2分快3登录_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
  • 来源:福建网_专注福建新闻_福建的主流媒体

    另一方最近在尝试着发表“以股票案例入门Python编程语言”系列的文章,在哪些文章里,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措施 的共同,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,某些某些 还用代码案例来验证买卖的交易策略。在本系列的里面文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,某些某些 需用用Python编写针对哪些指标的交易策略,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,通过它亲戚亲戚我们我们我们我们我们能清晰地看完股价的历史波动,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 通常把两天和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、60 天和60 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260 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,亲戚亲戚我们我们我们我们我们一般需用综合地观察短期中期和长期均线,从中能分析出市场的多空趋势。比如,可能性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;反之可能性并列下跌,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,亲戚亲戚我们我们我们我们我们通过rolling措施 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/ch6/60
0895.csv',encoding='gbk')
8	#设置图的位置
9	fig = plt.figure()
10	ax = fig.subplot(111)
11	#调用措施

,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='两天均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='两天均线')
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=60

 ) 
19	ax.grid(True) #带网格线
20	plt.title("60
0895张江高科的K线图")
21	plt.show()

    从第13行到第15行里,通过rolling措施 ,根据每天的收盘价,计算了两天、两天和10天均线,并为次责均线设置了图例,在第16行里,通过legend措施 设置了图例的位置。上述代码的运行效果如下图所示,从中亲戚亲戚我们我们我们我们我们不仅能看完这段时间内的K线图,还能看完3根均线。    

    

2 K线整合均线的改进版案例

    在本例中,亲戚亲戚我们我们我们我们我们将做如下两点改进,其中请亲戚亲戚我们我们我们我们我们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,这里是根据现在现在刚开始时间和现在现在刚开始时间,先是调用get_data_yahoo接口,从yahoo的接口里获取股票数据,共同为了留一份数据,某些某些会把从接口爬取到的数据保存到本地csv文件,做完后来再绘制图形。

    第二,在后来的案例中,x轴的刻度是每个交易日的日期,但可能性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,某些某些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='60
0895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#删除最后一行,可能性get_data_yahoo会多取一天数据
12	stock.drop(stock.index[len(stock)-1],inplace=True)
13	#保处在本地
14	stock.to_csv('D:\\stockData\ch7\\60
0895.csv')
15	df = pd.read_csv('D:/stockData/ch7/60
0895.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	#调用措施

,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='两天均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='两天均线')
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("60
0895张江高科的K线图")
60

	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=60

) 
32	plt.show()

    相比后来代码,这段代码有八个改进点。

    第一,从第9行到第14行里,亲戚亲戚我们我们我们我们我们通过第五章分析过的get_data_yahoo措施 ,传入股票代码、现在现在刚开始和现在现在刚开始时间你这有一个 参数,从yahoo接口里获得股票交易的数据。

    请注意该措施 返回的数据会比传入的现在现在刚开始时间多一天,比如亲戚亲戚我们我们我们我们我们传入的现在现在刚开始时间是2019-03-31,但它会返回后一天(即2019-04-01)的数据,某些某些得通过第12行的drop措施 ,删除stock对象(该对象类型是dataframe)最后一行的数据。删除的后来是通过stock.index[len(stock)-1]指定删除长度减1的索引值,可能性索引值是从0现在现在刚开始,某些某些 需用指定inplace=True,某些某些 搞笑的话,删除的结果无法更新到stock你你这一 dataframe里。

    第二,在第17行里,通过figsize措施 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。好的反义词设置成5的倍数,是可能性一般一周的交易日是两天。但这里没办法 简单地把主刻度设置成每周一,可能性某些周一有可能性是股市休市的法定假日。

    第四,可能性很多在x轴上设置每天的日期,某些某些这里很多再调用plt.xticks措施 ,某些某些 得调用如第31行所示的代码,设置x轴刻度的旋转深层,某些某些 x轴展示的时间依然有可能性会重叠。

    这段代码的运行效果如下图所示,从中亲戚亲戚我们我们我们我们我们能看完改进后的效果,某些某些 ,可能性本次展示的股票时间段变长了(是八个月),某些某些相比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,且有超里面抬头迹象,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 股价处在均线上运行,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,而股价从均线里面向下穿均线,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,经常冒出上涨,但未过均线就再次下跌,此为卖出点,如图中的G点。

    8 股价在均线的里面运行,连续上涨且继续远离均线,你你这一 趋势说明随需用经常冒出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,亲戚亲戚我们我们我们我们我们在张江高科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/ch7/60
0895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#我觉得在后文里只用到了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,收盘价连续两天上扬
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日均线连续两天上扬
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,第两天,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,某些某些用except处里异常
21	        pass:                
22	    cnt=cnt+1

    我觉得在计算参考买点时,只用到了5日均价,但在第8行和第9行的for循环里,亲戚亲戚我们我们我们我们我们通过rolling措施 ,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,另一八个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,亲戚亲戚我们我们我们我们我们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,通过八个 if搞笑的话,设置了八个规则。可能性在前几天是没办法 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']的搞笑的话中会经常冒出索引越界,某些某些在while循环里亲戚亲戚我们我们我们我们我们用到了try…except异常处里搞笑的话。

    运行上述代码,亲戚亲戚我们我们我们我们我们能看完的结果是:Buy Point on:2019-03-08,结合上图,亲戚亲戚我们我们我们我们我们能看完3月8日后来的交易日里,股价有一定程度的上涨,某些某些能证实基于均线的“买”原则,但影响股价的因素很多,亲戚亲戚我们我们我们我们我们应全面分析,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,亲戚亲戚我们我们我们我们我们计算了张江高科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/ch7/60
0895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#我觉得在后文里只用到了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,收盘价连续两天下跌
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日均线连续两天下跌
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,第两天,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,某些某些用except处里异常
21	        pass                
22	    cnt=cnt+1

    运行后,亲戚亲戚我们我们我们我们我们能得到八个 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

    在本系列的里面文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,某些某些 需用用Python编写针对哪些指标的交易策略,敬请关注。

    本文用了我将近八个小时,可能性亲戚亲戚我们我们我们我们我们感觉好,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 转载时请用链接的措施 ,给出原文出处,共同写明原作者是hsm_computer。

    3 在转载时,请原文转载 ,如要在转载修改本文,请后来告知,谢绝在转载时通过修改本文达到利于转载者的目的。