pandas+pyecharts實踐筆記：比特幣價格分析

tl;dr：眼下極有多是本年度第二個最佳定投區間

引言

個人簽名是：

會點前端的後端開發，恰恰對區塊鏈最感興趣。

雖然上一份從事區塊鏈相關的工做無疾而終，但我還一直在關注區塊鏈行業的發展。

區塊鏈行業的龍頭老大是非比特幣莫屬。除了技術之外，估計你們更關心的是它的價格。 恰巧最近讀了九神《屯比特幣》的系列文章，其中的一篇尋找合適的夠買時機分享了關於定投擇時的策略，核心觀點是:

那麼，具體在什麼區間內購買比特幣最划算呢？同時知足兩個條件：

比特幣價格低於200日定投平均成本，意味着在這個時候買幣，能夠跑贏定投的人。 比特幣價格低於指數增加模型的估值，意味着在這個時候，幣價被低估了。

我讀下來以爲遺憾的地方在於，這篇文章是成文於2018-10-07，轉眼一年過去了，而因爲文中的相關圖表是圖片，沒有持續更新，那麼眼下這個時間點時否知足九神提出的兩個條件呢？

正好我缺一個機會踐習python的數據分析，因而，就開始邊搜邊學邊試的摸索之路。

實現步驟

第一步，天然是要獲取數據。先是搜索了一番沒找到合適的地方直接下載，只能轉換思路去爬取。目標有兩個，要麼是交易所;要麼是行情類網站。

我選擇了非小號這個平臺，由於有歷史數據頁面。

經過瀏覽器的開發工具，很容易就能夠經過get請求得到數據並解析。由於代碼過於簡單就不貼出來，有興趣的朋友，能夠點擊btc_price_analyzer查看。

第二步，是計量200日的定投平均成本（即幾何平均數）及價格比例，這正是pandas所擅長的。但當時的我徹底沒有經驗，磕磕絆絆才寫出了下面的代碼。

def close_ratio(close, base):
    return close * 1.0 / base

ma_list = [100, 200] //不知道爲何九神選擇了200日均線，這裏我把100日均線也打出來作對比。

for ma in ma_list:
    ma_str = str(ma)
    price_data['GMA_' + ma_str] = price_data['closeprice'].rolling(
        window=ma, min_periods=1).apply(gmean, raw=True)

for ma in ma_list:
    ma_str = str(ma)
    price_data["GMA_Ratio_" + ma_str] = price_data.apply(
        lambda x: close_ratio(x['closeprice'], x['GMA_' + ma_str]), axis=1)
複製代碼

惟一值得說明的是，pandas的rolling函數只有mean方法，而沒有gmean的。我是引用了scipy包實現的。

from scipy.stats.mstats import gmean
複製代碼

第三步，利用指數增加模型實現價格預測。我不肯定九神使用的指數模型具體是什麼參數，我搜索到文章主要來自於如下兩篇文章：

• 比特幣價格走廊與冪律法則：走向何方？
• 比特幣價格數學模型（比特幣公式）

我最後是選擇了第一篇文章的方法，緣由是文章寫的更嚴謹一些。計算公式以下:

價格=10^(a + blog10(d))

其中a = -17.01593313，斜率 b = 5.84509376 ，d爲2009年以來的天數。

第四步，畫圖。雖然有傳統的Matplotlib，但這裏我選擇了用pyecharts。

無它，一是pyecharts更好看一些(外貌協會，嘻嘻~~)，二是能夠生成html，方便移植。

若是對echarts不熟悉，那剛用pyecharts時，被各類配置項搞的暈頭轉向。

個人建議是對照着看echarts和pyecharts的文檔，但更多的時候，你們急於看到效果，面向搜索編程，哪有時間細讀，不如直接找pyecharts在github中的例子邊改邊試。

等本身踩過一遍坑，畫出了本身想畫的圖，再回過頭看文檔，真是有恍然大悟的感受。

扯點題外話，人生好像也是如此，磕磕絆絆走過，再回過神來想，不少道理其實很早就知道，非得要經歷過才能領悟。

這部分代碼當時寫的很辛苦，寫文章時再看，好像也沒什麼好貼出來的。-_-!!!

思來想去也就是畫多Y軸圖時，必定要先extend_axis後再overlap。

line1.extend_axis(yaxis=opts.AxisOpts())

line1.overlap(line2)
複製代碼

最後的成果以下：

想體驗動圖嗎？請戳這裏

經過觀察能夠看到，眼下這個時間點正好符合九神的兩個條件。

雖然相比於年初的時候要差一點，但這極有多是本年度第二個最佳定投區間。

寫在最後

心心念念想學python數據分析很久了，一直沒有動力。

此次終於找到了一個有意思的問題，趨動着我在十一假期生生邁出第一步。

下一步，一方面想把代碼移植到jupyter;另外一面，會對九神的策略作一回測分析。

好比說，100日的均線和200日均線，到底哪一個更有指導價值;等額定投和加權定投，到底哪一個收益更大?

目前，我只完成了價格比率的分佈圖。

更多的分析，計劃在後續的文章再寫。

注1：本文只是爲了實踐數據分析，不構成任何投資建議。

注2: 本文涉及的全部代碼可在btc_price_analyzer查看。

注3: 動圖體驗網址是ksloveyuan.github.io/page/btc_pr…