2分飞艇单双计划_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:龙行博客 - 专注共享小诺博客分享

    自己最近在尝试着发表“以股票案例入门Python编程语言”系列的文章,在那此文章里,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法律最好的办法的并肩,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,不不 还用代码案例来验证买卖的交易策略。在本系列的中间文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,不不 后要用Python编写针对那此指标的交易策略,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,通过它某些人能清晰地都看股价的历史波动,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5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、150天和150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2150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,某些人一般需要综合地观察短期中期和长期均线,从中能分挥发掉市场的多空趋势。比如,不不 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;反之不不 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,某些人通过rolling法律最好的办法绘制均线。    

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/ch6/1500895.csv',encoding='gbk')
8	#设置图的位置
9	fig = plt.figure()
10	ax = fig.subplot(111)
11	#调用法律最好的办法,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='5天均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='5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=150 ) 
19	ax.grid(True) #带网格线
20	plt.title("1500895张江高科的K线图")
21	plt.show()

    从第13行到第15行里,通过rolling法律最好的办法,根据每天的收盘价,计算了5天、5天和10天均线,并为部分均线设置了图例,在第16行里,通过legend法律最好的办法设置了图例的位置。上述代码的运行效果如下图所示,从中某些人不仅能都看这段时间内的K线图,还能都看3根均线。    

    

2 K线整合均线的改进版案例

    在本例中,某些人将做如下两点改进,其中请某些人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,这里是根据日后日后开始时间和日后日后开始时间,先是调用get_data_yahoo接口,从yahoo的接口里获取股票数据,并肩为了留一份数据,某些会把从接口爬取到的数据保存到本地csv文件,做完日后再绘制图形。

    第二,在日后的案例中,x轴的刻度是每个交易日的日期,但不不 显示的时间范围过长,没人时间刻度就会太密集,影响美观效果,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='1500895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#删除最后一行,不不

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\\1500895.csv')
15	df = pd.read_csv('D:/stockData/ch7/1500895.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	#调用法律最好的办法,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='5天均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='5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("1500895张江高科的K线图")
150	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=150) 
32	plt.show()

    相比日后代码,这段代码有5个改进点。

    第一,从第9行到第14行里,某些人通过第五章分析过的get_data_yahoo法律最好的办法,传入股票代码、日后日后开始和日后日后开始时间这另5个 参数,从yahoo接口里获得股票交易的数据。

    请注意该法律最好的办法返回的数据会比传入的日后日后开始时间多一天,比如某些人传入的日后日后开始时间是2019-03-31,但它会返回后一天(即2019-04-01)的数据,某些得通过第12行的drop法律最好的办法,删除stock对象(该对象类型是dataframe)最后一行的数据。删除的日后是通过stock.index[len(stock)-1]指定删除长度减1的索引值,不不 索引值是从0日后日后开始,不不 需要指定inplace=True,不不 搞笑的话,删除的结果无法更新到stock这种dataframe里。

    第二,在第17行里,通过figsize法律最好的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。并非 设置成5的倍数,是不不 一般一周的交易日是5天。但这里非要简单地把主刻度设置成每周一,不不 某些周一有不不 是股市休市的法定假日。

    第四,不不 不什么都没人x轴上设置每天的日期,某些这里不不再调用plt.xticks法律最好的办法,不不 得调用如第31行所示的代码,设置x轴刻度的旋转淬硬层 ,不不 x轴展示的时间依然有不不 会重叠。

    这段代码的运行效果如下图所示,从中某些人能都看改进后的效果,不不 ,不不 本次展示的股票时间段变长了(是5个月),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,且有超中间抬头迹象,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,而股价从均线中间向下穿均线,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,突然出显上涨,但未过均线就再次下跌,此为卖出点,如图中的G点。

    8 股价在均线的中间运行,连续上涨且继续远离均线,这种趋势说明不后要突然出显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,某些人在张江高科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/ch7/1500895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#我人太好在后文里只用到了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5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5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5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,某些用except防止异常
21	        pass:                
22	    cnt=cnt+1

    我人太好在计算参考买点时,只用到了5日均价,但在第8行和第9行的for循环里,某些人通过rolling法律最好的办法,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,某些人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,通过另5个 if搞笑的话,设置了5个规则。不不 在前几天是没人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']的搞笑的话中会突然出显索引越界,某些在while循环里某些人用到了try…except异常防止搞笑的话。

    运行上述代码,某些人能都看的结果是:Buy Point on:2019-03-08,结合上图,某些人能都看3月8日日后的交易日里,股价有一定程度的上涨,某些能证实基于均线的“买”原则,但影响股价的因素不要 ,某些人应全面分析,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,某些人计算了张江高科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/ch7/1500895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#我人太好在后文里只用到了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5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5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5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,某些用except防止异常
21	        pass                
22	    cnt=cnt+1

    运行后,某些人能得到另5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

    在本系列的中间文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,不不 后要用Python编写针对那此指标的交易策略,敬请关注。

    本文用了我将近5个小时,不不 某些人感觉好,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 转载时请用链接的法律最好的办法,给出原文出处,并肩写明原作者是hsm_computer。

    3 在转载时,请原文转载 ,如要在转载修改本文,请日后告知,谢绝在转载时通过修改本文达到不不利于转载者的目的。