相関分析シリーズ後編 Pythonで線形の相関チャートを作ってみよう！

目安：この記事は3分で読めます

いよいよ『米エネルギー株と原油価格の相関分析シリーズ』の最終回です。

前回はPythonを使って、ヒートマップの相関チャートを作成するプログラミングコードについて解説しました。

今回は同じ相関チャートでも、"線形チャート" のプログラミングコードについて解説します。

まだ前回の記事を読んでいないという方は、以下のリンク先からご覧ください。

前回の記事をすでにお読みの方は、『目次 → Step4 チャートの作成』からお読みください。

Pythonを効率的に学ぶ方法を知りたいなら以下をクリック ▼

この記事の対象となる人

結論からいいます

Pythonでヒートマップを作成

さて、さっそく本題です。

今回は、『米エネルギー株と原油価格の相関分析シリーズ』の中編で作った ”線形” の相関チャートを作成するコードをご紹介します。

関連記事 ▼

コードの手順

まずは、ザっとコードの手順を確認しましょう。

• step.1

  ライブラリのインポート




• step.2

  Yahoo!finance US から価格データを取得




• step.3

  価格データの編集

• step.4

  チャートの作成

となります。

Step1 ライブラリのインポート

Pythonのプログラミングでは、最初に必要なライブラリをインポートすることから始まります。

ライブラリとは、簡単に言えば以下のことです。

Pythonの代表的なライブラリは『Pandas』や『matplotlib』です。
今回もこれら2つのライブラリを使いまくります。

実際に見てみましょう！

・Pythonコード

#pandasを"pd"というかたちでインポート
import pandas as pd

#pandas_datareaderを"web"というかたちでインポート
import pandas_datareader as web

#matplotlibを"plt"というかたちでインポート
import matplotlib.pyplot as plt

#matplotlibから"rcParams"をインポート
from matplotlib import rcParams
%matplotlib inline

#seaborn を"sns"というかたちでインポート
import seaborn as sns

#seabornのフォントサイズを設定
sns.set(font_scale=1.5)

#seabornのチャートスタイルを設定
sns.set_style('whitegrid')

#日付の設定を行うライブラリをインポート
import datetime

プログラミングのコードは、見慣れていないと『？？？』になってしまいます。

しかし、難しく考える必要はありません。

上のコードは、以下の機能を持つライブラリを使うためにインポートしただけです。

ザっと、以上のことを頭の中に入れておけば大丈夫です！

Step2 価格の取得

ライブラリのインポートが終わったら、次はいよいよ価格データの取得です。

・Pythonコード

# "tickers" という変数に取得したい原油と米エネルギー株のティッカーコードを入れる
tickers = ['CL=F','XOM','OXY','CVX','DVN']

# "df" という変数に価格データを入力するための空のフレームを作成
df = pd.DataFrame()

# for文でdf（空のデータフレーム）の中に、tickersで指定した原油と米エネルギー株の価格データを入れていく
for i in tickers:
    df[i] = web.DataReader(name=i, data_source='yahoo', 
                           start='2021-01-01', 
                           end=datetime.datetime.today())['Adj Close']

# "変数.columns" でカラム名を変更
# 今回は原油のみを ”NY_WTI” に変更
df.columns = ('NY_WTI','XOM','OXY','CVX','DVN')

コードの説明です。

上で書いたコードは、Pythonの定型文のひとつと考えておけば大丈夫です。
定型文なので、コードを書いていくうちに慣れていきます。

さて、ここで価格データが取得できているかどうか？を確認をしてみましょう。

・Pythonコード

# 最初の5つと最後の5つを表示する
df.head(),df.tail()

価格データ

※中編の記事をアップしたのが5月10日。今回の記事をアップしたのが5月16日です。このため、今回は14日（金）のNY終値までの価格データを取得しています。

次はコードの説明です。

ちゃんと価格データが取得されているかどうか？を確認するとき、全部のデータを確認することは時間の無駄です。

なので、一般的には最初と最後の箇所をhead()とtail()で確認します。

問題なくデータが取得出来ていれば、次に進みます。

Step3 価格データの編集

次は、価格データの編集です。

Aさん

編集？どんな編集をするんですか？

相関分析をするときは、そのまま価格データを使うのではなく”編集”することをおすすめします。

では、どんな編集をするのか？

それはー

ことです。

簡単に言えば、前の日と比べて今日はどのくらい価格が上昇したのか？下落したのか？を見ましょう、ということです。

価格差のことを『差分』といいます。

差分は、引き算をするだけで簡単に計算ができます。

しかしジェイは、”収益率”を重視しています。なので、単に引き算するのではなくー

を計算して分析しています。

対数差分... 難しい言葉が出てきましたね。

対数差分について簡単に言うと、投資に使ったお金に対して今はいくらの損益がでているのか？を確認するための数字です。

もっと簡単な言葉で言えば、”収益率” ということです。

言葉は難しくても、NumPyを使えば簡単に計算ができます。

早速コードをみてみましょう！

・Pythonコード

# np.log（）が対数差分を計算するコード
df_log = np.log(df)

# diff（）が引き算（差分を計算）するコード
df_diff = df_log.diff(1)

# dropnaはデータが空欄のところを削除するコード
df_diff.dropna(inplace=True)

次はコードの説明です。

最後に対数差分の価格データを確認してみましょう。

# 最初の5つと最後の5つを表示する
df_diff.head(),df_diff.tail()

対数差分の価格データ

ちゃんと計算できていることが確認できました。

Step4 チャートの作成

さて、最後はいよいよチャートの作成です。

早速コードからみてみましょう！

・Pythonコード

# plt.figure(figsize=())でチャートのサイズを決める
plt.figure(figsize=(15,10))

# sns.regplotで線形の相関チャートをつくる
sns.regplot(data=df_diff,x=df_diff['NY_WTI'],y=df_diff['XOM'],
            scatter_kws={'color':'blue'}, 
            line_kws={'color':'darkblue'},
            label='XOM')

コードの説明です。

結果をみてみましょう。

原油価格とエクソンモービルの相関チャート

簡単に線形の相関チャートができました！

y軸を『デボンエナジー（DVN）』にするだけで、今度は『原油価格とDVN』のチャートができます。

・Pythonコード

plt.figure(figsize=(15,10))

# y=df_diff['DVN']に変更
# label='DVN'に変更

sns.regplot(data=df_diff,x=df_diff['NY_WTI'],y=df_diff['DVN'], 
            scatter_kws={'color':'#48d1cc'}, 
            line_kws={'color':'#48d1cc'},
            label='DVN');

結果をみてみましょう。

原油価格とデボンエナジーの相関チャート

y軸が『デボンエナジー（DVN）』になっていることが確認できました。

2つのチャートを重ねて表示する場合は、上の2つのコードを一気に書くだけです。

・Pythonコード

plt.figure(figsize=(15,10))
sns.regplot(data=df_diff,x=df_diff['NY_WTI'],y=df_diff['XOM'],
            scatter_kws={'color':'blue'}, 
            line_kws={'color':'darkblue'},
            label='XOM')

sns.regplot(data=df_diff,x=df_diff['NY_WTI'],y=df_diff['DVN'], 
            scatter_kws={'color':'#48d1cc'}, 
            line_kws={'color':'#48d1cc'},
            label='DVN')

# y軸のラベルを設定
plt.ylabel('XOM / DVN')

# ラベルを表示する位置とフォントサイズを設定
plt.legend(loc=2,fontsize=30);

結果をみてみましょう。

2つの線形チャート

2つの線形チャートが重なって表示されていることが確認できました。

最後2行のコードの説明です。

Pythonを使えば簡単にチャートが作成できる

このようにPython、matplotlib、seabornを使えば、簡単にチャートが作成できます。

もちろん、コードを組む時はある程度の時間が必要です。

しかし、一度コードを組んでしまえばあとはそのコードを実行するだけで、一瞬であなたが作りたいチャートが完成します。

この記事をきっかけにPythonに興味を持たれた方は、以下の『Pythonを学びたい方へ』をご覧ください。

ジェイが自信を持っておすすめする『Pythonを効率的に学習する方法』をお教えします！

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。

今回の記事でも、Pythonのプログラミングで最も使われる『matplotlib』と『seaborn』を用いて、線形の相関チャートを作成しました。

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！

まとめ

今回で『相関分析シリーズ』は終了です。

相関分析は奥の深い分野です。

また、別のかたちで分析の記事を書きます。

こうご期待！