7
経済データ
まとめ
- 株価・利回り・財務データをPythonで取得し、テクニカル指標やファンダメンタル指標を算出する。
- ローリングβ・配当再投資・効率的フロンティアなど、投資分析の定量ロジックを実装する。
- ヒートマップ・レーダーチャート・イールドカーブなど、金融特有の可視化手法でインサイトを伝える。
直感 #
金融データ分析では「データ取得 → 指標算出 → 可視化 → 意思決定」の一連のパイプラインが重要です。このセクションでは、Python のデータサイエンスエコシステム（pandas・matplotlib・mplfinance）を活用し、実務で使えるレシピを体系的にまとめています。
詳細な解説 #
このセクションで学べること #
- 時系列分析: OHLC チャート、テクニカル指標（RSI・ZigZag）、移動平均を用いた市場動向の把握
- リスクとリターン: ローリングβ、カントリーリスク、配当再投資シミュレーション
- ファンダメンタル分析: 財務諸表のパース、EPS・売上比較、効率的フロンティア
- NLP 応用: 決算動画の文字起こし、テキストの感情分析
セクション構成 #
| サブセクション | 内容 |
|---|---|
| 7.1 時系列データ | mplfinance によるローソク足描画、RSI、ETF と利回り比較、ローリングβ、配当再投資 |
| 7.2 可視化 | カントリーリスク、サークルマトリクス、レーダーチャート、ヒートマップ、イールドカーブ |
| 7.3 テキスト処理 | Whisper による文字起こし、感情分析、字幕翻訳 |
| 7.4 その他 | EDINET API、J-Quants API、ポートフォリオ最適化 |
進め方 #
- まず 7.1 時系列データ で mplfinance の基本操作を身につける
- 7.2 可視化 でグラフ表現のバリエーションを増やす
- 興味に応じて 7.3 テキスト処理 や 7.4 その他 のレシピを試す