1321.sagews

stock_symbol = 'IBM'
stock = finance.Stock(stock_symbol)
csv = stock.yahoo()
P = stock.close()
P.plot()

# Обчислимо прибутковості...
ret=P.log().diffs()
ret.plot()

# Нормалізуємо прибутковості...
sigma=ret.standard_deviation()
ret_norm=ret.scale(1/sigma)
ret_norm.plot()
# На наступному рисунку "1" на шкалі y відповідає середньоквадратичному відхиленню. Таким чином, можна порівнювати ряди різних акцій.

# Далі перейдемо до обчислення волатильності. Для цього необхідно виконати наступні дії:
# 1) обчислити модуль нормалізованих волатильностей:
abs_ret_norm=ret_norm.abs()
abs_ret_norm.plot()

# 2) Здійснимо згладжування модуля прибутковостей з вікном 100:
vol=abs_ret_norm.simple_moving_average(10);
vol.plot()
# Отриманий часовий ряд називається волатильністю. Волатильність є мірою мінливості часового ряду
# Як видно з графіку, волатильність підвищується під час кризи

# Дослідимо автокореляцію вхідного часового ряду, прибутковостей та модуля прибутковостей
autocorr=[]
for i in range (1000):
    autocorr.append(P.autocorrelation(i))
finance.TimeSeries(autocorr).plot()

# Також дослідимо розподіл нормалізованих прибутковостей та порівняємо їх з Гауссовим
ret_norm.plot_histogram(50)