2分快3规则_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:1
  • 来源:吉林新闻网_吉林主流媒体_吉林门户网站

    此人 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,在那先 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办法的同時 ,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,或多或少还用代码案例来验证买卖的交易策略。在本系列的底下文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,或多或少后会用Python编写针对那先 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,通过它大伙儿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 通常把半年和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,大伙儿一般时要综合地观察短期中期和长期均线,从中能分蒸发掉市场的多空趋势。比如,意味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;反之意味并列下跌,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,大伙儿通过rolling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/ch6/60
0895.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='半年均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='半年均线')
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最好的办法,根据每天的收盘价,计算了半年、半年和10天均线,并为每项均线设置了图例,在第16行里,通过legend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,从中大伙儿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,大伙儿将做如下两点改进,其中请大伙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,这里是根据随后随后刚开始 时间和随后随后刚开始 时间,先是调用get_data_yahoo接口,从yahoo的接口里获取股票数据,同時 为了留一份数据,那末来越多那末来越多那末来越多那末来越多有会把从接口爬取到的数据保存到本地csv文件,做完随后再绘制图形。

    第二,在随后的案例中,x轴的刻度是每个交易日的日期,但意味显示的时间范围过长,那末 时间刻度就会太密集,影响美观效果,那末来越多那末来越多那末来越多那末来越多有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,意味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\\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='半年均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='半年均线')
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()

    相比随后代码,这段代码有十个 改进点。

    第一,从第9行到第14行里,大伙儿通过第五章分析过的get_data_yahoo最好的办法,传入股票代码、随后随后刚开始 和随后随后刚开始 时间这而是参数,从yahoo接口里获得股票交易的数据。

    请注意该最好的办法返回的数据会比传入的随后随后刚开始 时间多一天,比如大伙儿传入的随后随后刚开始 时间是2019-03-31,但它会返回后一天(即2019-04-01)的数据,那末来越多那末来越多那末来越多那末来越多有得通过第12行的drop最好的办法,删除stock对象(该对象类型是dataframe)最后一行的数据。删除的随后是通过stock.index[len(stock)-1]指定删除长度减1的索引值,意味索引值是从0随后随后刚开始 ,或多或少时要指定inplace=True,或多或少的话,删除的结果无法更新到stock两种dataframe里。

    第二,在第17行里,通过figsize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。两种设置成5的倍数,意味一般一周的交易日是半年。但这里不不能简单地把主刻度设置成每周一,意味或多或少周一有意味是股市休市的法定假日。

    第四,意味不没了x轴上设置每天的日期,那末来越多那末来越多那末来越多那末来越多有这里不不再调用plt.xticks最好的办法,或多或少得调用如第31行所示的代码,设置x轴刻度的旋转深层,或多或少x轴展示的时间依然有意味会重叠。

    这段代码的运行效果如下图所示,从中大伙儿能都看改进后的效果,或多或少,意味本次展示的股票时间段变长了(是十个 月),那末来越多那末来越多那末来越多那末来越多有相比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,且有超底下抬头迹象,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,而股价从均线底下向下穿均线,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,出先上涨,但未过均线就再次下跌,此为卖出点,如图中的G点。

    8 股价在均线的底下运行,连续上涨且继续远离均线,两种趋势说明随后会出先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,大伙儿在张江高科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/ch7/60
0895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#我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,收盘价连续半年上扬
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日均线连续半年上扬
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,第半年,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,那末来越多那末来越多那末来越多那末来越多有用except处置异常
21	        pass:                
22	    cnt=cnt+1

    我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,大伙儿通过rolling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,而是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,大伙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,通过而是if的话,设置了十个 规则。意味在前几天是那末 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']的的话中会出先索引越界,那末来越多那末来越多那末来越多那末来越多有在while循环里大伙儿用到了try…except异常处置的话。

    运行上述代码,大伙儿能都看的结果是:Buy Point on:2019-03-08,结合上图,大伙儿能都看3月8日随后的交易日里,股价有一定程度的上涨,那末来越多那末来越多那末来越多那末来越多有能证实基于均线的“买”原则,但影响股价的因素那末来越多,大伙儿应全面分析,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,大伙儿计算了张江高科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/ch7/60
0895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#我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,收盘价连续半年下跌
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日均线连续半年下跌
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,第半年,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,那末来越多那末来越多那末来越多那末来越多有用except处置异常
21	        pass                
22	    cnt=cnt+1

    运行后,大伙儿能得到而是卖点: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

    在本系列的底下文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,或多或少后会用Python编写针对那先 指标的交易策略,敬请关注。

    本文用了我将近十个 小时,意味大伙儿感觉好,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办法,给出原文出处,同時 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,请随后告知,谢绝在转载时通过修改本文达到能助 转载者的目的。

猜你喜欢

腾讯2分彩软件_分析若干没面试机会和没体现实力的简历

  我在外企和互联网公司都做过技术面试官,见过不少简历,也经历过筛选简历的流程。在面试前,简历是公司接触候选人的唯一途径,哪怕候选人再牛,但简历上没体现出来,那末 抱歉,没

2020-02-25

1分快3平台登陆_999皮炎平止痒舞:有责任地恶搞应该红

 2015年6月,继虎妈猫爸刷新了植入营销的新概念后后,华润999又一次在OTC药品营销中玩出了花儿——联合万和天宜旗下著名新生代实力派导演刘循子墨,为999皮炎平量身打造了一

2020-02-25

大发pk10官方网 _最高法最高检明确:贪污受贿满一万元即可追责

 【最高法最高检大发pk10官方网 明确:贪污受贿满一万元即可追责】最高人民法院大发pk10官方网 、最高人民检察院宣告《最高人民法院、最高人民检察院关于办理贪污贿赂刑事案件适

2020-02-24

1.5分彩合法吗_2019Q1农村电商报告:Q1市场规模超4000亿元

市场下沉趋势下,农村电商这块待深入开垦的沃土吸引了阿里、京东、苏宁等互联网大佬的投入布局;政策上也持续利好信号,20191.5分彩合法吗中央一号文件再次聚焦三农,提出“农业农村

2020-02-24

幸运飞艇走势_迅雷2019年Q2财报:云计算环比增长40.6%

8月14日晚间,迅雷集团回应了截至2019年6月60 日的第二季度未经审计财报。第二季度迅雷集团总营收为4760 万美元,环幸运飞艇走势比增长15.7%;订阅收入为218万

2020-02-24