【KDDI株価分析】pytrendsによるGoolgle検索数とKDDIの株価の関係把握

はじめに
検索ワード
方法
実装
結果
考察
結論

はじめに

KDDIの株価が2020年11月2日、128.5円も急騰しました。

前日終値：2792.5

11/2（月）引け：2921

この急騰は、Googleでの検索数から予期できるのはでは？という仮説が経ちました。なぜなら、この急騰は、以下二点の情報を市場が把握したためと推定されるためです。この情報を把握するために、検索数が増えるのでは？ということが予想されますね。

TOYOTAとの資本提携
自社株買い

そこで、KDDIの株価と相関のある検索ワードを探索したいと思います。

検索ワード

KDDI
au
ドコモ
株価
菅さん

方法

検索ワードの人気度（Googleが検索数から算出する0-100の値）と株価の相関係数より、どのキーワードが最も相関が高いかを確認します。

検索ワードの人気度の取得方法はこちらを参照ください。

この方法で得た人気度を月単位で平均値をとります。

ある程度、長期的な見方をまずはやってみます。

実装

データ

同じディレクトリに株価を時系列で把握したデータと人気度を時系列で把握したデータを用意します。

株価のデータの取得方法はこちらを参照ください。

人気度のデータ例

date	KDDI
2018-01-07	52
2018-01-14	56
2018-01-21	56

株価のデータ例

以下のデータの終値のみを使用します。

日付	始値	高値	安値	終値	出来高	終値調整
2020-01-06	3,237	3,243	3,211	3,243	4,504,000	3,243
2020-01-07	3,250	3,273	3,238	3,271	4,604,200	3,271
2020-01-08	3,270	3,277	3,213	3,241	6,703,200	3,241

コード（Python）

以下の例では、KDDIという検索ワードと株価の相関を把握したコード例になります。

import pandas as pd
import matplotlib.pyplot as plt

def mean_m(df):
    df_m = df.resample('M').mean()
    return(df_m)

def read_csv(file):
    df = pd.read_csv(file)
    return df

def plot(trend,kabuka):

    # Set background color to white
    fig = plt.figure()
    #fig.patch.set_facecolor('white')

    # Plot lines
    plt.xlabel('trend(KDDI)')
    plt.scatter(trend,kabuka)
    plt.legend()

    # Visualize
    plt.show()

#kabuka_csv読み込み
file_1 = 'kddi_kabuka.csv'
df_kabuka = read_csv(file_1)
df_kabuka = df_kabuka[['日付','終値']]

#datetimeindexに変換
df_kabuka['日付'] = pd.to_datetime(df_kabuka['日付'])
df_kabuka.set_index('日付',inplace=True)

#月平均を算出
df_m_kabuka = mean_m(df_kabuka)
print(df_m_kabuka)

#kabuka_trend読み込み
file_2 = 'kddi_trend.csv'
df_trend = read_csv(file_2)

df_trend = df_trend[['date','KDDI']]
df_trend['date'] = pd.to_datetime(df_trend['date'])
df_trend.set_index('date',inplace=True)

df_m_trend = mean_m(df_trend)
print(df_m_trend)

df_m = df_m_kabuka
df_m['トレンド'] = df_m_trend

plot(df_m['トレンド'],df_m['終値'])

#df_m.to_csv('kddi_month_data.csv')

print(df_m)