【注意】：文章僅代表作者個人觀點，不代表投資建議和意見，純屬個人的分析展示和記錄，投資者切不可作為指導意見，盈虧自負。

筆者按：

三、對資料相關性說明：

print(df01.corr())

資料展示：

由於資料過大，導致手機無法訪問和閱讀，所以刪除展示。

視覺化展示之熱力圖：

import matplotlib.pyplot as pltplt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']#顯示中文plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號#相關性檢查df01corr=df01.corr()import seaborn as snssns.heatmap(df01corr,xticklabels=df01corr.columns.values,            yticklabels=df01corr.columns.values)plt.show()

這個熱力圖看起來不是很清楚，我們再進行調整一下：

#相關性檢查df01corr=df01.corr()#以漲幅為關鍵字進行排序，降序處理，與後面的熱力圖刻度保持一致，便於觀察和分析df01corr=df01corr.sort_values(by='漲幅%',ascending=False)# print(df01corr)import seaborn as snssns.heatmap(df01corr,xticklabels=df01corr.columns.values,            yticklabels=df01corr.columns.values)#將x軸標籤進行45度調整，便於觀察plt.xticks(rotation = 45)plt.show()

以60%的相關性來分析，我們可以得到漲幅%與現價，漲跌，量比，漲停數等因子關係比較密切，由於現價沒有方向，也沒有參考系，所以只能放棄，漲跌是透過計算隱含著漲幅的計算，所以也不能算，值得引起我們注意的還是量比和漲停數，它們的存在與漲幅%沒有多大關係，但是卻是我們分析和觀察市場最有利的幫手和參考。

量比是衡量相對成交量的指標。它是指股市開市後平均每分鐘的成交量與過去5個交易日平均每分鐘成交量之比。其計算公式為：量比=（現成交總手數 / 現累計開市時間(分) ）/ 過去5日平均每分鐘成交量。

同理，與漲幅相關性較差的應當屬於跌幅數，漲幅數【沒想到吧】，換言之，普漲但是行業個股漲停數較少的都不能支撐漲幅%，換言之，衡量好的行業的漲幅的質量關鍵在於其成交量和漲停數兩個重要指標，這也意味著，如果當一個行業大漲，但是其漲停數量較少或者沒有，自然是一種頗為【虛胖】的情況，而這種情況應當迴避。漲幅與量比關係的親密也告訴我們，任何市場的變化都是透過資金來進行推動的，我們的市場仍然是一個資金密集型的市場，其流動性依舊是股市的命脈，市場的焦點。市場中充斥著的追高追熱點仍然是投資者的一個習慣。由於資料是橫截面的一天表現，沒有體現出線性的關係，所以我們也很驚訝地發現市值，股本等在去年大出風頭的因子在這裡反而差強人意感到詫異和不安。儘管我們會強調大市值與漲跌幅的關係，但是很難受的，在這一天的表現探索中，這些優秀的因子不能起到任何有利作用。這也意味著，從短線的角度來看，尤其是超級短線的角度來看，市值和股本的降序選擇似乎不會那麼友好。大市值的公司大多數都在【銀行、證券】等公司，也許對於牛市的期待還不能很近地到來，需要有一些耐心才是。從累積漲幅來看，我們似乎會發現一個更加吃驚的事實，那就是過去漲得越兇的行業，在1月14日這天反而受到了壓制，這似乎意味著，前期的強勢將成為壓制後期走勢的重要參考，因此在創新高，突破上的關鍵點位則更加容易讓人值得注意。它能夠意味著主力【願意突破前期高點，而且願意付出成本來衝擊前期高點】的意圖十分明顯，在這個過程中，價格的暴漲和成交量的持續放大都會引發市場的焦點和關注，自然在熊市和震盪市面前也更容易出現強勢行業或者我們能夠耳熟能詳的【騙線】、【假突破】。

這是筆者的淺談，大家可以結合程式碼和資料自行執行得出更多的結論。一天的分析肯定是不夠的，所以筆者將進行封裝以後，將有空進行測試和分析，便於得出更為有利的證據來證明。