极速时时彩套路_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

    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,在哪几种文章里,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最好的土办法的一同,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,否则 还用代码案例来验证买卖的交易策略。在本系列的上方文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,否则 一定会用Python编写针对哪几种指标的交易策略,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,通过它当你们当你们能清晰地看多股价的历史波动,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 通常把三3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、500天和500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2500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,当你们当你们一般不能 综合地观察短期中期和长期均线,从中能分凝固市场的多空趋势。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,当你们当你们通过rolling最好的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/ch6/5000895.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='三三3天均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='三3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=500 ) 
19	ax.grid(True) #带网格线
20	plt.title("5000895张江高科的K线图")
21	plt.show()

    从第13行到第15行里,通过rolling最好的最好的土办法,根据每天的收盘价,计算了三三3天、三3天和10天均线,并为要素均线设置了图例,在第16行里,通过legend最好的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,从中当你们当你们不仅能看多这段时间内的K线图,还能看多3根均线。    

    

2 K线整合均线的改进版案例

    在本例中,当你们当你们将做如下两点改进,其中请当你们当你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,这里是根据结束了了了了时间和结束了了了时间,先是调用get_data_yahoo接口,从yahoo的接口里获取股票数据,一同为了留一份数据,而是会把从接口爬取到的数据保存到本地csv文件,做完并且 再绘制图形。

    第二,在并且 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,没了 时间刻度就会太密集,影响美观效果,而是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='5000895.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	#保所处本地
14	stock.to_csv('D:\\stockData\ch7\\5000895.csv')
15	df = pd.read_csv('D:/stockData/ch7/5000895.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='三三3天均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='三3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("5000895张江高科的K线图")
500	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=500) 
32	plt.show()

    相比并且 代码,这段代码有2个改进点。

    第一,从第9行到第14行里,当你们当你们通过第五章分析过的get_data_yahoo最好的最好的土办法,传入股票代码、结束了了了了和结束了了了时间这有2个 参数,从yahoo接口里获得股票交易的数据。

    请注意该最好的最好的土办法返回的数据会比传入的结束了了了时间多一天,比如当你们当你们传入的结束了了了时间是2019-03-31,但它会返回后一天(即2019-04-01)的数据,而是得通过第12行的drop最好的最好的土办法,删除stock对象(该对象类型是dataframe)最后一行的数据。删除的并且 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结束了了了了,否则 不能 指定inplace=True,否则 搞笑的话,删除的结果无法更新到stock这一dataframe里。

    第二,在第17行里,通过figsize最好的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。不是而是设置成5的倍数,是可能性一般一周的交易日是三3天。但这里没了 简单地把主刻度设置成每周一,可能性这一周一有可能性是股市休市的法定假日。

    第四,可能性不必在x轴上设置每天的日期,而是这里不必再调用plt.xticks最好的最好的土办法,否则 得调用如第31行所示的代码,设置x轴刻度的旋转高度,否则 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,从中当你们当你们能看多改进后的效果,否则 ,可能性本次展示的股票时间段变长了(是2个月),而是相比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,且有超上方抬头迹象,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 股价所处均线上运行,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,而股价从均线上方向下穿均线,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 股价在均线的上方运行,连续上涨且继续远离均线,这一趋势说明随一定会突然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,当你们当你们在张江高科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/ch7/5000895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#确嘴笨

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,收盘价连续三三3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日均线连续三三3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,第三三3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,而是用except外理异常
21	        pass:                
22	    cnt=cnt+1

    确嘴笨 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,当你们当你们通过rolling最好的最好的土办法,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,原先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,当你们当你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,通过有2个 if搞笑的话,设置了2个规则。可能性在前几天是没了 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现索引越界,而是在while循环里当你们当你们用到了try…except异常外理搞笑的话。

    运行上述代码,当你们当你们能看多的结果是:Buy Point on:2019-03-08,结合上图,当你们当你们能看多3月8日并且 的交易日里,股价有一定程度的上涨,而是能证实基于均线的“买”原则,但影响股价的因素不要 ,当你们当你们应全面分析,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,当你们当你们计算了张江高科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/ch7/5000895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#确嘴笨

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,收盘价连续三三3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日均线连续三三3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,第三三3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,而是用except外理异常
21	        pass                
22	    cnt=cnt+1

    运行后,当你们当你们能得到有2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

    在本系列的上方文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,否则 一定会用Python编写针对哪几种指标的交易策略,敬请关注。

    本文用了我将近2个小时,可能性当你们当你们感觉好,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 转载时请用链接的最好的最好的土办法,给出原文出处,一同写明原作者是hsm_computer。

    3 在转载时,请原文转载 ,如要在转载修改本文,请并且 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。