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)
- 时间:
- 浏览:0
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。