秒秒pk10app赚钱 _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:4
  • 来源:湖北生活网_湖北人的网上生活家园

    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,在哪些地方地方文章里,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辦法 的一块儿,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,但会 还用代码案例来验证买卖的交易策略。在本系列的里边文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,但会 总要用Python编写针对哪些地方地方指标的交易策略,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,通过它我们我们我们我们 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 通常把四天和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、80天和80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280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,我们我们我们我们 一般才能了综合地观察短期中期和长期均线,从中能分易挥发市场的多空趋势。比如,原因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;反之原因并列下跌,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,我们我们我们我们 通过rolling辦法 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/ch6/800895.csv',encoding='gbk')
8	#设置图的位置
9	fig = plt.figure()
10	ax = fig.subplot(111)
11	#调用辦法

,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='四天均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='四天均线')
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=80 ) 
19	ax.grid(True) #带网格线
20	plt.title("800895张江高科的K线图")
21	plt.show()

    从第13行到第15行里,通过rolling辦法 ,根据每天的收盘价,计算了四天、四天和10天均线,并为次责均线设置了图例,在第16行里,通过legend辦法 设置了图例的位置。上述代码的运行效果如下图所示,从中我们我们我们我们 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,我们我们我们我们 将做如下两点改进,其中请我们我们我们我们 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,这里是根据刚开始时间和刚开始时间,先是调用get_data_yahoo接口,从yahoo的接口里获取股票数据,一块儿为了留一份数据,所以 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,但原因显示的时间范围过长,这么 时间刻度就会太密集,影响美观效果,所以 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='800895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#删除最后一行,原因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\\800895.csv')
15	df = pd.read_csv('D:/stockData/ch7/800895.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	#调用辦法

,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='四天均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='四天均线')
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("800895张江高科的K线图")
80	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=80) 
32	plt.show()

    相比后来代码,这段代码有两个改进点。

    第一,从第9行到第14行里,我们我们我们我们 通过第五章分析过的get_data_yahoo辦法 ,传入股票代码、刚开始和刚开始时间你你是什么 个多多多参数,从yahoo接口里获得股票交易的数据。

    请注意该辦法 返回的数据会比传入的刚开始时间多一天,比如我们我们我们我们 传入的刚开始时间是2019-03-31,但它会返回后一天(即2019-04-01)的数据,所以 得通过第12行的drop辦法 ,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,原因索引值是从0刚开始,但会 才能了指定inplace=True,但会 语录,删除的结果无法更新到stock你你你你是什么 dataframe里。

    第二,在第17行里,通过figsize辦法 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。难能可贵设置成5的倍数,是原因一般一周的交易日是四天。但这里才能了简单地把主刻度设置成每周一,原因其他周一有原因是股市休市的法定假日。

    第四,原因不想在x轴上设置每天的日期,所以 这里不想再调用plt.xticks辦法 ,但会 得调用如第31行所示的代码,设置x轴刻度的旋转厚度,但会 x轴展示的时间依然有原因会重叠。

    这段代码的运行效果如下图所示,从中我们我们我们我们 能都看改进后的效果,但会 ,原因本次展示的股票时间段变长了(是两个月),所以 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,而股价从均线里边向下穿均线,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,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 股价在均线的里边运行,连续上涨且继续远离均线,你你你你是什么 趋势说明随总要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,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/ch7/800895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#确随便说说后文里只用到了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,收盘价连续四天上扬
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日均线连续四天上扬
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,第四天,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,所以

用except补救异常
21	        pass:                
22	    cnt=cnt+1

    确随便说说计算参考买点时,只用到了5日均价,但在第8行和第9行的for循环里,我们我们我们我们 通过rolling辦法 ,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,后来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4个多多多if语录,设置了两个规则。原因在前几天是这么 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']的语录中会出先索引越界,所以 在while循环里我们我们我们我们 用到了try…except异常补救语录。

    运行上述代码,我们我们我们我们 能都看的结果是:Buy Point on:2019-03-08,结合上图,我们我们我们我们 能都看3月8日后来的交易日里,股价有一定程度的上涨,所以 能证实基于均线的“买”原则,但影响股价的因素不要 ,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,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/ch7/800895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#确随便说说后文里只用到了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,收盘价连续四天下跌
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日均线连续四天下跌
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,第四天,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,所以

用except补救异常
21	        pass                
22	    cnt=cnt+1

    运行后,我们我们我们我们 能得到4个多多多卖点: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

    在本系列的里边文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,但会 总要用Python编写针对哪些地方地方指标的交易策略,敬请关注。

    本文用了我将近两个小时,原因我们我们我们我们 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 转载时请用链接的辦法 ,给出原文出处,一块儿写明原作者是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能够转载者的目的。

猜你喜欢

1.5分pk10苹果app下载 _478呼吸入眠法,让你60秒内安然入睡。亲测有效!

相信亲戚亲戚亲们全部必须这名体验1.5分pk10苹果app下载 :明明累的半死,回到家却依旧整晚无眠,看着时钟就也不我残忍的走到四点,隔天却必须带着黑眼圈早起,这如果 该为

2019-09-17

腾讯3分彩软件_华为终端云服务赋能荣耀智慧屏,携手开发者打造全场景智慧生态

8月10日,搭载华腾讯3分彩软件为腾讯3分彩软件鸿蒙系统的首款终端产品——荣耀腾讯3分彩软件智慧屏,在东莞篮球中心震撼发布。荣耀智慧屏凭借出色的硬件配置、丰厚的影音内容资源,为

2019-09-17

1.5分pk10分析_打鼾损害健康,按摩二穴位睡好觉!

中医师提醒,若经常在早上起床时感1.5分pk10分析觉口干舌1.5分pk10分析燥、胃不舒服甚至胃食道逆流、容易疲倦、睡再久也不我嘴笨 饱、白天思考“钝钝的”,小心有打鼾甚至

2019-09-17

2分彩破解_2019Q1知识付费报告:产业规模保持高增速

知识付费肯2分彩破解能从最初的线上课程扩展到各个领域,各大主流知识付费平台也逐渐探索出了较为稳定的盈利模式和打发明了自身头部产品,知识付费行业形成了比较心智旺盛期是什2分彩破解

2019-09-17

1分快3教程_2018年中国在线视频市场年度报告

中国人口13.9亿1分快3教程,中国互联网人口渗透率近300%,中国互联网行业将会进入下半场,竞争从获取用户规模转向争取用户留存时长,垂直深耕内容和优化用户体验1分快3教程成为

2019-09-17