引言: 我之前一直用SAS、MATLAB。最近用Python,发现python的pandas包简直是分析金融数据做量化研究的神器。准备写个系列帖子“量化小讲堂”,希望通过实际的列子,让大家知道如何使用python & pandas进行金融数据处理,希望能对大家有帮助。帖子主要面向入门学习者,大神请轻拍。 【量化小讲堂 - python & pandas技巧系列】使用python计算各类移动平均线 计算移动平均线是最常见的需求,下面这段代码将完成以下三件事情: 1. 从csv格式的文件中导入股票数据,数据例图如下: 2.计算各类移动平均线,包括简单简单算术移动平均线MA、指数平滑移动平均线EMA; 3.将计算好的数据输出到csv文件中。 代码应该复制下来就能运行了,关于从哪里可以得到代码中使用的数据,后面会讲,下面贴上代码(附件中也可以下载): ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- # -*- coding: utf-8 -*- """ @author: yucezhe @contact: QQ:2089973054 email:xjc@yucezhe.com """ import pandas as pd # ========== 从原始csv文件中导入股票数据,以浦发银行sh600000为例 # 导入数据 - 注意:这里请填写数据文件在您电脑中的路径 stock_data = pd.read_csv('stock data/sh600000.csv', parse_dates=[1]) # 将数据按照交易日期从远到近排序 stock_data.sort('date', inplace=True) # ========== 计算移动平均线 # 分别计算5日、20日、60日的移动平均线 ma_list = [5, 20, 60] # 计算简单算术移动平均线MA - 注意:stock_data['close']为股票每天的收盘价 for ma in ma_list: stock_data['MA_' + str(ma)] = pd.rolling_mean(stock_data['close'], ma) # 计算指数平滑移动平均线EMA for ma in ma_list: stock_data['EMA_' + str(ma)] = pd.ewma(stock_data['close'], span=ma) # 将数据按照交易日期从近到远排序 stock_data.sort('date', ascending=False, inplace=True) # ========== 将算好的数据输出到csv文件 - 注意:这里请填写输出文件在您电脑中的路径 stock_data.to_csv('sh600000_ma_ema.csv', index=False) ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 代码输出的数据截图如下: 可以到这里下载程序中用到的股票数据:网址 ,其中包含了所有股票、从上市日起的全部交易数据。 之后会讲的内容: 现在想到的之后几期会讲的内容: 【量化小讲堂 - python & pandas技巧系列】如何在windows环境安装python和pandas 【量化小讲堂 - python & pandas技巧系列】如何在mac OSX环境安装python和pandas 【量化小讲堂 - python & pandas技巧系列】使用python计算KDJ指标 【量化小讲堂 - python & pandas技巧系列】使用python计算MACD指标 【量化小讲堂 - 投资策略系列】KDJ、MACD指标双金叉选股效果 【量化小讲堂 - python & pandas技巧系列】使用pytho将日线数据转换成周线、月线数据 更多的内容还没想好,大家要是有什么想知道可以留言回复哈 :) 本篇内容的代码: 本帖隐藏的内容 |
|