好运快3手机客户端_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:2019-11-26 19:17:44
浏览:19
来源:梦城博客 - 专注共享啊啊博客技术

个人所有所有最近在尝试着发表“以股票案例入门Python编程语言”系列的文章，在哪几个文章里，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一齐，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，就说还用代码案例来验证买卖的交易策略。在本系列的上端文章中,将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标,就说须要用Python编写针对哪几个指标的交易策略,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，通过它亲们能清晰地就看股价的历史波动，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 通常把三四天和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、100天和100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2100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，亲们一般须要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，以前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；反以以前并列下跌，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，亲们通过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/ch6/1000895.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='三三四天均线')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='三四天均线')
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=100 ) 
19	ax.grid(True) #带网格线
20	plt.title("1000895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，计算了三三四天、三四天和10天均线，并为主次均线设置了图例，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，从中亲们不仅能就看这段时间内的K线图，还能就看3根均线。

2 K线整合均线的改进版案例

在本例中，亲们将做如下两点改进，其中请亲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，这里是根据始于时间和始于时间，先是调用get_data_yahoo接口，从yahoo的接口里获取股票数据，一齐为了留一份数据，好多好多会把从接口爬取到的数据保存到本地csv文件，做完以前再绘制图形。

第二，在以前的案例中，x轴的刻度是每个交易日的日期，但以前显示的时间范围过长，如此时间刻度就会太密集，影响美观效果，好多好多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='1000895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#删除最后一行，以前get_data_yahoo会多取一天数据
12	stock.drop(stock.index[len(stock)-1],inplace=True)
13	#保占据

本地
14	stock.to_csv('D:\\stockData\ch7\\1000895.csv')
15	df = pd.read_csv('D:/stockData/ch7/1000895.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='三三四天均线')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='三四天均线')
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("1000895张江高科的K线图")
100	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=100) 
32	plt.show()

相比以前代码，这段代码有八个改进点。

第一，从第9行到第14行里，亲们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、始于和始于时间这另另另三个小参数，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始于时间多一天，比如亲们传入的始于时间是2019-03-31，但它会返回后一天（即2019-04-01）的数据，好多好多得通过第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。删除的以前是通过stock.index[len(stock)-1]指定删除长度减1的索引值，以前索引值是从0始于，就说须要指定inplace=True，就说搞笑的话，删除的结果无法更新到stock你你是什么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。不是就说设置成5的倍数，是以前一般一周的交易日是三四天。但这里不到简单地把主刻度设置成每周一，以前你是什么周一有以前是股市休市的法定假日。

第四，以前我不多在x轴上设置每天的日期，好多好多这里我不多再调用plt.xticks法律最好的办法，就说得调用如第31行所示的代码，设置x轴刻度的旋转厚度，就说 x轴展示的时间依然有就说能重叠。

这段代码的运行效果如下图所示，从中亲们能就看改进后的效果，就说，以前本次展示的股票时间段变长了（是八个月），好多好多相比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，且有超上端抬头迹象，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 股价占据均线上运行，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，而股价从均线上端向下穿均线，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，出現上涨，但未过均线就再次下跌，此为卖出点，如图中的G点。

8 股价在均线的上端运行，连续上涨且继续远离均线，你你是什么趋势说明随须要出現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，亲们在张江高科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/ch7/1000895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#真是在后文里只用到了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，收盘价连续三三四天上扬
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日均线连续三三四天上扬
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，第三三四天，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，好多好多

用except外理异常
21	        pass:                
22	    cnt=cnt+1

真是在计算参考买点时，只用到了5日均价，但在第8行和第9行的for循环里，亲们通过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，就说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，亲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，通过另另另三个小if搞笑的话，设置了八个规则。以前在前几天是如此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']的搞笑的话中会出現索引越界，好多好多在while循环里亲们用到了try…except异常外理搞笑的话。

运行上述代码，亲们能就看的结果是：Buy Point on:2019-03-08，结合上图，亲们能就看3月8日以前的交易日里，股价有一定程度的上涨，好多好多能证实基于均线的“买”原则，但影响股价的因素不多，亲们应全面分析，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，亲们计算了张江高科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/ch7/1000895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#真是在后文里只用到了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，收盘价连续三三四天下跌
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日均线连续三三四天下跌
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，第三三四天，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，好多好多

用except外理异常
21	        pass                
22	    cnt=cnt+1

运行后，亲们能得到另另另三个小卖点：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

在本系列的上端文章中，将陆续通过python绘制成交量、KDJ、MACD、RSI和OBV等指标，就说须要用Python编写针对哪几个指标的交易策略，敬请关注。

本文用了我将近八个小时，以前亲们感觉好，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 转载时请用链接的法律最好的办法，给出原文出处，一齐写明原作者是hsm_computer。

3 在转载时，请原文转载，如要在转载修改本文，请以前告知，谢绝在转载时通过修改本文达到能助转载者的目的。