見出し画像

時系列データのフラグ可視化から見えてきた金融的ショックの関係　python初心者（Ep26）

財津　賢一郎

こんにちわ。スミラです。
前回は、S&P500の情報を取得することができましたね。そして、初めて有料記事というモノを投稿しました。笑。全文はタダでみる事ができるので、どんどんみんな知識を付けていって頂ければ幸いです！
いつもスキ❤️を押していただいている皆さん、本当にありがとうございます！励みになります☆

それでは、本日のテーマは、

過去の金融的ショックが発生したタイミングとの株価の変動について

調べていきたいと思います。宜しくお願い致します。

～～～～～～～～～～～【注意文章】～～～～～～～～～～～

株に手を出すことに伴って、損得の感情が発生してしまいますが、あくまでこれは　コードの学習　において記載している内容です。一切の不利益が発生したとしても何も保証できません。また、個人の見解であり、投資を行う場合は、ご自身の判断で行うようお願い致します。
ご理解の上、読んで頂けますと幸いです。　

～～～～～～～～～～～～～～～～～～～～～～～～～～～～～

変化の大きなポイントとは？

入手したデータを元に、どのタイミングで大きな変化が発生しているのか。それを確認したいと思います。

どれくらいの変化か

まずは、どのくらいの変化が起こっているのか。データから調べてみます。

#日変動の値
oneday_percent_change = data['Adj Close'].pct_change()
oneday_percent_change.plot.hist(bins=100)
plt.xlabel("Adjusted close 1 day percent change")
plt.show()
日変動率の割合

だいたいですが、5％以下の下落が起こっているポイントが何個か発生している事がわかりましたね。そこがどこなのか。次は調べます。

いつ発生ているのか

先程の抽出したデータを元に確認していきます。

#日変動の値を追加
data ['oneday_percent_change']=oneday_percent_change
#判定パーセント
judge_percent = -0.05
#条件に該当するデータをlarge_percent_change_flag とする
data['large_percent_change_flag']=data.oneday_percent_change<judge_percent
display(data[data.large_percent_change_flag])
#何個の検出か確認
print("検出点:{}".format(len(data[data.large_percent_change_flag])))
変動したタイミングの日程情報

マイナス５％以下まで下がったタイミングは、

1985年から26回発生

していることが分かりましたね。それではここから、どのタイミングであったのかグラフ化してみたいと思います。

時系列データのフラグが立つ範囲を可視化

実際に表でみるよりもｸﾞﾗﾌで可視化した方が断然いいので、それについて学びました。下記のサイトの情報を参考に、自分自身で解釈をしながら作成しました。（ちゅらデータ株式会社様　感謝です！）

コードには前処理部分と、可視化部分で分かれております。

#前処理
#bool型からint型に変更し、True=1,False=0 の状態にする
#差分を抽出するために、前後に余白（0）を加えたデータ状態を構築する
diff_pre = pd.Series([0]+list(data['large_percent_change_flag'].astype(int))+[0])
#差分を計算し、Noneは取り除く
diff_pre2 = diff_pre.diff().dropna()

 #可視化 fig, ax = plt.subplots(figsize=(15, 5))
ax.plot(data['Open'])
#start : ilocで行番号を取得、終了する行を-1にすることで後ろの差分で追加分を考慮し、立ち上がり(０から１になった部分）を検出
#end   : ilocで行番号を取得、開始する行を1にすることで前の差分で追加分を考慮し、立下り（１から０になった部分）を検出
for start , end in zip(data['large_percent_change_flag'].index[diff_pre2.iloc[:-1]==1], 
                        data['large_percent_change_flag'].index[diff_pre2.iloc[1:]==-1]):
    ax.axvspan(start,end,color="red",alpha=0.3)
    
plt.show()
フラグが立っている領域を赤でマーキング

だいたいですが、８つのゾーンがありそうですね。そこの日付前後での金融的ショックが何があったのか。確認していきます。

  • ゾーン１：1987年10月-12月

  • ゾーン２：1989年10月

  • ゾーン３：1997年10月

  • ゾーン４：1998年8月

  • ゾーン５：2000年4月

  • ゾーン６：2008年10月-11月

  • ゾーン７：2011年8月

  • ゾーン８：2020年3月

金融的ショックの情報からみえること

米国における金融的ショックがどの様な事があったのか。調べたいと思います。
wikipedia に情報がありましたので、こちらの内容から、コードで抽出を検討したのですが、wikipediaのサイトをコピーすることができたものの、年表部分とその情報のみを抽出することができなかった為、自力でゾーンごとの情報を集めてきます。笑。

調べた結果でございます！！

  • ゾーン１：1987年10月-12月

    1. Black Monday(1987)が発生したタイミング 

    2. 23の主要な正解市場すべてにおいて株式市場の暴落が発生した

  • ゾーン２：1989年10月

    1. 1989年全体として日本がバブルになっており、消費税の導入が日本でされ、1989年の12月に過去最高の38,957円を達成。

    2. 1989年10月に日経平均が22連日高騰記録を達成（憶測：日本株への期待が高まり、米国株から乗り換え者が多かったか？）

  • ゾーン３：1997年10月

    1. アジア通貨危機が発生したタイミング

    2. タイを中心に始まったアジア各国の急激な通貨下落（減価）現象

  • ゾーン４：1998年8月

    1. 先進諸国の株価が大幅に下落

    2. 先進諸国の金融部門に対する不安が高まり、米国と欧州において同部門の株価下落は大幅に発生

  • ゾーン５：2000年4月

    1. ドットコムバブルに対する連邦準備制度理事会の米ドル利上げ

  • ゾーン６：2008年9月-11月

    1. 不良資産救済がされず緊急経済安定化法の否決に伴う大幅な下落

    2. リーマン・ブラザーズの破産に伴い国際的銀行危機が発生

  • ゾーン７：2011年8月

    1. 米国債の格下げを受けて投資家心理が悪化

  • ゾーン８：2020年3月

    1. ブラックマンデーI,ブラックサーズディ、ブラックマンデーIIが発生

    2. 米連邦準備理事会のパウエルの言葉「uncertain」を受け、株への期待が不透明になり、投資家の売り行動が発生

ここまでの流れから、私としては下記の観点が株価下落に影響しているんだろうなー。っと感じました。

１．米国以外の市場の変動要因が、単一の国ベースでクローズできない様な金融危機が発生した場合は、米国株にも影響が発生する
２．米国債の動向
３．利上げの動向
４．パウエル議長の言葉
５．米国議会の動向

個人的見解です

なかなか、面白い傾向が見えたのではないでしょうか。
それでは、次回は、来年ですね。
　　　
株価下落の他の要因

を調べていきたいと思います。宜しくお願い致します！

よいお年を☆

記事を気に入って頂けましたら、コーヒー代のサポートを頂けると励みになります！

ここから先は

0字

¥ 100

期間限定 PayPay支払いすると抽選でお得に！

よろしければサポート頂けると幸いです！子供へのパパ時間提供の御礼（お菓子）に活用させて頂きます☆