python 股票图形识别_用Python可视化股票指标
用Python可视化股票指标
一个完整的量化交易策略指考虑到交易的方方面面,但是能不能赚钱,谁知道呢 :)
但是一个量化交易可以通过回测系统建立信心然后让其一如既往的运行,以达到让钱生钱的目的,并且是自动的。
笔者主要谈纯技术面的量化交易,基本面的一些情况并不好处理及量化,我也暂时没有涉及。
量化交易
一个完整的量化交易策略,个人觉得应该包含以下两个部分:
交易策略
资金管理
交易策略
一个完整的交易策略应该包含何时买,何时卖。
到底应该如何买卖,市场上大致分为两个技术流派。
趋势跟随
价值回归
趋势跟随
这个流派认为,股票的走势是有延续性的,所以买卖点的机会在于抓住走势。
代表指标: MACD, 移动平均线。
评语: 半年不开张,开张吃半年。
价值回归
这个流派认为,股票是有内在价值的,虽然无序的来回跳动,但是自始至终围绕着自己的内在价值来回波动,所以买卖的机会抓住股票的超买,超卖点来进行买卖。
代表指标: RSI。
评语: 积少成多。
无论是趋势跟随还是价值回归,其实还是没有解决买卖的最核心的问题,即到底何时买卖,虽然每个流派都有它的解决方案,但是它的方案却是抛出了一个新的问题来解决我们要解决的问题。
不过这些问题是存在一些技术指标来辅助我们观察走势以及超买超卖的。
技术指标
这里主要讨论一下常用的技术指标,比如MACD, 均线, RSI.除此之外还有一些有意思的图形指标,通过判断图表的形状来判断买卖,而图形派是既能做趋势跟随也能做价值回归
下面是它们的计算公式及介绍。
MACD
MACD称为异同移动平均线,是从双指数移动平均线发展而来的,由快的指数移动平均线(EMA12)减去慢的指数移动平均线(EMA26)得到快线DIF,再用2×(快线DIF-DIF的9日加权移动均线DEA)得到MACD柱。--- 摘自百度百科
这个指标的快线DIF是是两个指数平均线的差,所以当走势上扬的时候,会是正数,而上扬的曲率很大的时候则也会迅速变大,而它的DEA自然是在其下方,而趋势向下的时候相反。所以这个指标可以反映出历史的走势,并且过滤一部分并没有明显趋势的走势,但是如果没有明显走势则是交叉死叉来回纠缠,对于局势的判断就不太明显。
移动平均线
移动平均线,Moving Average,简称MA,MA是用统计分析的方法,将一定时期内的证券价格(指数)加以平均,并把不同时间的平均值连接起来,形成一根MA,用以观察证券价格变动趋势的一种技术指标。--- 摘自百度百科
移动平均线应该是应用最广泛的技术指标了,因为几乎所有的交易软件都会绘制移动平均线,它就是反应了历史的趋势,走势向上则向上,反之亦然。
RSI
N日RSI =N日内收盘涨幅的平均值/(N日内收盘涨幅均值+N日内收盘跌幅均值) × 100 --- 摘自百度百科
RSI很有意思,如果N日内全是上涨则是100,全是下跌则是0,所以100代表市场太乐观,0代表市场太悲观,这在走势震荡的时候自然有用,但是如果就是走势一路上扬,那么其实不是太乐观,而是市场就是如此,这个时候不应该反向操作。
蜡烛图
即我们熟悉的K线图,通过开盘价,最高价,最低价,表示一个时间周期的交易情况,蜡烛图有许多的有意义图形,这里主要说几个我觉得有点道理的图形,长实体,十字星
长实体指单根k线的最高价与最低价相差很大,然后收盘价与开盘价分别非常靠近最高价最低价。之所以这样是因为买方或者卖方非常强势。可以用来推测后面的走势,可用作趋势跟随。
十字星指开盘价与收盘价的差距非常小,几乎重合,然后有一部分的影线。之所以这样是因为买方卖方反复纠缠,却谁又干不过谁,可以用来推测局势的反转,可用作价值回归。
最近的上证指数很有意思,这两个图形啥都有。
所有技术指标都有其内在的含义,通过观察它的计算公式就知道,而且所有技术指标都存在一样的问题,那就是滞后性,或者说只是反映了历史的走势,不过,这是理所应当的,未来还未来。如果哪个指标可以预测未来,这个未来就太没意思了。
总结而言,无论是主观交易还是通过技术指标判断而进行交易,最终的判断在于决策者的经验,这个经验也许可以量化也许不可以量化。可以量化自然是最好的,不可以量化那也没问题,只要能挣钱不就够了嘛,不过是手动跟自动的区别。
可视化
多说无益,让我们看看这些指标的买卖情况吧。
这里使用上证指数
import matplotlib.pyplot as plt
import matplotlib as mpl
import pandas as pd
import talib
import tushare as ts
# pip install https://github.com/matplotlib/mpl_finance/archive/master.zip
from mpl_finance import candlestick_ohlc
from matplotlib.pylab import date2num
# 使用ggplot样式,好看些
mpl.style.use("ggplot")
# 获取上证指数数据
data = ts.get_k_data("000001", index=True, start="2019-01-01")
# 将date值转换为datetime类型,并且设置成index
data.date = pd.to_datetime(data.date)
data.index = data.date
# 计算MACD指标数据
data["macd"], data["sigal"], data["hist"] = talib.MACD(data.close)
# 计算移动平均线
data["ma10"] = talib.MA(data.close, timeperiod=10)
data["ma30"] = talib.MA(data.close, timeperiod=30)
# 计算RSI
data["rsi"] = talib.RSI(data.close)
# 计算MACD指标数据
data["macd"], data["sigal"], data["hist"] = talib.MACD(data.close)
# 计算移动平均线
data["ma10"] = talib.MA(data.close, timeperiod=10)
data["ma30"] = talib.MA(data.close, timeperiod=30)
# 计算RSI
data["rsi"] = talib.RSI(data.close)
# 绘制第一个图
fig = plt.figure()
fig.set_size_inches((16, 20))
ax_canddle = fig.add_axes((0, 0.7, 1, 0.3))
ax_macd = fig.add_axes((0, 0.45, 1, 0.2))
ax_rsi = fig.add_axes((0, 0.23, 1, 0.2))
ax_vol = fig.add_axes((0, 0, 1, 0.2))
data_list = []
for date, row in data[["open", "high", "low", "close"]].iterrows():
t = date2num(date)
open, high, low, close = row[:]
datas = (t, open, high, low, close)
data_list.append(datas)
# 绘制蜡烛图
candlestick_ohlc(ax_canddle, data_list, colorup='r', colordown='green', alpha=0.7, width=0.8)
# 将x轴设置为时间类型
ax_canddle.xaxis_date()
ax_canddle.plot(data.index, data.ma10, label="MA10")
ax_canddle.plot(data.index, data.ma30, label="MA30")
ax_canddle.legend()
# 绘制MACD
ax_macd.plot(data.index, data["macd"], label="macd")
ax_macd.plot(data.index, data["sigal"], label="sigal")
ax_macd.bar(data.index, data["hist"] * 2, label="hist")
ax_macd.legend()
# 绘制RSI
# 超过85%设置为超买, 超过25%为超卖
ax_rsi.plot(data.index, [80] * len(data.index), label="overbuy")
ax_rsi.plot(data.index, [25] * len(data.index), label="oversell")
ax_rsi.plot(data.index, data.rsi, label="rsi")
ax_rsi.set_ylabel("%")
ax_rsi.legend()
# 将volume除以100w
ax_vol.bar(data.index, data.volume / 1000000)
# 设置成百万位单位
ax_vol.set_ylabel("millon")
ax_vol.set_xlabel("date")
fig.savefig("index.png")
# 标记移动平均线买入卖出点
for date, point in data[["ma_point"]].itertuples():
if math.isnan(point):
continue
if point > 0:
ax_canddle.annotate("",
xy=(date, data.loc[date].close),
xytext=(date, data.loc[date].close - 10),
arrowprops=dict(facecolor="r",
alpha=0.3,
headlength=10,
width=10))
elif point < 0:
ax_canddle.annotate("",
xy=(date, data.loc[date].close),
xytext=(date, data.loc[date].close + 10),
arrowprops=dict(facecolor="g",
alpha=0.3,
headlength=10,
width=10))
如果通过pip install ta-lib安装不上,可以通过地址http://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib下载响应的.whl包进行安装
显示结果如下:
如果简单的通过指标的金叉死叉会出现反常多的买点卖点,所以这里只是标记了移动平均线的买卖点。
通过简单观察我们发现RSI在这段时间内没有超卖的情况也就没有买入点。
总结
没有万能的指标,关键在于使用指标的人。
python 股票图形识别_用Python可视化股票指标相关推荐
- python 概率分布模型_使用python的概率模型进行公司估值
python 概率分布模型 Note from Towards Data Science's editors: While we allow independent authors to publis ...
- python 时间序列预测_使用Python进行动手时间序列预测
python 时间序列预测 Time series analysis is the endeavor of extracting meaningful summary and statistical ...
- python股票数据分析_用Python浅析股票数据
本文将使用Python来可视化股票数据,比如绘制K线图,并且探究各项指标的含义和关系,最后使用移动平均线方法初探投资策略. 数据导入 这里将股票数据存储在stockData.txt文本文件中,我们使用 ...
- python股票接口_股市python接口
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 最近发现一个很有趣的事情,受到全球经济大环境的影响,周围越来越多的人开始关注股市 ...
- 用python进行股票数据分析_用 Python 做股市数据分析(2)
这篇博文是用Python分析股市数据系列两部中的第二部,内容基于我在阅读第一部分).在这两篇博文中,我会讨论一些基础知识,包括比如如何用pandas从雅虎财经获得数据, 可视化股市数据,平均数指标的定 ...
- 用python读取股票价格_雅虎API获取股票数据--Python
好久不学Python,计划用Tkinter写一个利用雅虎免费股票查询API的可视化程序 Yahoo股票报价API 获取实时数据 请求url:http://finance.yahoo.com/d/quo ...
- 用python读取股票价格_使用Python写一个量化股票提醒系统
大家在没有阅读本文之前先看下python的基本概念, Python是一种解释型.面向对象.动态数据类型的高级程序设计语言. Python由Guido van Rossum于1989年底发明,第一个公开 ...
- python股票策略_基于python的股票自动盯盘程序
不是每个人都有时间时刻盯盘的,而且股票那么多,往往挂一漏万,错过很多好的股票和买入机会.笔者尝试用python实现了一个可以自动盯盘的程序,调用了一个免费的股票数据接口baostock提供的历史行情数 ...
- python写炒股软件_使用Python写一个量化股票提醒系统
大家在没有阅读本文之前先看下python的基本概念, Python是一种解释型.面向对象.动态数据类型的高级程序设计语言. Python由Guido van Rossum于1989年底发明,第一个公开 ...
最新文章
- C++ 简单读写文本文件、统计文件的行数、读取文件数据到数组
- 支付宝支付 第七集:产品数据接口的定义和测试
- 鸿蒙系统手机还会出吗,华为最强手机即将到来,可能还有华为鸿蒙系统加入!你期待吗?...
- Eclipse单元测试Android编程,在Eclipse中进行Android单元测试-Fun言
- lr mysql 增删改查_Python对MySQL进行增删查改
- element tree不刷新视图_不懂Linux Device Tree,被新人嘲笑之后,含泪写完
- HBase 默认配置项详细解读
- Linux curl 命令
- ECCV18|人脸对齐与跟踪如何克服遮挡、姿态变化带来的特征点跳变?
- 动态规划之多重部分和问题
- java 发布应用_发布java应用程序的步骤
- 计算机上怎么带源地址ping,怎么带源地址去ping服务器
- C C++如何获取当前系统时间
- Google Earth Engine(GEE)——哨兵数据中隐藏的秘密(卫星影像拍到的如来神掌)
- 双态运维联盟首个“共研基地”落户云南电网信息中心
- python课程设计小结和体会_课程设计心得体会与总结
- 不要在循环中访问数据库,这样会严重影响数据库性能
- 【题目回顾】广工大2020年10月ACM第一次月赛B题--Dio的面包工坊
- 基于python+openCV的中值滤波
- Set 直接转成 数组
热门文章
- Android黄油刀ButterKnife配置
- GitFlow ⼯作流
- 网络舆情监测处置平台,TOOM舆情如何做好舆情风险点及防控措施?
- 马!马上看~ 推荐给学绘画的人的电影
- 中职计算机应用类资源公司,中职学校计算机应用专业教学资源库的建设
- idea使用正则匹配汉字
- 奇异值分解(Singular Values Decomposition,SVD)
- 鸿蒙能否解决安卓长时间卡顿,华为:鸿蒙比安卓更能解决手机卡顿 3年都不会卡...
- python技巧(setdefault 与 defaultdict)
- 视频/图像 人像分割/Matting数据集