【Pythonコード集】エネルギーセクターと個別株の相関を分析してみよう！

目安：この記事は３分で読めます

多くのプロ投資家が注目するS&P500は、50日EMAと短期レジスタンスラインの突破に成功し、今月25日に最高値を更新しました（終値4566.48 ）。

S&P500のチャート

出所：Trading Veiw 日足（9月中旬以降）

米国の株式市場は、明らかに調整局面から強気のトレンドへ転換しています。

株高のけん引役となっているセクターがー

です。

実際、NYの原油先物価格（以下ではWTI）は、約7年ぶりに84ドル台へ到達する局面が見られました。

WTIのチャート

出所：Trading Veiw 日足（7月以降）

天然ガスの価格も、脱炭素化を目指す中国が石炭火力から、より二酸化炭素の排出が少ない天然ガスの輸入を増やしている影響で高騰しています。

当然、これらエネルギー価格に連動して米国のエネルギー関連株も上昇しています。

そこで今回は、エネルギー価格とエネルギー株の相関について、Pythonで分析してみます！

・おすすめのテクニカル分析本

おすすめ度　

この記事の対象者

この記事でわかること

上昇トレンドのセクターを見つけよう

セクター別のトレンドをチェック！

前回の記事で、相場の格言についてふれました。

それが以下の格言です。

株式に投資をする時、ジェイはいつもこの格言を思い浮かべます。

この格言を意識して米国株式のトレンドをみると、上昇トレンドに乗っているのがー

だとわかります。

実際に期間別のパフォーマンスを確認すると、今年はエネルギーセクターの強さが際立っていることがわかります。

・１ヶ月

出所:finviz

・３ヶ月

出所:finviz

・半年

出所:finviz

・年初来

出所:finviz

このように、株式市場の上昇トレンドをけん引しているのがどんな銘柄なのか？を簡単に確認したいならー

することです。

ちなみに、今回採用したパフォーマンスデータの情報ソースは、このブログで紹介したことがある米株専用の情報サイト『finviz』です。

このサイトは、米国株に投資をするなら必ずチェックすべきサイトのひとつです。

こちらのリンク先から、期間別のセクターパフォーマンスがチェックできます。

ぜひご利用ください。

銘柄選びのコツ

セクター別のパフォーマンスをチェックした後に、そのセクター内から、投資に値する個別の銘柄を選んでいきます。

この過程で最も重要なことは、以下2つの点を考えることです。

冒頭で述べたたとおり、今年の株高トレンドを支えているセクターは『エネルギーセクター』です。

そのエネルギーセクターは、WTIと天然ガスの価格が上昇していること（上昇要因）で、好パフォーマンスを維持しています。

この点は簡単に想像できます。

問題は、その要因と個別株との相関関係です。

そこで次では、いよいよPythonを使って相関分析をしてみたいと思います！

Pythonで相関関係をチェック！

今回採用する銘柄は、以下の条件で採用しました。

上の条件をベースに、5つの銘柄を選びました。

※コノコフィリップスの上昇率は4位（3位はAPA）ですが、時価総額の大きさを考え採用しました。

データ取得の期間は、原油価格が反発し始めた2021年9月22日から10月25日までとしました。

また、相関関係を確認する時に用いる『相関係数』の計算には、収益率の『対数差分』を使いました。

銘柄選びと分析の概要を決めたところで、さっそくPythonコードを書いていきましょう！

Pythonコード

import pandas as pd
import yfinance as yf

import numpy as np

import matplotlib.pyplot as plt
%matplotlib inline

from matplotlib import rcParams

import seaborn as sns
sns.set_style('whitegrid')


tickers = [
'CL=F', 
'NG=F', 
'DVN', 
'MRO', 
'FANG', 
'OXY', 
'COP']

df = pd.DataFrame()

for t in tickers:
    df[t] = yf.download(tickers=t, 
                        start = '2021-09-22', 
                        interval='1d')['Close']
    
    
df.columns=(
'WTI', 
'Natural_Gas', 
'DVN', 
'MRO', 
'FANG',
'OXY', 
'COP')

log_diff = np.log(df).diff()


data = round(log_diff.corr().iloc[0:2], ndigits=3)
print(data)

from matplotlib import rcParams
rcParams['figure.figsize'] = 15,9
rcParams['font.size'] =20

sns.heatmap(data = data, annot=True, cmap='Greys');

上のコードを実行すると以下の結果が表示されます。

実行結果

・相関マトリクス

相関マトリクス

・相関ヒートマップ

相関ヒートマップ

※WTI：NY原油先物価格 / Natural_Gas：NY天然ガス価格

相関分析

Pythonで弾き出した相関係数をチェックすると、NYの原油先物価格であるWTIとの相関性が高いのがー

です。

一方、天然ガスと個別銘柄の相関係数はどれも0.5以下であり、高い相関関係は見られません。

これはデータの取得期間、もしくは10月の反落が影響している可能性があります。

しかし、低い相関系数でもよく見ると、デボンエナジー（DVN）とマラソンオイル（MRO）のそれらは、他の銘柄と比較して大きいことがわかります。

冬にかけて天然ガス価格がさらに上昇する場合、デボンエナジー（DVN）とマラソンオイル（MRO）のサポート要因になる可能性があります。

パフォーマンス分析

相関分析の後には必ずー

をおすすめします。

チャート上でパフォーマンスをチェックすることで、視覚でもセクターとの連動性を確認することができるからです。

株価のパフォーマンス分析のコツはー

することです。

今回採用した株価のパフォーマンスを確認するとー

パフォーマンスチャート：年初来

出所：Trading View

パフォーマンスチャート：9月22日基準日

出所：Trading View

デボンエナジー(DVN)とマラソンオイル(MRO)の株価パフォーマンスが、他の銘柄のそれを上回っていることがわかります。

もちろん、エネルギー価格との相関性の他にも、デボンエナジー(DVN)とマラソンオイル(MRO)の株価が上昇している要因はあるはずです。

例えば、売上高の伸びやEPSの成長率といった要因が。

しかし、Pythonで相関分析をするだけでも、エネルギー価格との相関性がより高い銘柄の方が、株価のパフォーマンスも良好になる傾向があることが簡単にわかります。

その傾向がわかれば、主観や感情ではなく、客観的に銘柄を選ぶこともできるのです！

効率よくPythonを学ぶ方法

Pythonって便利だな...

私もPythonを学んでみたい！

今回の記事を読んでそう思われた方は、以下のリンク先をご覧ください。

▼ 本気でPythonを学びたいなら ▼

なぜPython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

今回は以上です！