背景最近在学习使用 Python 做数据分析，感觉一个比较有意思的场景是用于股市，比如数据可视化、股票技术指标分析等等。准备写一个系列记录用 Python 分析股票的全过程。
相关技术在折腾的过程中，相关的技术如下：
- Python：用于分析股票的编程语言，选择 Python 的原因是相关科学计算的库十分丰富。
- Virtualenv：用于创建虚拟的 Python 运行环境，用于保持工作空间互不干扰。
- iPython：代码编写均在 iPython Notebook 中完成，方便查看运行结果和记录分享。
- NumPy：一个常见的基础运算库，支援矩阵运算，包含大量常用的数学函数。
- Pandas：一个基于 NumPy 的数据分析工具，可以简单高效地处理数据。
- Matplotlib：基于 NumPy 的绘图工具，可以用一些通用的 GUI 工具很方便的绘制图表。
基础操作股票的数据是通过 matplotlib 的 finance 模块获取的，它提供了一个获取雅虎股票数据的接口：
date1 = datetime.date( 2016, 2, 25 ) date2 = datetime.date( 2016, 2, 26 ) sp = f.quotes_historical_yahoo_ohlc('601233.ss', date1, date2, adjusted=True) print sp
|
获取到的数据格式是：日期、开盘价、最高价、最低价、收盘价、成交量：
[(736019.0, 13.130000000000001, 13.140000000000001, 11.83, 11.83, 17447800.0), (736020.0, 11.960000000000001, 12.880000000000001, 11.960000000000001, 12.68, 14906700.0)]
|
用 Pandas 处理之后数据会更易读一些：
pd.DataFrame(sp, columns=['date','open','high','low','close','volume'])
|
显示的结果是：
| index |
date |
open |
high |
low |
close |
volume |
| 0 |
736019 |
13.13 |
13.14 |
11.83 |
11.83 |
17447800 |
| 1 |
736020 |
11.96 |
12.88 |
11.96 |
12.68 |
14906700 |
常见指标股市中有很多辅助分析的技术指标，后面会逐渐通过 Python 实现这些技术指标的可视化展示。
VOL - 成交量定义成交量是指在某一时段内具体的交易数，它的变化反映了资金进出市场的情况，是印证市场走势的重要指标。
绘制在绘制成交量的时候，成交量使用柱状图绘制，若收盘价高于开盘价则为红色，否则为绿色。
以代码为 601233 的股票『桐昆股份』为例。首先引入基础的类库：
%matplotlib inline import matplotlib.dates as dates import matplotlib.finance as f import matplotlib.pyplot as plt import datetime import pandas as pd
|
然后获取 2016年1月1日 到 2016年2月20日 期间的股票数据：
date1 = datetime.date( 2016, 1, 1 ) date2 = datetime.date( 2016, 2, 20 ) sp = f.quotes_historical_yahoo_ohlc('601233.ss', date1, date2, adjusted=True) df = pd.DataFrame(sp, columns=['date','open','high','low','close','volume']) df['date'] = dates.num2date(df['date']) df = df[df['volume'] != 0] print df
|
可以看到目前的数据是这样的：
| date(index) |
open |
high |
low |
close |
volume |
| 2016-02-01 00:00:00+00:00 |
10.34 |
10.58 |
10.06 |
10.46 |
14063800 |
| 2016-02-02 00:00:00+00:00 |
10.41 |
10.75 |
10.20 |
10.74 |
19108900 |
| 2016-02-03 00:00:00+00:00 |
10.42 |
10.49 |
10.09 |
10.37 |
14133400 |
| 2016-02-04 00:00:00+00:00 |
10.75 |
11.41 |
10.71 |
10.86 |
28524200 |
| 2016-02-05 00:00:00+00:00 |
11.21 |
11.24 |
10.86 |
10.96 |
11278100 |
| 2016-02-15 00:00:00+00:00 |
10.67 |
11.30 |
10.45 |
11.12 |
11494100 |
| 2016-02-16 00:00:00+00:00 |
11.00 |
11.95 |
11.00 |
11.67 |
14092200 |
| 2016-02-17 00:00:00+00:00 |
11.50 |
11.72 |
11.30 |
11.58 |
11607800 |
| 2016-02-18 00:00:00+00:00 |
11.88 |
12.73 |
11.76 |
11.93 |
20870100 |
| 2016-02-19 00:00:00+00:00 |
11.62 |
12.20 |
11.53 |
11.96 |
7751300 |
然后就是数据的绘制了，取出 volume 列，通过 plot 方法进行绘制：
temp_df = df[df['date'] >= datetime.date( 2016, 2, 1 )] fig, ax = plt.subplots() ax = temp_df['volume'].plot(kind='Bar', color=['r' if x[5] > x[2] else 'g' for x in temp_df.itertuples()]) ax.set_xticklabels([x.strftime('%Y-%m-%d') for x in temp_df['date']]) fig.show()
|
结果如下：
如果我们希望能够像前面的软件截图一样绘制出均线，可以使用 rolling_mean 函数：
temp_df = df params = [5, 10, 20] for p in params: temp_df['vol'+str(p)] = pd.rolling_mean(df['volume'], window=p) temp_df = temp_df[temp_df['date'] >= datetime.date( 2016, 2, 1 )] print temp_df
|
结果如下：
| date |
open |
high |
low |
close |
volume |
vol5 |
vol10 |
vol20 |
| 2016-02-01 00:00:00+00:00 |
10.34 |
10.58 |
10.06 |
10.46 |
14063800 |
20885020 |
16664900 |
12883440 |
| 2016-02-02 00:00:00+00:00 |
10.41 |
10.75 |
10.20 |
10.74 |
19108900 |
19654100 |
17607560 |
13023730 |
| 2016-02-03 00:00:00+00:00 |
10.42 |
10.49 |
10.09 |
10.37 |
14133400 |
17720800 |
17859820 |
13265350 |
| 2016-02-04 00:00:00+00:00 |
10.75 |
11.41 |
10.71 |
10.86 |
28524200 |
19246640 |
19894810 |
14542820 |
| 2016-02-05 00:00:00+00:00 |
11.21 |
11.24 |
10.86 |
10.96 |
11278100 |
17421680 |
20263980 |
14495145 |
| 2016-02-15 00:00:00+00:00 |
10.67 |
11.30 |
10.45 |
11.12 |
11494100 |
16907740 |
18896380 |
14474330 |
| 2016-02-16 00:00:00+00:00 |
11.00 |
11.95 |
11.00 |
11.67 |
14092200 |
15904400 |
17779250 |
14832440 |
| 2016-02-17 00:00:00+00:00 |
11.50 |
11.72 |
11.30 |
11.58 |
11607800 |
15399280 |
16560040 |
15084490 |
| 2016-02-18 00:00:00+00:00 |
11.88 |
12.73 |
11.76 |
11.93 |
20870100 |
13868460 |
16557550 |
15712860 |
| 2016-02-19 00:00:00+00:00 |
11.62 |
12.20 |
11.53 |
11.96 |
7751300 |
13163100 |
15292390 |
15656035 |
然后通过指定 ax=ax 可以将多张图标绘制在同一个页面。注意，柱状图默认用 range(0,n) 做 x 轴，而折线图会自动填充索引成等距连续序列，这样会导致最后的结果是：柱状图堆在左边早已画完，而折线图会继续往右延伸。所以需要通过 use_index=False 明确规定不使用索引，绘图代码如下：
fig, ax = plt.subplots() param_colors = [(1,0.7,0.2), (0,0.7,0.9), (0.9,0.5,0.9)] for (i,p) in enumerate(params): temp_df[['vol'+str(p)]].plot(kind='line', ax=ax, color=param_colors[i], use_index=False) temp_df[['volume']].plot(kind='bar', ax=ax, color=['r' if x[5] > x[2] else 'g' for x in temp_df.itertuples()]) ax.set_xticklabels([x.strftime('%Y-%m-%d') for x in temp_df['date']]) plt.show()
|
绘制结果：
MA - 移动平均线定义移动平均就是固定窗口然后滑动窗口计算多日收盘价的平均值，通过设置窗口的大小可以查看短期、中期、长期的移动平均线变化情况。一般常用的是5日、10日、20日等。
绘制有了前面的 rolling_mean 函数，绘制均线并没什么难度。绘制5天、10天、20天均线的代码如下：
temp_df = df params = [5, 10, 20] for p in params: temp_df['ma'+str(p)] = pd.rolling_mean(df['close'], window=p) temp_df = temp_df[temp_df['date'] >= datetime.date( 2016, 2, 1 )] fig, ax = plt.subplots() param_colors = [(1,0.7,0.2), (0,0.7,0.9), (0.9,0.5,0.9)] for (i,p) in enumerate(params): temp_df[['ma'+str(p)]].plot(kind='line', ax=ax, color=param_colors[i], use_index=False) ax.set_xticklabels([x.strftime('%d') for x in temp_df['date']]) fig.show()
|
绘制结果：
EMA - 指数移动平均线定义移动平均线需要绘制在中点处才能正确的反映价格的运动趋势，而指数移动平均线在公式中着重考虑了价格当期行情的权重，离当期越近，权重越高，弥补了其他指标的滞后性：
EMAt1 = EMAt0 + α * (p - EMAt0)
和移动平均线一样， EMA 也可以设置不同的参数值查看不同短期、中期、长期的走势情况。
绘制主要是通过 pd.ewma 函数进行绘制：
params = [5, 10, 20] for p in params: temp_df['ema'+str(p)] = pd.ewma(temp_df['close'], span=p) temp_df = temp_df[temp_df['date'] >= datetime.date( 2016, 2, 1 )] fig, ax = plt.subplots() param_colors = [(1,0.7,0.2), (0,0.7,0.9), (0.9,0.5,0.9)] for (i,p) in enumerate(params): temp_df[['ema'+str(p)]].plot(kind='line', ax=ax, color=param_colors[i], use_index=False) ax.set_xticklabels([x.strftime('%d') for x in temp_df['date']]) fig.show()
|
绘制结果：
MACD - 指数异同移动平均线定义MACD 是一种常见的技术分析工具，由一组曲线与图形组成，通过收盘价快变及慢变的指数移动平均值之间的差计算出来。『快』指更短时段的 EMA，而『慢』则指较长时段的 EMA，最常用的是12及26日 EMA。公式如下：
DIF = EMA(close, 12) - EMA(close, 26)
DEM = EMA(DIF, 9)
MACD = (DIF - DEM) * 2
绘制先取出 2015年6月1日至2016年2月20日的股票信息：
date1 = datetime.date( 2015, 6, 1 ) date2 = datetime.date( 2016, 2, 20 ) sp = f.quotes_historical_yahoo_ohlc('601233.ss', date1, date2, adjusted=True) temp_df = pd.DataFrame(sp, columns=['date','open','high','low','close','volume']) temp_df['date'] = dates.num2date(temp_df['date']) temp_df = temp_df[temp_df['volume'] != 0]
|
然后计算 DIF DEM MACD 的值并存储到列中：
params = [12, 26] for p in params: temp_df['ema'+str(p)] = pd.ewma(temp_df['close'], span=p) temp_df['DIF'] = temp_df['ema12'] - temp_df['ema26'] temp_df['DEM'] = pd.ewma(temp_df['DIF'], span=9) temp_df['MACD'] = (temp_df['DIF'] - temp_df['DEM']) * 2 temp_df = temp_df[temp_df['date'] >= datetime.date( 2015, 12, 1 )]
|
最后使用 plot 函数绘制即可
fig, ax = plt.subplots() param_colors = [(1,0.7,0.2), (0,0.7,0.9), (0.9,0.5,0.9)] temp_df[['DIF','DEM']].plot(kind='line', ax=ax, color=param_colors, use_index=False) temp_df[['MACD']].plot(kind='bar', ax=ax, color=['r' if x[-1] > 0 else 'g' for x in temp_df.itertuples()]) ax.set_xticklabels([x.strftime('%d') for x in temp_df['date']]) fig.show()
|
绘制结果如下：
其他其他技术指标就不挨个练习了，RiceQuant 或者 UQER 上都已经提供了现成的 API 可以直接调用。这个练手只是为了熟悉一下 Python 在数据处理和数据可视化方便的基础操作，后面开始做一些量化交易的尝试。
很有意思，你也试试？
|
