【金融数据分析】计算沪深300指数行业权重分布并用饼图展示

前言

前面的文章我们已经介绍了如何获取沪深300成分股所述行业以及权重的数据,想要了解这部分内容的小伙伴可以阅读上一篇文章

springboot+jdbcTemplate+sqlite编程示例------以沪深300成分股数据处理为例-CSDN博客

那么有了上文获取的数据,我们实际上可以计算一下沪深300按照行业分布的权重占比数据,最后的成果如下所示

是不是效果还挺酷的,下面就来介绍一下技术细节。

后端技术细节

首先来讲一下后端的技术细节,其实后端需要做的就是从表中获取按行业区分的权重数据,我们先来看一下数据表

数据表中包含了所述行业和权重占比,那么思路就很明确了,我们只需要查出所有的行业,然后按照行业统计权重之和就行了。

我们的实体类非常简单,就是所属行业和对应的权重

java 复制代码
@Data
@AllArgsConstructor
@NoArgsConstructor
public class CSI300DistVO {

    private String industry;
    private Double weight;

}

接着就是使用JdbcTemplate将数据查出来

java 复制代码
    public List<CSI300DistVO> queryDist() {
        // 首先查询所有的行业
        String sql = "SELECT DISTINCT industry FROM "+ tableName;
        List<String> industrys = jdbcTemplate.queryForList(sql, String.class);
        // 查询每个行业的权重和
        List<CSI300DistVO> csi300DistVOList = new ArrayList<>();
        for(int i=0; i<industrys.size(); i++) {
            sql = "SELECT SUM(weight) FROM " + tableName +
                    " WHERE industry=?";
            Object[] params = new Object[] {
                industrys.get(i),
            };
            Double weight = jdbcTemplate.queryForObject(sql, params,Double.class);
            // 保留四位小数
            String tmp = String.format("%.4f", weight);
            weight = Double.parseDouble(tmp);
            CSI300DistVO entity = new CSI300DistVO(industrys.get(i), weight);
            csi300DistVOList.add(entity);
            log.info(entity.toString());
        }
        return csi300DistVOList;
    }

然后通过get请求提供查询服务

java 复制代码
    @RequestMapping("/queryDist")
    @ResponseBody
    public String queryDist() {
        List<CSI300DistVO> csi300DistVOS = sqlIteCSI300Dao.queryDist();
        return JSON.toJSONString(csi300DistVOS);
    }

最后获取的数据如下

javascript 复制代码
[{
	"industry": "金融业",
	"weight": 21.714
}, {
	"industry": "房地产业",
	"weight": 1.342
}, {
	"industry": "制造业",
	"weight": 55.217
}, {
	"industry": "批发和零售业",
	"weight": 0.324
}, {
	"industry": "采矿业",
	"weight": 4.333
}, {
	"industry": "电力、热力、燃气及水的生产和供应业",
	"weight": 3.193
}, {
	"industry": "租赁和商务服务业",
	"weight": 0.889
}, {
	"industry": "交通运输、仓储和邮政业",
	"weight": 3.242
}, {
	"industry": "信息传输、软件和信息技术服务业",
	"weight": 4.308
}, {
	"industry": "农、林、牧、渔业",
	"weight": 1.206
}, {
	"industry": "卫生和社会工作业",
	"weight": 0.569
}, {
	"industry": "科学研究和技术服务业",
	"weight": 1.346
}, {
	"industry": "文化、体育和娱乐业",
	"weight": 0.112
}, {
	"industry": "建筑业",
	"weight": 2.109
}, {
	"industry": "住宿和餐饮业",
	"weight": 0.09
}]

后端的逻辑非常简单,下面来介绍一下前端的技术细节。

前端技术细节

前端我们采用的技术栈是vue+elemenet-plus+axios+echarts,思路大概就是都使用axios请求后端的数据,等到数据获取到了然后再将echarts图标绘制到页面上。

这里面主要是echart饼图的绘制,这里面我研究了好久,参数还挺多的,我会着重介绍一下。

我们之前说过,整个过程就是首先使用axios通过get请求获取后端数据,然后再进行图标的渲染,我们知道axios的请求是异步的,我们需要首先请求数据,等到数据请求成功后再进行图表的绘制。

下面我将绘制饼状图的代码都贴出来

javascript 复制代码
    // 绘制饼状图
    create_pie() {
      var url = "http://localhost:9001/queryDist";
      axios
        .get(url)
        .then((response) => {
          console.log(response);
          for (var i = 0; i < response.data.length; i++) {
            this.pie_data.push({
              value: response.data[i].weight,
              name: response.data[i].industry,
            });
          }
          console.log(this.pie_data);
          var myChart = this.echarts.init(this.$refs["myChart"]);
          var option = {
            title: {
              text: "沪深300行业权重分布", //标题
            },
            tooltip: {},
            legend: {
              y: 50,
              textStyle: {
                fontSize: 14,
              },
            },
            label: {
              show: true,
            },
            series: [
              {
                name: "分布", //数据的名字
                type: "pie", //表示柱状图
                radius: "70%", //圆的半径
                center: ["50%", "60%"],
                label: {
                  formatter: function (params) {
                    console.log(params.name + " " + params.value + "%");
                    return params.name + " " + params.value + "%";
                  },
                  textStyle: {
                    fontSize: 14,
                    fontWeight: "bolder",
                  },
                  color: "inherit",
                },
                data: this.pie_data,
                selectedMode: "single", //选中效果,使选中区域偏离圆心一小段距离,single或者multiple
                selectedOffset: 10, //偏离圆心的一小段距离
              },
            ],
          };
          // 使用刚指定的配置项和数据显示图表。
          myChart.setOption(option);
        })
        .catch((error) => {
          console.log(error);
        });
    },

我们介绍一些比较重要的参数,绘制的时候比较重要的参数都在series中

series中对应的参数如下:

  • name:名称
  • type:图标的类型,当设置成"pie"的时候表示饼状图
  • radues:表示饼状图半径的大小
  • center:表示圆心在画面中的位置,横着的是x轴,竖着的是y轴,我这样设置就会让饼状图中屏幕中间偏下的位置,方便上方标签的显示
  • label:表示饼状图中标签的文字显示
    • formatter表示我们要显示标签的格式,我们可以自定义要显示的内容
    • textStyle可以设置文字的大小和样式
    • color可以设置文字的颜色,"inherit"表示颜色跟随对应的扇形的颜色
  • data:我们要展示的数据
  • selectedMode:表示选中的效果
  • selectedOffset:扇形被选中的时候放大的幅度

我们目前只是用了这些属性,当然echart还有非常多的属性可以设置,感兴趣的可以自行探索。

下面是这个页面的完整代码

javascript 复制代码
<template>
  <div>
    <el-row class="container">
      <div class="left-grid">
        <el-card>
          <el-table
            :data="table_data"
            :show-header="true"
            :max-height="615"
            stripe
          >
            <el-table-column
              prop="id"
              label="序号"
              width="65%"
            ></el-table-column>
            <el-table-column prop="code" label="股票代码"></el-table-column>
            <el-table-column prop="name" label="公司简称"></el-table-column>
            <el-table-column prop="industry" label="所属行业"></el-table-column>
            <el-table-column prop="weight" label="权重占比"></el-table-column>
          </el-table>
        </el-card>
      </div>

      <div class="right-grid" ref="myChart"></div>
    </el-row>
  </div>
</template>

<script>
import axios from "axios";
import { getCurrentInstance } from "vue";
export default {
  data() {
    return {
      table_data: [],
      pie_data: [],
      echarts: getCurrentInstance().appContext.config.globalProperties.$echarts,
    };
  },
  mounted() {
    this.init();
  },
  methods: {
    init() {
      var url = "http://localhost:9001/queryAll";
      axios
        .get(url)
        .then((response) => {
          this.table_data = response.data;
          console.log(response);
        })
        .catch((error) => {
          console.log(error);
        });
      this.create_pie();
    },
    // 绘制饼状图
    create_pie() {
      var url = "http://localhost:9001/queryDist";
      axios
        .get(url)
        .then((response) => {
          console.log(response);
          for (var i = 0; i < response.data.length; i++) {
            this.pie_data.push({
              value: response.data[i].weight,
              name: response.data[i].industry,
            });
          }
          console.log(this.pie_data);
          var myChart = this.echarts.init(this.$refs["myChart"]);
          var option = {
            title: {
              text: "沪深300行业权重分布", //标题
            },
            tooltip: {},
            legend: {
              y: 50,
              textStyle: {
                fontSize: 14,
              },
            },
            label: {
              show: true,
            },
            series: [
              {
                name: "分布", //数据的名字
                type: "pie", //表示柱状图
                radius: "70%", //圆的半径
                center: ["50%", "60%"],
                label: {
                  formatter: function (params) {
                    console.log(params.name + " " + params.value + "%");
                    return params.name + " " + params.value + "%";
                  },
                  textStyle: {
                    fontSize: 14,
                    fontWeight: "bolder",
                  },
                  color: "inherit",
                },
                data: this.pie_data,
                selectedMode: "single", //选中效果,使选中区域偏离圆心一小段距离,single或者multiple
                selectedOffset: 10, //偏离圆心的一小段距离
              },
            ],
          };
          // 使用刚指定的配置项和数据显示图表。
          myChart.setOption(option);
        })
        .catch((error) => {
          console.log(error);
        });
    },
  },
};
</script>

<style scoped>
.container {
  display: grid;
  grid-template-columns: 35% 65%;
  width: 100%;
  height: 80vh;
}
.left-grid {
  background-color: #f0f0f0;
  border-radius: 2%;
  padding: 10px;
  height: 95%;
}
.right-grid {
  background-color: #f9ecc3;
  border-radius: 2%;
  padding: 10px;
  height: 95%;
}
</style>

最后再放一张显示的效果

数据分析

这部分我们进行一下简单的数据分析。

从数据中可以看出来,目前沪深300指数中制造业占比最高,高达55.217%;金融业第二,占比21.714%;排名第三的是采矿业,占比4.333%;排名第四的是信息技术服务业,占比4.308%;排名第五的是物流行业,占比3.242%;排名第六的是电力等基础设施行业,占比3.193%,剩下的一些行业占比就比较低了。

从这组数据中我们可以看出来,我们国家的经济发展还是以制造业为主,金融业为辅的模式,至少沪深300指数构成来看是这样的。

好了,本文就到这里了,有什么想说的欢迎留言和我交流。

相关推荐
智慧化智能化数字化方案1 天前
工业金融政务数据分类分级体系建设解读
大数据·金融·数据分类分级·政务·政务数据分类·工业数据分类·金融数据分类分级
原点安全1 天前
“鼎和财险一体化数据安全管控实践”入选信通院金融领域优秀案例
大数据·人工智能·金融
AI_NEW_COME1 天前
解锁金融新纪元:内部知识库的深度挖掘与战略价值
金融
正在走向自律2 天前
Agent 案例分析:金融场景中的智能体-蚂蚁金服案例(10/30)
阿里云·金融·ai agent·金融场景中的智能体
正在走向自律3 天前
微众银行金融场景 Agent:创新实践与深度剖析(12/30)
金融·ai agent·ai智能体·微众银行
ai_lian_shuo4 天前
四、使用langchain搭建RAG:金融问答机器人--构建web应用,问答链,带记忆功能
python·ai·金融·langchain·机器人
证卡识读张工7 天前
中软高科身份证云解码金融(银行)解决方案介绍
金融
智慧城市20308 天前
204页PPT金税四期监管要求与最新政策及风险防范-培训课件
金融
Q39575332379 天前
中阳科技:从量化交易到智能金融的创新实践
科技·金融
ai_lian_shuo9 天前
三、基于langchain使用Qwen搭建金融RAG问答机器人--检索增强生成
python·金融·langchain·aigc