随笔 - 185  文章 - 0 评论 - 1356 trackbacks - 0

    我最近出了一本书,《基于股票大数据分析的Python入门实战 视频教学版》,京东链接:https://item.jd.com/69241653952.html,在其中给出了MACD,KDJ等指标图的绘制方法。此外,还可以用价格通道来分析。根据指定股票通道指标的算法,能用过去一定时间段的交易数据绘制出上下两条通道线,即价格通道里的上下轨道。一般来说,当股价向上突破上轨时,即预测后市将涨,反之当股价向下突破下轨时,即预测后市将跌。

    这里将根据若干算法,计算并绘制多种价格通道,从中大家一方面可以积累股市分析的经验,另一方面还能进一步掌握基于pandas的数据分析方法,以及基于matplotlib的可视化技巧。

1  计算并绘制唐奇安通道

    唐奇安通道是由上阻力线、下支撑线和中心线这三条线组成。

    上阻力线 = 过去N天的最高价

    下支撑线 = 过去N天的最低价

    中心线 =(上线 + 下线)除以 2

    在实际的分析场景里,N的取值一般是20,在如下的DisplayDonChannel.py范例中,就用20天为周期,来计算并绘制唐奇安通道。

01    # coding=utf-8
02    import pandas as pd
03    import matplotlib.pyplot as plt
04    from mpl_finance import candlestick2_ochl
05    # 读数据
06    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
07    fig, ax = plt.subplots()
08    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red', colordown='green')
09    stockDf['up'] = stockDf['High'].rolling(window=20).max()
10    stockDf['up'].plot(color="green",label='上阻力线')
11    stockDf['down'] = stockDf['Low'].rolling(window=20).min()
12    stockDf['down'].plot(color="navy",label='下支撑线')
13    stockDf['mid'] = (stockDf['up']+stockDf['down'])/2
14    stockDf['mid'].plot(color="red",label='中心线')
15    ax.set_ylabel("收盘价(元)")
16    ax.grid()         # 带网格线
17    ax.legend()     # 绘制图例
18    #设置x轴文字间隔和旋转角度
19    index=stockDf.index[stockDf.index%7==0]
20    xtics=stockDf['Date'][stockDf.index%7==0]
21    plt.xticks(index,xtics)
22    plt.setp(plt.gca().get_xticklabels(), rotation=30)
23    plt.rcParams['font.sans-serif']=['SimHei']
24    plt.title("600530交大昂立20天唐奇安通道效果图")
25    plt.show()

    在第5行到第8行的代码里,从csv文件里读到了股票交易数据,并通过调用candlestick2_ochl方法绘制了k线图。在第9行里,通过rolling(window=20)方法得到了过去20天的最高价集合,在此基础上通过max()方法得到了过去20天的最高价,随后用第10行的plot方法绘制了上阻力线。

    随后用同样的方法,用第11行和第12行的代码计算并绘制了下支撑线。在第13行里,设置了中心线为上阻力线和下支撑线的均值,并在第14行绘制了中心线。

    由于在绘制上阻力线、下支撑线和中心线的时候都通过label参数设置了图例,随后在第17行用legend方法绘制了图例效果。为了能更直观地对比数据,所以在第16行里用grid方法设置了网格效果。

    这里同样是通过第19行到第22行的代码,设置了x轴文字的间隔以及旋转角度,并在第24行里用title方法设置了标题。为了能显示中文标题,所以还需要加上第23行的语句。运行本范例,能看到如下图所示的效果,由于计算周期是20日,所以之前19日看不到对应的价格通道。而且从图上看,股价均在通道内运动,并没有向上和向下突破的动作,也就是说,从这些天的交易数据里,看不到基于20日唐奇安通道的买卖信号。

  

2  计算并绘制布林带通道

    和上文描述的唐奇安通道类似,布林带通道也是通过上阻力线、下支撑线和中心线来绘制价格通道,这里的三条线算法如下所示。

    中心线 = N日移动均线

    上阻力线 = 中心线+两倍过去N天收盘价的标准差

    下支撑线 = 中心线-两倍过去N天收盘价的标准差

    而N的取值一般也是20。在如下的DisplayBollingerBands.py范例中,将演示计算并绘制20日周期布林带通道的做法。    

01    # coding=utf-8
02    import pandas as pd
03    import matplotlib.pyplot as plt
04    from mpl_finance import candlestick2_ochl
05    # 读数据
06    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
07    fig, ax = plt.subplots()
08    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red', colordown='green')
09    stockDf['mid'] = stockDf['Close'].rolling(window=20).mean()
10    stockDf['std'] = stockDf['Close'].rolling(window=20).std()
11    stockDf['up'] = stockDf['mid'] + 2*stockDf['std']
12    stockDf['down'] = stockDf['mid'] - 2*stockDf['std']
13    stockDf['up'].plot(color="green",label='上阻力线')
14    stockDf['down'].plot(color="navy",label='下支撑线')
15    stockDf['mid'].plot(color="red",label='中心线')
16    ax.set_ylabel("收盘价(元)")
17    ax.grid() # 带网格线
18    ax.legend()     # 绘制图例
19    #设置x轴文字间隔和旋转角度
20    index=stockDf.index[stockDf.index%7==0]
21    xtics=stockDf['Date'][stockDf.index%7==0]
22    plt.xticks(index,xtics)
23    plt.setp(plt.gca().get_xticklabels(), rotation=30)
24    plt.rcParams['font.sans-serif']=['SimHei']
25    plt.title("600530交大昂立20天布林带通道效果图")
26    plt.show()

    本范例和之前的唐奇安通道的范例很相似,区别主要集中在第9行到第15行。在第9行里,先用rolloing和 mean方法计算过去20天的均值,以此作为中心线,再通过第10行的rolling和std方法,计算过去20天收盘价的标准差,在此基础上再通过第11行和第12行的代码计算上阻力线和下支撑线。

    完成计算后,是通过第13行到第15行的plot方法绘制三条线,同时用label参数设置了图例。运行本范例,能看到如下图所示的效果。其中布林带通道的宽度是由过去20天收盘价的标准差决定,也就是说,如果过去20天收盘价波动比较大,那么布林带通道就比较宽,反之就比较狭窄。而且,虽然有个别价格向上或向下突破通道,但未形成“有效突破”,所以后期价格依然在通道内波动,由此大家能感受到“上阻力线”和“下支撑线”的“阻力”和“支撑”效果。

3  计算并绘制鳄鱼组线

    鳄鱼组线其实不属于价格通道指标,但也是通过三条线来研判股价的走势,在鳄鱼组线里,三条线分别叫上唇、牙齿和下颚,具体算法如下所述。

    上唇线是5天周期的价格平滑移动平均线( SMMA ),向未来延后3天,也就是说第8天才会开始展示上唇线,上唇线一般用绿线绘制。

    牙齿线是由8天周期的价格平滑移动平均线,向未来延后5天,一般用红线绘制。

    下颚线由13天周期的价格平滑移动平均线向未来延后8天,一般用蓝色绘制。

    这里的平滑移动平均线SMMA也叫流畅移动平均线,这里以5天周期为例,讲下具体的算法。

    第1个SMMA值(即第5天的平滑平均值) = 前五天收盘价的均价

    第6天的值 = (该周期内收盘价的和 –第1个SMMA值 + 第6天的收盘价)/5

    第7天的值 = (该周期内收盘价的和 – 第2个SMMA值 + 第7天的收盘价)/5

    依次类推,第n天的值 = (该周期内收盘价的和 –上个SMMA值 + 第n日收盘价)/5

    这里的算法涉及到计算平滑移动平均线,在如下的DisplayCrocodileLines.py范例中,就将演示用pandas库计算相关数值,并用matplotlib绘制鳄鱼组线的做法。

01    # coding=utf-8
02    import pandas as pd
03    import matplotlib.pyplot as plt
04    from mpl_finance import candlestick2_ochl
05    #计算各种SMMA值
06    def setSMMAVal(df, period):
07        for i in range(len(df)):
08            if i<period:
09                df['SMMA' + str(period)] = df.ix[i,'MA'+  str(period)]
10            else: #按算法计算SMMA值
11               df.ix[i,'SMMA'+ str(period)]=df.ix[i,'MA'+ str(period)] + (df.ix[i,'Close'] - df.ix[i-1,'SMMA'+ str(period)])/period
12        return df

    在第6行的setSMMAVal方法里,是根据参数period指定的周期,计算各种SMMA值。具体而言,在第7行的for循环里,如果当前遍历的索引号小于周期值,则设置SMMA值为当天的MA均值,否则的话,则通过第11行的代码,按SMMA的算法,计算当天的值。

    请注意这里的列名是动态拼接的,比如在第9行,如果当前参数是5,那么其实是用df['MA5'] 的值来填充df['SMMA' + str(period)]值。   

13    #计算三条鳄鱼组线
14    def setCrocodileVal(df):
15        #  用shift方法,把数据顺延
16        df['up'] = df['SMMA5'].shift(3)
17        df['mid'] = df['SMMA8'].shift(5)
18        df['down'] = df['SMMA13'].shift(8)
19        return df

    在得到SMMA的值以后,可以通过第14行的setCrocodileVal方法来计算3条鳄鱼组线的值,这里的技巧是shift方法,比如在第16行里,是用df['SMMA5'].shift(3)代码,把当天的SMMA5值向后顺延3天,以此设置上唇线的值。在第17行和第18行里,也是用shift方法,顺延对应的SMMA值,得到牙齿线和下颚线的值。    

20    # 读数据
21    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
22    #算均值
23    stockDf['MA5'] = stockDf['Close'].rolling(window=5).mean()
24    stockDf['MA8'] = stockDf['Close'].rolling(window=8).mean()
25    stockDf['MA13'] = stockDf['Close'].rolling(window=13).mean()
26    #算三个SMMA值
27    stockDf = setSMMAVal(stockDf, 5)
28    stockDf = setSMMAVal(stockDf, 8)
29    stockDf = setSMMAVal(stockDf, 13)
30    #计算三个鳄鱼组线的值
31    stockDf = setCrocodileVal(stockDf)

    通过第21行的代码得到csv里股票数据后,先通过第23行到第25行的代码,计算5天、8天和13天的均价,并通过第27行到第29行的代码计算三个SMMA值,随后再通过第31行的代码计算三个鳄鱼组线的值,至此完成计算,在后文里开始绘图。   

32    fig, ax = plt.subplots()
33    #为了突出三条组线,设置了透明度为0.5
34    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red',alpha=0.5, colordown='green')
35    #绘制三条组线
36    stockDf['up'].plot(color="green",label='上唇线')
37    stockDf['down'].plot(color="red",label='牙齿线')
38    stockDf['mid'].plot(color="blue",label='下颚线')
39    ax.set_ylabel("收盘价(元)")
40    ax.grid() # 带网格线
41    ax.legend()     # 绘制图例
42    #设置x轴文字间隔和旋转角度
43    index=stockDf.index[stockDf.index%7==0]
44    xtics=stockDf['Date'][stockDf.index%7==0]
45    plt.xticks(index,xtics)
46    plt.setp(plt.gca().get_xticklabels(), rotation=30)
47    plt.rcParams['font.sans-serif']=['SimHei']
48    plt.title("600530交大昂立鳄鱼组线效果图")
49    plt.show()

    在第36行到第38行的代码里,是通过plot方法绘制了三条鳄鱼组线,同时通过color参数分别设置了颜色,通过label参数设置了图例。其他的可视化代码之前都已经分析过,这里就不再讲述了。运行本范例,能看到如下图所示的效果。

     

 

     由于在绘制K线图时通过alpha参数设置了透明度,所以这里三条鳄鱼组线更加明显。

    按照股市分析理论,如果上唇线在牙齿线之上,同时牙齿线在下颚线之上,说明当前进入股价上升阶段。如果相反,上唇线在牙齿线之下,而牙齿线在下颚线之下,则说明股价进入下跌阶段。如果上图那样三条线相互交错缠绕,则通过该指标说明当前市场没有发出明确的买卖交易信号。不过本范例的主题是数据分析,所以请更关注计算三条线时用到的相关python方法。

 本文可以转载,转载时请全文转载,别有删节,并用链接的形式给出原文链接。否则的话,可能会遇到出版社的维权。

     文本相关链接:

 

posted on 2020-08-20 13:30  hsm_computer  阅读(496)  评论(0编辑  收藏