前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >用Python的Pandas和Matplotlib绘制股票唐奇安通道,布林带通道和鳄鱼组线

用Python的Pandas和Matplotlib绘制股票唐奇安通道,布林带通道和鳄鱼组线

作者头像
用户1153489
发布2020-08-24 11:28:39
1.7K0
发布2020-08-24 11:28:39
举报
文章被收录于专栏:java架构学习交流

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。

代码语言:txt
复制
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

代码语言:txt
复制
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。
代码语言:txt
复制
上阻力线 = 过去N天的最高价
代码语言:txt
复制
下支撑线 = 过去N天的最低价
代码语言:txt
复制
中心线 =(上线 + 下线)除以 2
代码语言:txt
复制
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。
代码语言:javascript
复制
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()
代码语言:txt
复制
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。
代码语言:txt
复制
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。
代码语言:txt
复制
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。
代码语言:txt
复制
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

代码语言:txt
复制
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。
代码语言:txt
复制
中心线 = N日移动均线
代码语言:txt
复制
上阻力线 = 中心线+两倍过去N天收盘价的标准差
代码语言:txt
复制
下支撑线 = 中心线-两倍过去N天收盘价的标准差
代码语言:txt
复制
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。    
代码语言:javascript
复制
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()
代码语言:txt
复制
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。
代码语言:txt
复制
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

代码语言:txt
复制
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。
代码语言:txt
复制
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。
代码语言:txt
复制
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。
代码语言:txt
复制
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。
代码语言:txt
复制
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。
代码语言:txt
复制
第1个SMMA值(即第5天的平滑平均值) = 前五天收盘价的均价
代码语言:txt
复制
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
代码语言:txt
复制
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
代码语言:txt
复制
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
代码语言:txt
复制
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。
代码语言:javascript
复制
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
代码语言:txt
复制
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。
代码语言:txt
复制
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。   
代码语言:javascript
复制
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
代码语言:txt
复制
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。    
代码语言:javascript
复制
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)
代码语言:txt
复制
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。   
代码语言:javascript
复制
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()
代码语言:txt
复制
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。
代码语言:txt
复制
 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。
代码语言:txt
复制
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。

代码语言:txt
复制
 文本相关链接:

用Python爬取股票数据,绘制K线和均线并用机器学习预测股价(来自我出的书)

用Python语言绘制股市OBV指标效果

程序员如何高效学Python,如何高效用Python挣钱

用matplotlib和pandas绘制股票MACD指标图,并验证化交易策略

向大家介绍我的新书:《基于股票大数据分析的Python入门实战》

通过机器学习的线性回归算法预测股票走势(用Python实现)

在我的新书里,尝试着用股票案例讲述Python爬虫大数据可视化等知识

以股票RSI指标为例,学习Python发送邮件功能(含RSI指标确定卖点策略)

以预测股票涨跌案例入门基于SVM的机器学习

用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果(含量化验证交易策略代码)

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)

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020-08-20 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1 计算并绘制唐奇安通道
  • 2 计算并绘制布林带通道
  • 3 计算并绘制鳄鱼组线
相关产品与服务
大数据可视交互系统
RayData 是基于独有的渲染技术,结合云计算、AI、IoT,将大规模多样化的数据融合呈现,实现云数据实时可视化、场景化以及交互的管理方式,从而节省管理成本,提升数据辅助决策的效率。多年来丰富的大型项目交付经验辅以行业卓越的生态能力,使得 RayData 拥有远超行业水准的产品服务。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档