استفاده از تجزیه و تحلیل سری زمانی در مجموعه داده های تاریخی فارکس

روند تجزیه و تحلیل سری زمانی در جفت مجموعه داده های تاریخی فارکس EUR/USD برای تجسم سناریوی بازار در طی 30 سال گذشته بسته به ویژگی های مختلف از جمله قیمت باز ، قیمت بسته شدن ، کمترین قیمت ، بالاترین قیمت و حجم.

فارکس یا بازار ارزی یک سیستم غیر متمرکز برای تجارت و مبادله ارز است. ارزی روند تغییر ارز یک کشور به ارز کشور دیگر برای تجارت ، تجارت یا گردشگری است. افزایش خدمات ارزی و معاملات به دلیل ارزش های مختلف ارزهای فردی بود. در بازار تجارت جهانی فارکس به عنوان بزرگترین و نقدی ترین بازار دارایی در نظر گرفته می شود. ارزهای ملی دارای نرخ ارز ثابت در جفت هستند ، به عنوان مثالUSD/JPY. بانکهای تجاری و سرمایه گذاری بیشتر مراحل معاملاتی را به نمایندگی از مشتریان خود انجام می دهند. معاملات ارز به طور الکترونیکی از طریق شبکه های رایانه ای بین موسسات ، بانک ها ، کارگزاران و معامله گران انفرادی (که بیشتر از طریق کارگزاران یا بانک ها تجارت می کنند) در سراسر جهان انجام می شود ، که به عنوان بدون نسخه (OTC) شناخته می شود. بازار 24 ساعت شبانه روز و پنج روز معاملاتی در هفته باز است. ارزها در مراکز عمده مالی لندن (U. K) ، نیویورک (ایالات متحده) ، توکیو (ژاپن) ، زوریخ (سوئیس) ، فرانکفورت (آلمان) ، هنگ کنگ (چین) ، سنگاپور ، پاریس (فرانسه) و سیدنی (سیدنی) معامله می شوند. استرالیا) - تقریباً در هر منطقه زمانی. این بدان معنی است که وقتی روز تجارت در ایالات متحده به پایان می رسد ، در سنگاپور و هنگ کنگ آغاز می شود. بازار فارکس در کل روز تقریباً فعال است و قیمت آن به سرعت در حال تغییر است. تجزیه و تحلیل سری زمانی

AIM DAILY XO

هر شب شب هفته به ویراستاران ما بپیوندید زیرا آنها شما را از مهمترین اخبار روز سوق می دهند ، شما را با دیدگاه های تازه آشنا می کنند و لحظات غیر منتظره ای از شادی را ارائه می دهند

اشتراک خبرنامه شما منوط به هدف سیاست حفظ حریم خصوصی و شرایط و ضوابط است.

AI اکنون تقریباً در همه بخش های تجاری با موارد استفاده ، جهان را اداره می کند. امور مالی یکی از این مناطق گسترده است که از سری زمانی برای تجزیه و تحلیل و پیش بینی استفاده می شود. نرخ ارز یکی از مباحث اقتصادی روزانه است که توسط همه مشاهده می شود. ما الگوی نرخ ارز را در یک بازه زمانی تجزیه و تحلیل خواهیم کرد تا بتوانیم آن را در آینده پیش بینی کنیم. مجموعه داده های مورد استفاده برای نمایش ، جفت داده Forex EUR/USD است که رکورد آن را از سال 1971 تا 2019 نگه می دارد. پیوند داده.

برنامه تلفن همراه ما را بارگیری کنید

# importing libraries

واردات پاندا به عنوان PD واردات numpy به عنوان NP واردات Seabo به عنوان SNS واردات matplotlib. pyplot به عنوان plt

# تاریخ تنظیم اکتشاف مجموعه داده ها به عنوان فهرست

df = pd. read_csv ('../ input/eurusd-daily/eu. csv' ، index_col = 0 ، parse_dates = true ، skipinitialspace = true) df. drop ('date' ، axis = 'columns' ، inplace = true true) df. head ()

df.tail() df.shape, df.info()

DateTimeIndex: 12115 ورودی ، ستون های داده 1971-01-04 تا 2019-05-09 (کل پنج ستون): # ستون غیر تهی تعداد dtype --- ------ -------------- ----- 0 Open 12115 float64 1 Null Null Float64 1 Float64 Non-Null Float64 2 Low 12115 float64 float64 3 Close 12115 Float64 Float64 4 Volume 12115 dtypes غیر تهی int64: float64 (4)، int64 (1) استفاده از حافظه: 567. 9 کیلوبایت ((12115،5) ، هیچ کدام)

# بررسی مقادیر تهی df. isna (). جمع ()

باز 0 HIGH 0 LOW 0 CLOSE 0 VOLUME 0 DTYPE: INT64

# تجزیه و تحلیل آماری df. describ () روند بازار # تجسم داده # تجسم روند برای بسته شدن قیمت

plt. figure (figsize = (15،6)) plt. plot (df. close) plt. title ('یورو در مقابل usd') plt. legend () plt. show ()

# تجسم روند برای حجم

plt. figure (figsize = (15،6)) plt. plot (df. volume) plt. title ('یورو در مقابل usd') plt. legend () plt. show ()

#boxplot df.drop('volume', axis=1).boxplot() #generating heatmap sns.heatmap(df.corr()) # Resampling yearly analysis on volume df.resample('Y').mean().plot.bar(y=['volume'], figsize=[25,10]) # Resampling yearly analysis on closing price df.resample('Y').mean().plot.bar(y=['close'], figsize=[25,10]) # lag plot comparing before and after values on volume

از pandas. plotting واردات lag_plot lag_plot (df ['volume']. دم (500))

# طرح تاخیر مقایسه قبل و بعد از ارزش در بسته شدن قیمت

از pandas. plotting واردات lag_plot lag_plot (df ['close']. دم (500))

پیوند نوت بوک کامل در اینجا است. نتیجه گیری در این مقاله ، ما با موفقیت روند تجزیه و تحلیل سری زمانی را در مورد جفت مجموعه داده های تاریخی فارکس EUR/USD برای تجسم سناریوی بازار در طی 30 سال گذشته بسته به ویژگی های مختلف مانند قیمت باز ، بسته شدن قیمت ، کمترین قیمت ، بالاترین قیمت و بالاجلد.