンク先をご覧ください。

matplotlibとは？

---

Pythonのコード例：チャートの作成

from matplotlib import rcParams
rcParams['figure.figsize']=15,10
rcParams['font.size']=11

rcParams['font.family']='sans-serif'
rcParams['font.sans-serif']=['Hiragino Maru Gothic Pro', 
'Yu Gothic', 
'Meirio', 
'Takao', 
'IPAexGothic', 
'IPAPGothic', 
'VL PGothic', 
'Noto Sans CJK JP']


fig = plt.figure()

ax1 = fig.add_subplot(2,1,1)
ax1.plot(us10yt,color='black',lw=3)
ax1.set_title('米10年債利回り',fontsize=20)
plt.grid(True)

ax2 = fig.add_subplot(2,1,2)
ax2.plot(nsdq,color='green',lw=3)
ax2.set_title('ナスダック指数',fontsize=20)

plt.grid(True)

上のコードを実行すると、以下のようなビジュアルチャートが描画（びょうが）されます。

実行結果

前回の記事と違う点はひとつです。

その違いとは、”fig.add_subplot”で2つのチャートを一気に表示するようにコードを書いていることです。

この点については、以下の説明をご参照ください。

 

コードの説明

ここからは、上で書いたコードの詳細な説明になります。

１：まずは必要なライブラリをインポート

#pandasはデータ分析で必須のライブラリ
import pandas as pd

#pandas_datareaderはマーケットデータをYahoo!financeから取得するためのライブラリ
import pandas_datareader as web

#matplotlibはデータ可視化のライブラリ
import matplotlib.pyplot as plt
#下のように書くことでjupyter上でチャートが表示される
%matplotlib inline

前回の記事でも指摘しましたが、ライブラリのインポートは”公式”みたいなもんです。

書いていれば自然と慣れていきます。

 

２：マーケットデータの取得

#最初のデータ取得日を設定、1月1日は休日のため2020年12月31日のデータから取得する
start='2020-12-31'

#米国長期金利（10年債利回り）のデータを取得するコード
us10yt = web.DataReader(data_source='yahoo', 
name='^TNX',
start=start,
end='2021-12-31')['Adj Close']

#ナスダックのデータを取得するコード
nsdq=web.DataReader(data_source='yahoo', 
name='^IXIC',
start=start,
end='2021-12-31')['Adj Close']

ポイントは『DataReader』の引数です。

 

なお、yahoo!financeのティッカーコードについては以下の記事をご覧だくさい。

関連記事【Python】Yahoo!financeのデータでローソク足を作成してみよう

続きを見る

ちなみに米国10年債利回りのティッカーコードは『^TNX』となります。

ナスダック総合指数のティッカーコードは『^IXIC』です。

 

３：ビジュアルチャートの作成

さて、次はPythonでビジュアルチャートを作成するコードです。

まずはどんなチャートを作るのか？その設定からです。

#rcParamsでチャートのサイズ、フォントサイズ、フォントタイプを始めに設定
from matplotlib import rcParams

#チャートのサイズを設定
rcParams['figure.figsize']=15,10

#フォントのサイズを設定
rcParams['font.size']=20

#フォントのタイプを設定
rcParams['font.family']='sans-serif'
rcParams['font.sans-serif']=['Hiragino Maru Gothic Pro', 
'Yu Gothic', 
'Meirio', 
'Takao', 
'IPAexGothic', 
'IPAPGothic', 
'VL PGothic', 
'Noto Sans CJK JP']

ポイントは『rcParams』の使い方です。

 

チャートの設定が終わったら、次は米金利とナスダックのデータをラインチャートで可視化します。

コードは以下です。

#まずは plt.figure()でチャートの設定をして、それを変数figに格納します
fig = plt.figure()

#ax1という変数に米長期金利（10年債利回り）のチャートを作成するコード
ax1 = fig.add_subplot(2,1,1)

#チャートの色とラインの太さを設定
ax1.plot(us10yt,color='black',lw=3)

#チャートのタイトルを設定
ax1.set_title('米10年債利回り',fontsize=20)

#グリッドラインの表示（True）
plt.grid(True)



#ax2 という変数に米長期金利（ナスダック）のチャートを作成するコード
ax2 = fig.add_subplot(2,1,2)

#チャートの色とラインの太さを設定
ax2.plot(nsdq,color='green',lw=3)

#チャートのタイトルを設定
ax2.set_title('ナスダック指数',fontsize=20)

#グリッドラインの表示（True）
plt.grid(True)

上の注釈を読んでいただければ、どのコードがどんな役割を果たしているのか？がすぐにわかると思います。

ポイントは、6行目と20行目にある『add_subplot( )』です。

 

具体的に説明します。

上で書いたコードの中に、”ax1 = fig.add_subplot(2,1,1)”があります。

このコードの意味はー

となります。

上のコードを実行すると、米長期金利（10年債利回り）のチャートが上に表示されます。

 

また、上で書いたコードの中に”ax2 = fig.add_subplot(2,1,2)”があります。

となります。

ポイントは、2つ目の『2』です。

行（横の列）は二列作られています。

最後の引数を『2』にすることで、二列目にナスダックのチャート（ax2）が表示されるというわけです。

 

Pythonで相関係数をチェックしよう！

相関係数とは？

今回のテーマも、米金利とナスダックの関係について分析することです。

異なった市場の関係を見る時に必ずチェックすべきことの一つが、『相関関係』です。

この相関関係を具体的な数値で確認する指標を『相関係数』といいます。

色々と書きましたが、今回の例でいうならば、米金利とナスダックが同じ方向に動いていれば相関係数は『プラス』になり、お互いが逆方向に動いていれば相関係数は『マイナス』になる、というだけの話です。

そして、その関係の深さを『－1～＋1』の値で見ましょう、ということです。

 

実際に相関係数を計算するコードを書いて見ましょう。

Pythonのコード例：年初来の相関係数

まずは、2021年1月以降、つまり年初来の相関係数をチェックしてみましょう。

価格データの取得からデータの統合まではこれまでと同じです。

#1月以降の米長期金利のデータを取得
us10yt = web.DataReader(data_source='yahoo',
name='^TNX',
start='2020-12-31',
end='2021-12-31')['Adj Close']

#1月以降のナスダックのデータを取得
nsdq=web.DataReader(data_source='yahoo',
name='^IXIC',
start='2020-12-31',
end='2021-12-31')['Adj Close']

#concat関数でデータの統合
df = pd.concat([us10yt,nsdq],axis=1)

#columnsでカラム名の変更
df.columns=('US10YT','NSDQ')

#.corr()で相関係数をチェック！
df.corr()

相関係数をチェックするコードは、一番最後の行で書いたコード『df.corr()』です。

相関係数は英語で ”correlation” といいます。

よって、『corr()』は、”correlation” の略です。

 

『df.corr()』を実行すると、以下の結果が表示されます。

実行結果

マイナスの値ではありますが、限りなくゼロに近いですね。

このため、1月のはじめから3月9日（データを取得した最終日）までの米金利とナスダックには、同じ方向に動く関係も、逆の方向に動く関係もないことがわかります。

 

では、次に2021年2月以降の相関係数をチェックしてみましょう！

Pythonのコード例：2月以降の相関係数

上で書いたコードとの違いは、変数『○○_feb』と最初のデータ取得日のstart='2021-01-29'の箇所（4行目と11行目）だけです。

#2月以降の米長期金利のデータを取得
us10yt_feb = web.DataReader(data_source='yahoo',
name='^TNX',
start='2021-01-30',
end='2021-12-31')['Adj Close']


#2月以降のナスダックのデータを取得
nsdq_feb=web.DataReader(data_source='yahoo', 
name='^IXIC',
start='2021-01-30',
end='2021-12-31')['Adj Close']

#concat関数でデータの統合
df_feb = pd.concat([us10yt_feb,nsdq_feb],axis=1)

#columnsでカラム名の変更
df_feb.columns=('US10YT','NSDQ')

#.corr()で相関係数をチェック！
df_feb.corr()

『df_feb.corr()』を実行すると、以下の結果が出てきます。

実行結果

マイナスの値が『0.62』と、強い逆の相関の関係が見て取れます。

米金利が上昇（低下）すれば、ナスダックは下落（上昇）するという関係が具体的な数値で確認できました。

 

seabornで分析してみよう！

さて、次はいよいよ『seaborn』の出番です。

seabornとは？

Pythonでチャートやグラフを作成する時、必ず使うのが『matplotlib』というライブラリです。

そして、matplotlibのデザインをよりカッコよくしたり、相関関係といった統計の観点から分析する場合は『seaborn』というライブラリをよく使います。

seabornについては以下の記事をご覧ください。

seabornとは？

 

さて、Pythonでの分析の結果、米金利とナスダックは2月以降、逆の関係（逆相関）にあることがわかりました。

では、逆相関のチャートとはどんなカタチをしているのか？

この点を、seabornのビジュアルチャートで確認してみましょう。

seabornのコード例：regplot

コードは以下の1行です。

#regplotを使って相関関係を確認するコード
sns.regplot(data=df_feb,
x='US10YT',
y='NSDQ')

上のコードを実行すると以下のチャートが表示されます。

実行結果

米長期金利とナスダックの相関チャート

『regplot』は、両者の相関関係をシンプル表示してくれます。

今回は、ラインが見事に”右肩下がり”となっていることがわかります。

このカタチは、2月以降、米金利とナスダックの関係が”逆の相関”にあることを示しています。

 

また、『jointplot』という方法では、”ヒストグラム”も同時に表示することができます。

実際に見てみましょう。

seabornのコード例：jointplot

♯ヒストグラムを同時に表示する場合は『jointplot』を使う
sns.jointplot(data=df_feb,x='US10YT',y='NSDQ',kind='reg');

『regplot』のところを『jointplot』に変更するだけです。

実行すると以下のチャートが表示されます。

実行結果

 

相関チャート画像の外側に、 ”ヒストグラム”が表示されました。

山なりの一番高い部分が、最も多くデータが観測されたところを示しています。

 

相関係数の注意点

相関係数をチェックする際、いくつかの注意点があります。

マーケットの相関関係分析する時は、相関係数の数値だけでなくビジュアルチャートも必ずチェックしましょう。

ラインの傾きを確認したり、他の期間や他の銘柄との相関を比較することで、相関関係の度合いがより正確にわかるからです。

 

そしてゼロの相関は ”直線的な関係がない”という意味であって、まったく相関がないという意味ではありません。

直線的な関係がないということは、右肩上がり（下がり）のラインの関係にない、というだけのことです。

 

最後に一番重要なのが『収益率』でチェックする、ということです。

今回は、単純に米金利の水準とナスダックの価格から相関係数を計算して、両市場の関係をチェックしました。

しかし、実際の実務では『収益率』を比較して、相関係数を計算して両市場の関係をチェックします。

この点は非常に重要ですので、次回の記事で解説します。

こうご期待！

 

統計学を学ぶための『2つの良書』

まずは自分に合うかどうかを確認しよう

こんな質問をいただくことがあります。

統計学を専門に教えている講座に参加するという手もあります。

しかし、統計学の基礎を学ぶだけでも1年はかかります。
応用以上（実践）となれば、最低でも2年から3年は必要でしょう。

つまり、統計学を学ぶには長い時間がかかるということです。

このため、途中で止めて時間を無駄にするケースがあります。

 

時間を無駄にするリスクを考えるとー

この点を確かめることからおすすめします。

 

それを確かめるために、最初は以下の本を読んで統計学のイメージをつかんでください。

• こども統計学 なぜ統計学が必要なのかがわかる本

この本は文字の大きさも程よく、読みやすい文章の構成となっています。

また、カラーの図柄を多く使っているため、スラスラと読めます。

さらに、統計学で注意すべき点についても触れています。

『なるほど！統計学を使うとこんなことがわかるんだ！』

『統計学で分析する時はここに注意した方が良いんだ！』

というイメージを得るには、もってこいの良書です。

 

自分に合っていると思ったら次の本はこれ！

『こども統計学 なぜ統計学が必要なのかがわかる本』を読んで、統計学の勉強が自分に合っている！と思ったら、次におすすめする本は以下です。

• コア・テキスト統計学

 

この本をおすすめする理由は、4つあります。

本気で統計学の基本を学ぶなら、『コア・テキスト統計学』が手元にあれば十分です。
少なくとも、基本を学ぶ段階ではこの一冊を読み込んでおけば大丈夫です。

なぜ大丈夫と言い切れるのか？

それはジェイ自身が、この本で統計学の基本を学んだからです。
全部で300ページちょっとあり中々ハードでしたが、通勤の途中や仕事の帰りに勉強して、約2か月くらいで読み終えました。

ジェイの経験からいっても、『コア・テキスト統計学』は基本が学べる『良書』だと自信を持って言えます。

 

この記事と出会ったのも何かの縁です。

統計学に興味のある人は、ぜひ上の2冊から挑戦してみることをおすすめします！

※2021年3月11日追記

 

まとめ

---

 

最後に

Pythonを学びたい方へ

今やPythonは、マーケットの分析に限らず、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。

プログラミングを学ぼう

 

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、ジェイが『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！