10分时时彩游戏_用python的matplotlib和numpy库绘制股票K线均线的整合效果（含从网络接口爬取数据和验证交易策略代码）

    当时人最近在尝试着发表“以股票案例入门Python编程语言”系列的文章，在什儿 文章里，将用Python工具绘制各种股票指标，在讲述各股票指标的含义以及计算最好的土办法的一起去，验证基于各种指标的交易策略，本文是第一篇，通过K线和均线案例讲述Numpy，Maplotlib等相关库的用法，就让还用代码案例来验证买卖的交易策略。在本系列的上边文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,就让总要用Python编写针对什儿 指标的交易策略,敬请关注。

1 K线整合均线的案例

    均线也叫移动平均线（Moving Average，简称MA），是指某段时间内的平均股价（或指数）连成的曲线，通过它我们 儿儿能清晰地看过股价的历史波动，从而能进一步预测未来价格的发展趋势。

    均线一般分短期、中期和长期这三类。

    1 通常把半个月和10天移动平均线称为短期均线，一般供短线投资者参照。

    2一般把20天、400天和400天移动平均线作为中期均线，一般供中线投资者参考。

    3 一般120天和2400天（甚至更长）移动平均线称为长期均线，一般供长线投资者参考。

    不过在实践中，我们 儿儿一般时要综合地观察短期中期和长期均线，从中能分溶于 市场的多空趋势。比如，因为某股价格的三类均线均上涨，且短期中期长期均线是从上到下排列，则说明该股价格趋势向上；反之因为并列下跌，且长期中期短期均线从上到下排列，则说明股价趋势向下。

    讲完概念了，我们 儿儿通过rolling最好的土办法绘制均线。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	import matplotlib.pyplot as plt 
5	from mpl_finance import candlestick_ochl  
6	#从文件里得到数据
7	df = pd.read_csv('D:/stockData/ch6/4000895.csv',encoding='gbk')
8	#设置图的位置
9	fig = plt.figure()
10	ax = fig.subplot(111)
11	#调用最好的土办法，绘制K线图 
12	candlestick_ochl(opens=df["Open"].values, closes=df["Close"].values, highs=df["High"].values, lows=df["Low"].values,width=0.75, colorup='red', colordown='green')
13	df['Close'].rolling(window=3).mean().plot(color="red",label='半个月均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='半个月均线')
15	df['Close'].rolling(window=10).mean().plot(color="green",label='10天均线')
16	plt.legend(loc='best') #绘制图例
17	#设置x轴的标签 
18	plt.xticks(range(len(df.index.values)),df.index.values,rotation=400 ) 
19	ax.grid(True) #带网格线
20	plt.title("4000895张江高科的K线图")
21	plt.show()

    从第13行到第15行里，通过rolling最好的土办法，根据每天的收盘价，计算了半个月、半个月和10天均线，并为偏离 均线设置了图例，在第16行里，通过legend最好的土办法设置了图例的位置。上述代码的运行效果如下图所示，从中我们 儿儿不仅能看过这段时间内的K线图，还能看过3根均线。    

    

2 K线整合均线的改进版案例

    在本例中，我们 儿儿将做如下两点改进，其中请我们 儿儿着重观察操作坐标轴的ax对象。  

    第一，为了更灵活地得到股市数据，这里是根据就让开始时间和就让开始时间，先是调用get_data_yahoo接口，从yahoo的接口里获取股票数据，一起去为了留一份数据，什么都会把从接口爬取到的数据保存到本地csv文件，做完从前 再绘制图形。

    第二，在从前 的案例中，x轴的刻度是每个交易日的日期，但因为显示的时间范围过长，没办法 时间刻度就会太密集，影响美观效果，什么都这里将只显示主刻度。改进后的代码如下所示。

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas_datareader
4	import pandas as pd
5	import matplotlib.pyplot as plt 
6	from mpl_finance import candlestick2_ochl
7	from matplotlib.ticker import MultipleLocator 
8	#根据指定代码和时间范围，获取股票数据
9	code='4000895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#删除最后一行，因为get_data_yahoo会多取一天数据
12	stock.drop(stock.index[len(stock)-1],inplace=True)
13	#保发生本地
14	stock.to_csv('D:\\stockData\ch7\\4000895.csv')
15	df = pd.read_csv('D:/stockData/ch7/4000895.csv',encoding='gbk',index_col=0)
16	#设置窗口大小
17	fig, ax = plt.subplots(figsize=(10, 8))
18	xmajorLocator   = MultipleLocator(5) #将x轴主刻度设置为5的倍数
19	ax.xaxis.set_major_locator(xmajorLocator)
20	#调用最好的土办法，绘制K线图 
21	candlestick2_ochl(ax = ax, 
22	opens=df["Open"].values,closes=df["Close"].values, highs=df["High"].values, lows=df["Low"].values,width=0.75, colorup='red', colordown='green')
23	#如下是绘制3种均线
24	df['Close'].rolling(window=3).mean().plot(color="red",label='半个月均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='半个月均线')
26	df['Close'].rolling(window=10).mean().plot(color="green",label='10天均线')
27	plt.legend(loc='best') #绘制图例
28	ax.grid(True) #带网格线
29	plt.title("4000895张江高科的K线图")
400	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=400) 
32	plt.show()

    相比从前 代码，这段代码有六个改进点。

    第一，从第9行到第14行里，我们 儿儿通过第五章分析过的get_data_yahoo最好的土办法，传入股票代码、就让开始和就让开始时间这有有六个 参数，从yahoo接口里获得股票交易的数据。

    请注意该最好的土办法返回的数据会比传入的就让开始时间多一天，比如我们 儿儿传入的就让开始时间是2019-03-31，但它会返回后一天（即2019-04-01）的数据，什么都得通过第12行的drop最好的土办法，删除stock对象（该对象类型是dataframe）最后一行的数据。删除的从前 是通过stock.index[len(stock)-1]指定删除长度减1的索引值，因为索引值是从0就让开始，就让时要指定inplace=True，就让语录，删除的结果无法更新到stock什儿 dataframe里。

    第二，在第17行里，通过figsize最好的土办法设置了窗口的大小尺寸。

    第三，通过第18行和第19行的代码，设置了主刻度是5的倍数。之什么都设置成5的倍数，是因为一般一周的交易日是半个月。但这里不让可以简单地把主刻度设置成每周一，因为什儿 周一有因为是股市休市的法定假日。

    第四，因为不让在x轴上设置每天的日期，什么都这里不让再调用plt.xticks最好的土办法，就让得调用如第31行所示的代码，设置x轴刻度的旋转强度，就让x轴展示的时间依然有因为会重叠。

    这段代码的运行效果如下图所示，从中我们 儿儿能看过改进后的效果，就让，因为本次展示的股票时间段变长了（是六个月），什么都相比drawKAndMA.py案例，均线的效果更为明显，尤其是三日均线，更是几乎贯穿于整个交易日范围。

    

3 葛兰碧均线八大买卖法则

   在均线实践理论中，投资专家葛兰碧创造的八项买卖法则可谓经典，具体的细节如下图所示。

    

    1 移动平均线从下降逐渐转为平水平，且有超上边抬头迹象，而股价从均线下方突破时，为买进信号，如上图中的A点。

    2 股价于移动平均线之上运行时下跌，但未跌破均线，此时股价再次上扬，此时为买入信号，如图中的C点。

    3 股价发生均线上运行，下跌时破均线，但均线呈上升趋势，不久股价回到均线之上时，为买进信号，如图中的B点。

    4 股价在均线下方运行时大跌，远离均线时向均线靠近，此时为买进时机，如图中的D点。

    5 均线的上升趋势逐渐变平，且有向下迹象，而股价从均线上边向下穿均线，为卖出信号，如图中的E点。

    6 股价向上穿过均线，不过均线依然保持下跌趋势，此后股价又下跌回均线下方，为卖出信号，如图中的F点。

    7 股价运行在均线下方，再次出现上涨，但未过均线就再次下跌，此为卖出点，如图中的G点。

    8 股价在均线的上边运行，连续上涨且继续远离均线，什儿 趋势说明随总要再次出现获利回吐的卖盘打压，此时是卖出的时机，如前图中的H点。

4 通过DataFrame对象验证均线的买点策略

    根据上述八大买卖原则，我们 儿儿在张江高科2019年1月到3月的交易数据内，用pandas库里的dataframe等对象，根据5日均线计算参考买点，代码如下所示。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	#从文件里得到数据
5	df = pd.read_csv('D:/stockData/ch7/4000895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#随便说说

在后文里只用到了5日均线，但这里演示设置3种均线
8	for maInterval in maIntervalList:
9	    df['MA_' + str(maInterval)] = df['Close'].rolling(window=maInterval).mean()
10	cnt=0    
11	while cnt<=len(df)-1:
12	    try:
13	        #规则1，收盘价连续半个月上扬
14	        if df.iloc[cnt]['Close']<df.iloc[cnt+1]['Close'] and df.iloc[cnt+1]['Close']<df.iloc[cnt+2]['Close']:
15	            #规则2,5日均线连续半个月上扬
16	            if df.iloc[cnt]['MA_5']<df.iloc[cnt+1]['MA_5'] and df.iloc[cnt+1]['MA_5']<df.iloc[cnt+2]['MA_5']:
17	                #规则3，第半个月，收盘价上穿5日均线
18	                if df.iloc[cnt+1]['MA_5']>df.iloc[cnt]['Close'] and df.iloc[cnt+2]['MA_5']<df.iloc[cnt+1]['Close']:     
19	                    print("Buy Point on:" + df.iloc[cnt]['Date'])
20	    except: #有几天是没5日均线的，什么都用except防止异常
21	        pass:                
22	    cnt=cnt+1

    随便说说 在计算参考买点时，只用到了5日均价，但在第8行和第9行的for循环里，我们 儿儿通过rolling最好的土办法，还是计算了3日、5日和10日的均价，并把计算后的结果记录到当前行的MA_3、MA_5和MA_10这三列中，从前 做的目的是为了演示动态创建列的做法。

    在第11行到第22行的while循环里，我们 儿儿依次遍历了每天的交易数据，并在第14行，第16行和第18行里，通过有有六个 if语录，设置了六个规则。因为在前几天是没办法 5日均价了，且在遍历最后2天交易数据时，在执行诸如df.iloc[cnt+2]['Close']的语录中会再次出现索引越界，什么都在while循环里我们 儿儿用到了try…except异常防止语录。

    运行上述代码，我们 儿儿能看过的结果是：Buy Point on:2019-03-08，结合上图，我们 儿儿能看过3月8日从前 的交易日里，股价有一定程度的上涨，什么都能证实基于均线的“买”原则，但影响股价的因素太久，我们 儿儿应全面分析，切勿在实战中只用这原则来买卖股票。

5 通过DataFrame验证均线的卖点策略

    同样地，根据5日均线计算参考买点，在如下案例中，我们 儿儿计算了张江高科2019年1月到3月内的卖点。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	#从文件里得到数据
5	df = pd.read_csv('D:/stockData/ch7/4000895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#随便说说

在后文里只用到了5日均线，但这里演示设置3种均线
8	for maInterval in maIntervalList:
9	    df['MA_' + str(maInterval)] = df['Close'].rolling(window=maInterval).mean()
10	cnt=0    
11	while cnt<=len(df)-1:
12	    try:
13	        #规则1，收盘价连续半个月下跌
14	        if df.iloc[cnt]['Close']>df.iloc[cnt+1]['Close'] and df.iloc[cnt+1]['Close']>df.iloc[cnt+2]['Close']:
15	            #规则2,5日均线连续半个月下跌
16	            if df.iloc[cnt]['MA_5']>df.iloc[cnt+1]['MA_5'] and df.iloc[cnt+1]['MA_5']>df.iloc[cnt+2]['MA_5']:
17	                #规则3，第半个月，收盘价下穿5日均线
18	                if df.iloc[cnt+1]['MA_5']<df.iloc[cnt]['Close'] and df.iloc[cnt+2]['MA_5']>df.iloc[cnt+1]['Close']:     
19	                    print("Sell Point on:" + df.iloc[cnt]['Date'])
20	    except: #有几天是没5日均线的，什么都用except防止异常
21	        pass                
22	    cnt=cnt+1

    运行后，我们 儿儿能得到有有六个 卖点：2019-01-23和2019-01-23，这同样能在上图描述的K线图里得到验证。

6 求推荐，后文预告与版权说明

    在本系列的上边文章中，将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标，就让总要用Python编写针对什儿 指标的交易策略，敬请关注。

    本文用了我将近六个小时，因为我们 儿儿感觉好，请帮忙推荐下。

    关于转载有如下的说明。

    1 本文文字和代码均属原创，可转载，但谢绝用于商业用户。

    2 转载时请用链接的最好的土办法，给出原文出处，一起去写明原作者是hsm_computer。

    3 在转载时，请原文转载 ，如要在转载修改本文，请从前 告知，谢绝在转载时通过修改本文达到有益于转载者的目的。