|
下面是一些Python代码，用于分析股票的技术面指标。 首先，我们需要安装一些必需的Python库，包括pandas、numpy、matplotlib和pandas-datareader。我们可以使用pip install命令进行安装。 ``` python !pip install pandas numpy matplotlib pandas-datareader ``` 接下来，我们将使用pandas-datareader库中的DataReader函数从雅虎财经中获取股票数据。我们将使用AAPL（Apple Inc.）作为我们的例子。我们将获取该股票的历史股票价格，并将其存储在DataFrame对象中。 ``` python import pandas_datareader as web # Get historical data for AAPL from Yahoo Finance df = web.DataReader('AAPL', data_source='yahoo', start='2010-01-01') ``` 我们还将使用pandas库来计算股票的移动平均线（MA）和指数移动平均线（EMA）。我们将计算10天和50天的MA和EMA。 ``` python # Calculate the moving averages and exponential moving averages ma10 = df['Adj Close'].rolling(10).mean() ma50 = df['Adj Close'].rolling(50).mean() ema10 = df['Adj Close'].ewm(span=10).mean() ema50 = df['Adj Close'].ewm(span=50).mean() # Add the MA and EMA to the DataFrame df['MA10'] = ma10 df['MA50'] = ma50 df['EMA10'] = ema10 df['EMA50'] = ema50 ``` 我们可以使用matplotlib库来绘制股票价格和MA、EMA。 ``` python import matplotlib.pyplot as plt # Plot the stock price and MA, EMA plt.plot(df.index, df['Adj Close'], label='Price') plt.plot(df.index, ma10, label='MA10') plt.plot(df.index, ma50, label='MA50') plt.plot(df.index, ema10, label='EMA10') plt.plot(df.index, ema50, label='EMA50') plt.legend() plt.show() ``` 最后，我们将计算股票的相对强弱指数（RSI）和移动平均散度（MACD），用于更全面的技术面分析。我们将使用talib库提供的函数来计算这些指标。 ``` python import talib # Calculate the RSI and MACD rsi = talib.RSI(df['Adj Close'], timeperiod=14) macd, macdsignal, macdhist = talib.MACD(df['Adj Close'], fastperiod=12, slowperiod=26, signalperiod=9) # Add the RSI and MACD to the DataFrame df['RSI'] = rsi df['MACD'] = macd df['MACD_Signal'] = macdsignal df['MACD_Hist'] = macdhist ``` 现在我们已经计算出这些技术指标了，我们可以用相同的方式绘制它们，以更好地理解股票的技术面。 ``` python # Plot the RSI and MACD plt.subplot(2, 1, 1) plt.plot(df.index, df['RSI']) plt.title('RSI') plt.subplot(2, 1, 2) plt.plot(df.index, df['MACD'], label='MACD') plt.plot(df.index, df['MACD_Signal'], label='MACD Signal') plt.bar(df.index, df['MACD_Hist'], label='MACD Hist') plt.legend() plt.title('MACD') plt.show() ``` 这是一个简单的技术面分析过程。您可以对这些函数进行修改和扩展，以计算其他技术面指标。然，在使用这些指标时，需要谨慎。单一的技术面指标并不能准确地预测未来的股票价格。这些指标可以与基本面分析和市场研究相结合，提供更全面、更准确的股票分析结果。 下面是完整的代码： ``` python import pandas_datareader as web import pandas as pd import numpy as np import matplotlib.pyplot as plt import talib # Get historical data for AAPL from Yahoo Finance df = web.DataReader('AAPL', data_source='yahoo', start='2010-01-01') # Calculate the moving averages and exponential moving averages ma10 = df['Adj Close'].rolling(10).mean() ma50 = df['Adj Close'].rolling(50).mean() ema10 = df['Adj Close'].ewm(span=10).mean() ema50 = df['Adj Close'].ewm(span=50).mean() # Add the MA and EMA to the DataFrame df['MA10'] = ma10 df['MA50'] = ma50 df['EMA10'] = ema10 df['EMA50'] = ema50 # Plot the stock price and MA, EMA plt.plot(df.index, df['Adj Close'], label='Price') plt.plot(df.index, ma10, label='MA10') plt.plot(df.index, ma50, label='MA50') plt.plot(df.index, ema10, label='EMA10') plt.plot(df.index, ema50, label='EMA50') plt.legend() plt.show() # Calculate the RSI and MACD rsi = talib.RSI(df['Adj Close'], timeperiod=14) macd, macdsignal, macdhist = talib.MACD(df['Adj Close'], fastperiod=12, slowperiod=26, signalperiod=9) # Add the RSI and MACD to the DataFrame df['RSI'] = rsi df['MACD'] = macd df['MACD_Signal'] = macdsignal df['MACD_Hist'] = macdhist # Plot the RSI and MACD plt.subplot(2, 1, 1) plt.plot(df.index, df['RSI']) plt.title('RSI') plt.subplot(2, 1, 2) plt.plot(df.index, df['MACD'], label='MACD') plt.plot(df.index, df['MACD_Signal'], label='MACD Signal') plt.bar(df.index, df['MACD_Hist'], label='MACD Hist') plt.legend() plt.title('MACD') plt.show() ``` |
|
|
