比较Python、R读取Tushare、Opendatatools和Akshare数据

本次选取的数据为古井贡酒在2000.01~2020.01的月度数据，股票代码为000596.sz。(ID:446541)

（1）基于Python获取Tushare数据

数据清洗过程:

获取数据时，选择性下载了股票的交易日期、成交量和收盘价。交易日期为字符串类型，收盘价和成交量为浮点数类型，无空值和缺失值。由于Tushare下载的数据时间从2020.01到2000.01，故分别对各列进行逆序处理，并重新命名为gujing_date、gujing_close、gujing_vol。

图 1: 收盘价和成交量的时间序列图

图 2: 收益率分布图

如上图，股票收盘价和交易量曾两度走高，但出现峰值的部分并不重叠，交易量的高峰均出现在收盘价上涨之前，当收盘价处于高峰时，成交量处于低位。从直方图来看，收益率近似正态分布。

表 1: 描述性统计结果

T检验时，原假设为均值趋近于0，计算得t=-1.5723，P=1.8841>0.05，故接受原假设，样本的均值显著趋近于0。偏度检验时，原假设为偏度趋近于0，计算得t=-7.8658，P=2>0.05，故接受原假设，样本的偏度趋近于0。峰度检验时，原假设为样本峰度减3后趋近于0，计算得t=13.0450，P=0<0.05，故拒绝原假设，样本的超额峰度并不显著趋于0。在使用stats.skew()和stats.kurtosis()计算时，收益率的偏度和超额峰度均为nan，导致无法继续进行偏度和峰度检验，所以在撰写代码时，最好使用gujing_r.skew()和gujing_r.kurt()函数进行计算。

在正态性检验中，首先进行了JB检验，输出的结果均为nan，此时无法进行判定，之后，进行了W检验，原假设为样本服从正态分布，P=1>0.05，接受原假设，样本服从正态分布。查阅资料可知，由于stats.jarque_bera中应用到了stats.skew()和stats.kurtosis()函数，导致结果为nan。

import tushare as ts
import pandas as pd
import numpy as np
pro = ts.pro_api('23ddb2e6cc09200a7263537acb5a532dd76f443966c0b078ee53278d')

#数据清洗
gujing = pro.monthly(**{"ts_code": "000596.sz", "start_date": 20000101,"end_date": 20200101,}, fields=["trade_date","close","vol"])
gujing_date=gujing["trade_date"][::-1]
gujing_close=gujing["close"][::-1]
gujing_vol=gujing["vol"][::-1]
print(gujing.isnull().sum())
# print(any(gujing.isna()))
print(gujing.isna().sum())
# print(any(gujing.isna()))
print(gujing.info())

#绘制收盘价和成交量的时间序列图
import matplotlib.pyplot as plt
"""需修改x的数据"""
x =gujing_date
"""需修改y的数据"""
y1 =gujing_close
y2 =gujing_vol
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x, y1,label="close")
ax1.set_ylabel("close price")
ax1.legend(loc=(1.2,0.8))

ax2 = ax1.twinx() # this is the important function
ax2.plot(x, y2, "r",label="vol")
ax2.set_ylabel("volume")
ax2.set_xlabel("time")
ax2.legend(loc=(1.2,0.9))
ax2.set_xticks(np.arange(0, len(x),35))
ax2.set_xticklabels(x[::30], rotation=90, fontdict={'fontsize':10})
plt.grid(which='major', axis='x', linewidth=0.75, linestyle='-', color='0.75',dashes=(15, 10))
plt.grid(which='major', axis='y', linewidth=0.75, linestyle='-', color='0.75',dashes=(15, 10))
plt.show()

#绘制收益率分布图
gujing_close_diff=gujing_close.diff()
gujing_r=gujing_close_diff/gujing_close

fig2 = plt.figure()
plt.rcParams['axes.unicode_minus']=False#显示负号
n, bins, patches = plt.hist(x=gujing_r, bins='auto', color='#0504aa',alpha=0.7, rwidth=0.85)
plt.grid(axis='y', alpha=0.75)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('gujing return')
maxfreq = n.max()
plt.ylim(2)
plt.show()

#数据分析
import scipy.stats as stats
print(gujing_close.describe())
print(gujing_vol.describe())
print(gujing_r.describe())
np.var(gujing_close)
stats.skew(gujing_close)
gujing_close.kurt()
np.var(gujing_vol)
stats.skew(gujing_vol)
gujing_vol.kurt()
np.var(gujing_r)
stats.skew(gujing_r)
gujing_r.kurt()

"""t检验"""
mean=np.mean(gujing_r)
var=np.var(gujing_r)
T=len(gujing_r)
t=(np.sqrt(T)*mean)/var
p=2*(1-stats.norm.cdf(t))
"""偏度检验"""
s=gujing_r.skew()
ts=s/np.sqrt(6/T)
p_ts=2*(1-stats.norm.cdf(ts))
"""峰度检验"""
k=gujing_r.kurt()
tk=(k-3)/np.sqrt(24/T)
p_tk=2*(1-stats.norm.cdf(tk))
"""正态性检验"""
stats.jarque_bera(gujing_r)
stats.shapiro(gujing_r)

（2）基于Python获取Akshare数据

数据清洗过程：