季节性分析是⾦融数据分析的常⽤分析⽅法，经常⽤于股票和商品价格分析中，对于观察价格、价差、基差和⽐价及商品供需⽔平⼗分准确直观，现在介绍⼏种获取季节性图表的⽅法。
⼀、⾦融数据终端
很多⾦融数据终端在提取数据的⾯板中提供了季节性图表的展⽰和导出功能，常见的如Bloomberg、Wind、钢联数据、天下粮仓等。以wind为例，在选择和提取数据之后，在看板下⽅可以切换到“图像”⼯作簿，提取到的数据会⾃动⽣成时间序列的折线图，在图⽚左上⾓⼯具栏中点击“季节性图表”图标，设置区间年份便可以⾃动⽣成，此处的数据和图⽚和数据都可以下载导出，但是没有⾃动更新功能。
⼆、⽤excel透视图画出
将整理好的数据序列数据，选择数据区域，在“插⼊”选项卡点击“数据透视图”，设置透视图表的位置，将数据列和时间列拖拽
到“值”和“⾏”，这时会默认安装“年”和“季度”透视，如果我们想要按照⽇期⽐对，可以在右击透视表的“⾏
标签”，点“组合”，只选中“年”和“⽇”，之后把“年”字段拖拽到“图例系列”中，就得到了分年柱状图。然后可以根据需要对图⽚进⾏修饰，可以右击图⽚“更改图⽚类型”为折线图，如果数据频率较低或存在nan值，折线图会不连续，解决⽅法是在图⽚区域右击“选择数据”，点击“隐藏的单元格和空单元格”，选择⽤直线连接数据点，最后我们得到了分年对⽐的折线图，可以⾃⾏设置线条的颜⾊和宽度、线型等。这种⽅法的优点是excel⾃动分析加⼯、数据排序⾃然准确；缺点是数据承载量较⼩，需要⼿⼯刷新图表，⼀旦软件出现故障容易造成数据毁损。
三、⽤excel公式⽣成图表
主要思路是构建年份、⽉份、周数或⽇期的辅助列，根据需求者的不同⽬的构建图标结构，⼤体思路是⽤IF函数与SUMIF函数或INDEX与MATCH函数配合，搜寻源数据中的唯⼀值，然后根据年份或更⾼频数据提供的坐标把数据填充到新的表结构中，最终形成类似于前述的透视表，然后插⼊折线图。这种⽅法的关键在于数据坐标的确定⽅法，优点是图⽚会随源数据⾃动更新、每次重算，缺点是对公式的灵活应⽤有⼀定要求。
四、⽤python实现
开始我⽤pandas⾃带的透视图功能可以把数据拆分但是没有实现想要的结果，⼀种解决思路是从数据源的datetimeindex提
季度怎么分
取“年”和“⽇期”两个辅助列，按年遍历数据，以“⽇期”列为键，作为index，join合并各年数据，效果如图。
这种⽅法存在问题是，pandas的合并默认按照index进⾏排序，⼀旦⽤到跨年的时间段，⽐如某⼀期货合约的存续期间，join的结果就会时间顺序错乱。
解决的思路是对时间区间是否跨年进⾏判断，作为初始参数选择不同处理⽅法，跨越元旦的区间以“年”为colunms、以“⽇期”str为index，遍历写⼊新的dataframe，可以最⼤程度保存数据原貌，所得到的数据表可以直接保存到excel。
发布评论