用python的matplotlib和numpy庫繪製股票K線均線的整合效果（含從網絡接口爬取數據和驗證交易策略代碼）

    本人最近在嘗試着發表「以股票案例入門Python編程語言」系列的文章，在這些文章裏，將用Python工具繪製各類股票指標，在講述各股票指標的含義以及計算方式的同時，驗證基於各類指標的交易策略，本文是第一篇，經過K線和均線案例講述Numpy，Maplotlib等相關庫的用法，而且還用代碼案例來驗證買賣的交易策略。在本系列的後面文章中,將陸續經過python繪製成交量、KDJ、MACD、RSI和OBV等指標,並且還會用Python編寫針對這些指標的交易策略,敬請關注。

1 K線整合均線的案例

    均線也叫移動平均線（Moving Average，簡稱MA），是指某段時間內的平均股價（或指數）連成的曲線，經過它咱們能清晰地看到股價的歷史波動，從而能進一步預測將來價格的發展趨勢。

    均線通常分短時間、中期和長期這三類。

    1 一般把5天和10天移動平均線稱爲短時間均線，通常供短線投資者參照。

    2通常把20天、30天和60天移動平均線做爲中期均線，通常供中線投資者參考。

    3 通常120天和250天（甚至更長）移動平均線稱爲長期均線，通常供長線投資者參考。

    不過在實踐中，咱們通常須要綜合地觀察短時間中期和長期均線，從中能分析出市場的多空趨勢。好比，若是某股價格的三類均線均上漲，且短時間中期長期均線是從上到下排列，則說明該股價格趨勢向上；反之若是並列下跌，且長期中期短時間均線從上到下排列，則說明股價趨勢向下。

    講完概念了，咱們經過rolling方法繪製均線。    

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	#從文件裏獲得數據
7	df = pd.read_csv('D:/stockData/ch6/600895.csv',encoding='gbk')
8	#設置圖的位置
9	fig = plt.figure()
10	ax = fig.subplot(111)
11	#調用方法，繪製K線圖 
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='3天均線')
14	df['Close'].rolling(window=5).mean().plot(color="blue",label='5天均線')
15	df['Close'].rolling(window=10).mean().plot(color="green",label='10天均線')
16	plt.legend(loc='best') #繪製圖例
17	#設置x軸的標籤 
18	plt.xticks(range(len(df.index.values)),df.index.values,rotation=30 ) 
19	ax.grid(True) #帶網格線
20	plt.title("600895張江高科的K線圖")
21	plt.show()

    從第13行到第15行裏，經過rolling方法，根據天天的收盤價，計算了3天、5天和10天均線，併爲每種均線設置了圖例，在第16行裏，經過legend方法設置了圖例的位置。上述代碼的運行效果以下圖所示，從中咱們不只能看到這段時間內的K線圖，還能看到3根均線。    

    

2 K線整合均線的改進版案例

    在本例中，咱們將作以下兩點改進，其中請你們着重觀察操做座標軸的ax對象。  

    第一，爲了更靈活地獲得股市數據，這裏是根據開始時間和結束時間，先是調用get_data_yahoo接口，從yahoo的接口裏獲取股票數據，同時爲了留一份數據，因此會把從接口爬取到的數據保存到本地csv文件，作完以後再繪製圖形。

    第二，在以前的案例中，x軸的刻度是每一個交易日的日期，但若是顯示的時間範圍過長，那麼時間刻度就會太密集，影響美觀效果，因此這裏將只顯示主刻度。改進後的代碼以下所示。

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	#根據指定代碼和時間範圍，獲取股票數據
9	code='600895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#刪除最後一行，由於get_data_yahoo會多取一天數據
12	stock.drop(stock.index[len(stock)-1],inplace=True)
13	#保存在本地
14	stock.to_csv('D:\\stockData\ch7\\600895.csv')
15	df = pd.read_csv('D:/stockData/ch7/600895.csv',encoding='gbk',index_col=0)
16	#設置窗口大小
17	fig, ax = plt.subplots(figsize=(10, 8))
18	xmajorLocator   = MultipleLocator(5) #將x軸主刻度設置爲5的倍數
19	ax.xaxis.set_major_locator(xmajorLocator)
20	#調用方法，繪製K線圖 
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	#以下是繪製3種均線
24	df['Close'].rolling(window=3).mean().plot(color="red",label='3天均線')
25	df['Close'].rolling(window=5).mean().plot(color="blue",label='5天均線')
26	df['Close'].rolling(window=10).mean().plot(color="green",label='10天均線')
27	plt.legend(loc='best') #繪製圖例
28	ax.grid(True) #帶網格線
29	plt.title("600895張江高科的K線圖")
30	plt.rcParams['font.sans-serif']=['SimHei']
31	plt.setp(plt.gca().get_xticklabels(), rotation=30) 
32	plt.show()

    相比以前代碼，這段代碼有四個改進點。

    第一，從第9行到第14行裏，咱們經過第五章分析過的get_data_yahoo方法，傳入股票代碼、開始和結束時間這三個參數，從yahoo接口裏得到股票交易的數據。

    請注意該方法返回的數據會比傳入的結束時間多一天，好比咱們傳入的結束時間是2019-03-31，但它會返回後一天（即2019-04-01）的數據，因此得經過第12行的drop方法，刪除stock對象（該對象類型是dataframe）最後一行的數據。刪除的時候是經過stock.index[len(stock)-1]指定刪除長度減1的索引值，由於索引值是從0開始，並且須要指定inplace=True，不然的話，刪除的結果沒法更新到stock這個dataframe裏。

    第二，在第17行裏，經過figsize方法設置了窗口的大小尺寸。

    第三，經過第18行和第19行的代碼，設置了主刻度是5的倍數。之因此設置成5的倍數，是由於通常一週的交易日是5天。但這裏不能簡單地把主刻度設置成每週一，由於某些週一有多是股市休市的法定假日。

    第四，因爲無需在x軸上設置天天的日期，因此這裏無需再調用plt.xticks方法，可是得調用如第31行所示的代碼，設置x軸刻度的旋轉角度，不然x軸展現的時間依然有可能會重疊。

    這段代碼的運行效果以下圖所示，從中你們能看到改進後的效果，並且，因爲本次展現的股票時間段變長了（是3個月），因此相比drawKAndMA.py案例，均線的效果更爲明顯，尤爲是三日均線，更是幾乎貫穿於整個交易日範圍。

    

3 葛蘭碧均線八大買賣法則

   在均線實踐理論中，投資專家葛蘭碧創造的八項買賣法則可謂經典，具體的細節以下圖所示。

    

    1 移動平均線從降低逐漸轉爲平水平，且有超上方擡頭跡象，而股價從均線下方突破時，爲買進信號，如上圖中的A點。

    2 股價於移動平均線之上運行時下跌，但未跌破均線，此時股價再次上揚，此時爲買入信號，如圖中的C點。

    3 股價位於均線上運行，下跌時破均線，但均線呈上升趨勢，不久股價回到均線之上時，爲買進信號，如圖中的B點。

    4 股價在均線下方運行時大跌，遠離均線時向均線靠近，此時爲買進時機，如圖中的D點。

    5 均線的上升趨勢逐漸變平，且有向下跡象，而股價從均線上方向下穿均線，爲賣出信號，如圖中的E點。

    6 股價向上穿過均線，不過均線依然保持下跌趨勢，此後股價又下跌回均線下方，爲賣出信號，如圖中的F點。

    7 股價運行在均線下方，出現上漲，但未過均線就再次下跌，此爲賣出點，如圖中的G點。

    8 股價在均線的上方運行，連續上漲且繼續遠離均線，這種趨勢說明隨時會出現獲利回吐的賣盤打壓，此時是賣出的時機，如前圖中的H點。

4 經過DataFrame對象驗證均線的買點策略

    根據上述八大買賣原則，咱們在張江高科2019年1月到3月的交易數據內，用pandas庫裏的dataframe等對象，根據5日均線計算參考買點，代碼以下所示。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	#從文件裏獲得數據
5	df = pd.read_csv('D:/stockData/ch7/600895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#雖然在後文裏只用到了5日均線，但這裏演示設置3種均線
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	        #規則1，收盤價連續三天上揚
14	        if df.iloc[cnt]['Close']<df.iloc[cnt+1]['Close'] and df.iloc[cnt+1]['Close']<df.iloc[cnt+2]['Close']:
15	            #規則2,5日均線連續三天上揚
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	                #規則3，第3天，收盤價上穿5日均線
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: #有幾天是沒5日均線的，因此用except處理異常
21	        pass:                
22	    cnt=cnt+1

    雖然在計算參考買點時，只用到了5日均價，但在第8行和第9行的for循環裏，咱們經過rolling方法，仍是計算了3日、5日和10日的均價，並把計算後的結果記錄到當前行的MA_三、MA_5和MA_10這三列中，這樣作的目的是爲了演示動態建立列的作法。

    在第11行到第22行的while循環裏，咱們依次遍歷了天天的交易數據，並在第14行，第16行和第18行裏，經過三個if語句，設置了3個規則。因爲在前幾天是沒有5日均價了，且在遍歷最後2天交易數據時，在執行諸如df.iloc[cnt+2]['Close']的語句中會出現索引越界，因此在while循環裏咱們用到了try…except異常處理語句。

    運行上述代碼，咱們能看到的結果是：Buy Point on:2019-03-08，結合上圖，咱們能看到3月8日以後的交易日裏，股價有必定程度的上漲，因此能證明基於均線的「買」原則，但影響股價的因素太多，你們應全面分析，切勿在實戰中只用這原則來買賣股票。

5 經過DataFrame驗證均線的賣點策略

    一樣地，根據5日均線計算參考買點，在以下案例中，咱們計算了張江高科2019年1月到3月內的賣點。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	#從文件裏獲得數據
5	df = pd.read_csv('D:/stockData/ch7/600895.csv',encoding='gbk')
6	maIntervalList = [3,5,10]
7	#雖然在後文裏只用到了5日均線，但這裏演示設置3種均線
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	        #規則1，收盤價連續三天下跌
14	        if df.iloc[cnt]['Close']>df.iloc[cnt+1]['Close'] and df.iloc[cnt+1]['Close']>df.iloc[cnt+2]['Close']:
15	            #規則2,5日均線連續三天下跌
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	                #規則3，第3天，收盤價下穿5日均線
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: #有幾天是沒5日均線的，因此用except處理異常
21	        pass                
22	    cnt=cnt+1

    運行後，咱們能獲得兩個賣點：2019-01-23和2019-01-23，這一樣能在上圖描述的K線圖裏獲得驗證。

6 求推薦，後文預告與版權說明

    在本系列的後面文章中，將陸續經過python繪製成交量、KDJ、MACD、RSI和OBV等指標，並且還會用Python編寫針對這些指標的交易策略，敬請關注。

    本文用了我將近3個小時，若是你們感受好，請幫忙推薦下。

    關於轉載有以下的說明。

    1 本文文字和代碼均屬原創，可轉載，但謝絕用於商業用戶。

    2 轉載時請用連接的方式，給出原文出處，同時寫明原做者是hsm_computer。

    3 在轉載時，請原文轉載 ，如要在轉載修改本文，請事先告知，謝絕在轉載時經過修改本文達到有利於轉載者的目的。