使用 Python 與 yfinance 分析 NVIDIA 季度數據

課程目標

1. 精熟 yfinance 套件，高效獲取 NVIDIA 股票的歷史數據。
2. 深入理解季度交易數據，並進行財金視角的關鍵分析。
3. 熟練運用 matplotlib 和 pandas 進行專業數據可視化，解讀 NVIDIA 股價走勢。
4. 進一步分析NVIDIA的報酬率與移動平均線，並視覺化。

適用對象

• 具備 Python 基礎（變數、套件導入等）。
• 對科技股、半導體產業及財務分析有興趣的學員。
• 具備基礎pandas與matplotlib的操作經驗。

課程時間

• 約 90 分鐘（含講解與實作）

教案內容

一、課程簡介（5 分鐘）

• 主題介紹：本次課程將運用 Python 深入分析 NVIDIA 的季度數據，從財金角度解讀其股價表現，探討其在 AI 晶片市場的領先地位。我們將加入進階的資料視覺化，讓分析更具深度。
• 工具說明：使用 yfinance（獲取股票數據）、matplotlib（數據可視化）和 pandas（數據處理）。

二、環境準備（10 分鐘）

步驟 1：安裝 yfinance 套件

• 講解：於終端機執行以下指令，安裝 yfinance 套件：

pip install yfinance

• 實作：學員於終端機執行指令，確認安裝成功。

步驟 2：檢查 Python 環境

• 確認 matplotlib 和 pandas 已安裝，若未安裝，執行：

pip install matplotlib pandas

三、核心實作：抓取 NVIDIA 季度數據（15 分鐘）

程式碼講解與實作

• 程式碼：

import yfinance as yf

# 下載 NVIDIA（NVDA）股票數據
nvda = yf.Ticker("NVDA")

# 獲取歷年季度交易數據
df = nvda.history(period="max", interval="3mo")

# 顯示前 10 筆數據
print(df.head(10))

• 逐步解說：
  1. import yfinance as yf：導入 yfinance 套件。
  2. yf.Ticker("NVDA")：指定股票代號為 NVIDIA（NVDA）。
  3. .history(period="max", interval="3mo")：獲取最大時間範圍的季度數據。
  4. print(df.head(10))：顯示前 10 筆數據，確認數據獲取。
• 實作要求：學員執行程式碼，觀察 NVIDIA 自上市以來的股價數據。
• 範例輸出（部分）：

                 Open    High     Low   Close    Volume  Dividends  Stock Splits
Date
1999-01-01   0.424   0.449   0.364   0.403  66900000        0.0           0.0
1999-04-01   0.403   0.509   0.380   0.490  45800000        0.0           0.0
...

四、財金分析：解讀 NVIDIA 季度數據（20 分鐘）

情境設計：NVIDIA 財報分析

• 故事：假設我們是財金分析師，需要深入分析 NVIDIA 的季度數據，評估其投資價值。
• 程式碼：

import yfinance as yf
import pandas as pd

# NVIDIA（NVDA）股票數據
nvda = yf.Ticker("NVDA")

# 獲取季度數據
nvda_df = nvda.history(period="max", interval="3mo")

# 顯示最近 5 筆季度數據
print("NVIDIA 最近 5 筆季度數據：")
print(nvda_df.tail(5))

# 計算季度平均收盤價
quarterly_avg = nvda_df["Close"].resample("Q").mean()
print("\nNVIDIA 季度平均收盤價：")
print(quarterly_avg.tail(5))

# 計算季度報酬率
quarterly_returns = nvda_df["Close"].resample("Q").last().pct_change()
print("\nNVIDIA 季度報酬率：")
print(quarterly_returns.tail(5))

# 計算移動平均線 (2季)
nvda_df['2季移動平均'] = nvda_df['Close'].rolling(window=2).mean()

#計算移動平均線 (4季)
nvda_df['4季移動平均'] = nvda_df['Close'].rolling(window=4).mean()

print(nvda_df.tail())

• 講解：引導學員從收盤價、成交量、報酬率、移動平均線等數據，分析 NVIDIA 的營運狀況、市場情緒與趨勢。
• 實作：學員執行程式碼，觀察 NVIDIA 近期股價變化，並計算季度平均收盤價、季度報酬率與移動平均線。

五、進階可視化數據：繪製 NVIDIA 股價走勢與分析（30 分鐘）

程式碼講解

• 程式碼：

import matplotlib.pyplot as plt

# 繪製 NVIDIA 季度收盤價趨勢
plt.figure(figsize=(12, 6))
plt.plot(df.index, df["Close"], label="NVIDIA 收盤價")
plt.plot(df.index, df["2季移動平均"], label="2季移動平均線")
plt.plot(df.index, df["4季移動平均"], label="4季移動平均線")
plt.title("NVIDIA (NVDA) Quarterly Closing Prices with Moving Averages")
plt.xlabel("Year")
plt.ylabel("Stock Price (USD)")
plt.legend()
plt.grid(True)
plt.show()

#繪製季度報酬率
plt.figure(figsize=(12,6))
quarterly_returns = df["Close"].resample("Q").last().pct_change()
quarterly_returns.plot(kind='bar', color='skyblue')
plt.title("NVIDIA Quarterly Returns")
plt.xlabel("Quarter")
plt.ylabel("Returns")
plt.grid(axis='y')
plt.show()

• 逐步解說：
  1. plt.plot()：繪製收盤價與移動平均線趨勢圖。
  2. plt.figure(figsize=(12, 6))：設定圖表大小。
  3. plt.title、plt.xlabel、plt.ylabel：添加圖表標題與軸標籤。
  4. plt.legend():加上圖示。
  5. plt.grid(True):加上網格線。
  6. quarterly_returns.plot(kind='bar', color='skyblue'):繪製季度報酬率的柱狀圖。
• 實作：學員執行程式碼，觀察 NVIDIA 季度股價走勢圖與季度報酬率，並分析移動平均線的交叉。

財金分析：解讀股價趨勢與報酬率

• 討論：引導學員從股價走勢圖、移動平均線與報酬率，分析 NVIDIA 的成長趨勢、波動性、買賣訊號與潛在風險。

六、課後練習與討論（10 分鐘）

• 作業：
  1. 分析其他科技股（如 AMD、TSM）的季度數據，比較其與 NVIDIA 的股價表現、報酬率與移動平均線。
  2. 嘗試計算 NVIDIA 的其他技術指標（如 RSI、MACD），並進行視覺化分析。
  3. 嘗試使用不同的資料視覺化圖表，例如盒鬚圖、散佈圖等，呈現 NVIDIA 的數據。
• 討論問題：
  1. 移動平均線的交叉，如何作為買賣訊號？
  2. 如何從報酬率分析 NVIDIA 的風險與報酬？