🟢 Thị trường đang đi lên. Mỗi thành viên trong cộng đồng hơn 120 nghìn người này đều biết họ nên làm gì. Bạn cũng vậy.
Nhận ƯU ĐÃI 40%

Cách sử dụng mảng trong NumPy để tính tỷ suất lợi nhuận của cổ phiếu

Ngày đăng 21:57 05/03/2024
Cách sử dụng mảng trong NumPy để tính tỷ suất lợi nhuận của cổ phiếu
US500
-

Vietstock - Cách sử dụng mảng trong NumPy để tính tỷ suất lợi nhuận của cổ phiếu

Một trong những thư viện Python phổ biến trong lĩnh vực phân tích dữ liệu tài chính là NumPy. Trong thực tế, sử dụng mảng trong NumPy được ứng dụng để tính toán tỷ suất lợi nhuận của cổ phiếu trong hoạt động định giá chứng khoán như thế nào?

>> Đăng ký khóa học Phân tích dữ liệu tài chính bằng Python

NumPy (Numerical Python) là thư viện mở được sử dụng để xử lý các dữ liệu số, tính toán khoa học và toán học trong Python. NumPy chứa các cấu trúc dữ liệu ma trận (matrix data) và mảng đa chiều (multidimensional array), có thể thực hiện nhiều phép toán khác nhau trên mảng. NumPy cung cấp nhiều hàm và phép toán phục vụ việc tính toán tài chính như dòng tiền, PV, FV, IRR.

Trong việc phân tích và xử lý dữ liệu với mảng (array), NumPy sẽ nhanh gọn hơn danh sách (list) nhờ tiêu thụ ít bộ nhớ hơn và thuận tiện khi sử dụng, giúp tối ưu hóa công việc hơn. Mảng trong NumPy là một bảng các phần tử có cùng kiểu và được lập chỉ mục (index) bằng một bộ số nguyên dương. Trong NumPy, số chiều của mảng được gọi là cấp/bậc của mảng (mảng 1 chiều, mảng 2 chiều, mảng n chiều...).

Đối với mảng một chiều, đây là một dãy các phần tử nằm trên một dòng hoặc một cột, được biểu diễn giống như một dãy số. Ứng dụng của mảng 1D thường được dùng để biểu diễn danh sách hoặc chuỗi số, ví dụ như giá cổ phiếu trong một ngày.

Ví dụ về cách tính tỷ suất lợi nhuận của cổ phiếu (daily_returns) tại các mức giá đóng cửa (closing_price) hàng ngày lần lượt là 100, 102, 101, 103, 105 (đơn vị tính ngàn đồng):

Trong đó:

  • Giá đóng cửa ngày t là: closing_price[1:] tương ứng với mảng array ([102, 101, 103, 105])
  • Giá đóng cửa ngày t-1 là: closing_price[:-1] tương ứng với mảng array ([100, 102, 101, 103]) 

Hoặc sử dụng cách khác:

Bên cạnh đó, trong lĩnh vực tài chính, mảng một chiều có thể được dùng để theo dõi giá cổ phiếu theo thời gian bằng cách lưu trữ giá cổ phiếu cụ thể theo từng ngày, tính lợi tức hàng ngày của cổ phiếu bằng cách sử dụng phép toán trên mảng để so sánh giá cổ phiếu giữa các ngày liên tiếp…

Khóa học "Phân Tích Dữ Liệu Tài Chính bằng Python" được thiết kế cho những người quan tâm đến việc áp dụng công nghệ và khoa học dữ liệu để thực hiện phân tích chính xác và hiệu quả trong lĩnh vực tài chính. Khóa học không chỉ giúp bạn nắm vững kiến thức về lĩnh vực tài chính mà còn cung cấp cho bạn khả năng ứng dụng công cụ lập trình mạnh mẽ là Python để phân tích và trực quan hóa dữ liệu tài chính. Với đội ngũ giảng viên là những chuyên gia tốt nghiệp tại các trường hàng đầu ở trong & nước ngoài về lĩnh vực Tài chính – Chứng khoán, có kinh nghiệm thực tế cũng như kinh nghiệm giảng dạy tài chính tại các trường đại học, giảng dạy cho các đối tượng doanh nghiệp, công ty chứng khoán, các tổ chức tài chính, học viên sẽ được học tập theo phương pháp hiện đại, chú trọng vào tính ứng dụng thực tiễn trong thị trường, giải quyết từng bài toán cụ thể trong công việc và môi trường doanh nghiệp. Tham gia thảo luận cùng ban giảng huấn về các tình huống thực tiễn.

>> Đăng ký và nhận thông tin khuyến mãi về lớp học "Financial Analytics with Python/Phân tích dữ liệu tài chính bằng Python"

Bình luận mới nhất

Cài Đặt Ứng Dụng của Chúng Tôi
Công Bố Rủi Ro: Giao dịch các công cụ tài chính và/hoặc tiền điện tử tiềm ẩn mức độ rủi ro cao, bao gồm rủi ro mất một phần hoặc toàn bộ vốn đầu tư, và có thể không phù hợp với mọi nhà đầu tư. Giá cả tiền điện tử có độ biến động mạnh và có thể chịu tác động từ các yếu tố bên ngoài như các sự kiện tài chính, pháp lý hoặc chính trị. Việc giao dịch theo mức ký quỹ gia tăng rủi ro tài chính.
Trước khi quyết định giao dịch công cụ tài chính hoặc tiền điện tử, bạn cần nắm toàn bộ thông tin về rủi ro và chi phí đi kèm với việc giao dịch trên các thị trường tài chính, thận trọng cân nhắc đối tượng đầu tư, mức độ kinh nghiệm, khẩu vị rủi ro và xin tư vấn chuyên môn nếu cần.
Fusion Media xin nhắc bạn rằng dữ liệu có trên trang web này không nhất thiết là theo thời gian thực hay chính xác. Dữ liệu và giá cả trên trang web không nhất thiết là thông tin do bất kỳ thị trường hay sở giao dịch nào cung cấp, nhưng có thể được cung cấp bởi các nhà tạo lập thị trường, vì vậy, giá cả có thể không chính xác và có khả năng khác với mức giá thực tế tại bất kỳ thị trường nào, điều này có nghĩa các mức giá chỉ là minh họa và không phù hợp cho mục đích giao dịch. Fusion Media và bất kỳ nhà cung cấp dữ liệu nào có trên trang web này đều không chấp nhận bất cứ nghĩa vụ nào trước bất kỳ tổn thất hay thiệt hại nào xảy ra từ kết quả giao dịch của bạn, hoặc trước việc bạn dựa vào thông tin có trong trang web này.
Bạn không được phép sử dụng, lưu trữ, sao chép, hiển thị, sửa đổi, truyền hay phân phối dữ liệu có trên trang web này và chưa nhận được sự cho phép rõ ràng bằng văn bản của Fusion Media và/hoặc nhà cung cấp. Tất cả các quyền sở hữu trí tuệ đều được bảo hộ bởi các nhà cung cấp và/hoặc sở giao dịch cung cấp dữ liệu có trên trang web này.
Fusion Media có thể nhận thù lao từ các đơn vị quảng cáo xuất hiện trên trang web, dựa trên tương tác của bạn với các quảng cáo hoặc đơn vị quảng cáo đó.
Phiên bản tiếng Anh của thỏa thuận này là phiên bản chính, sẽ luôn được ưu tiên để đối chiếu khi có sự khác biệt giữa phiên bản tiếng Anh và phiên bản tiếng Việt.
© 2007-2024 - Công ty TNHH Fusion Media. Mọi quyền được bảo hộ.