利用akshare、pandas、ta库实现常用技术分析方法识别市场趋势

技术分析是交易者和投资者用来评估金融市场趋势的重要工具。这里我将介绍6种常用的技术分析方法,并使用Python实现这些方法。这里使用pandas和ta库来计算各种技术指标。

以贵州茅台(股票代码:600519)举例，分析今年至今的数据。

首先,让我们导入必要的库并获取股票数据:

import akshare as ak import pandas as pd

stock_code = "600519" # 贵州茅台的股票代码 start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq")

df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

print(df.head())

现在,让我们逐一实现常用的技术分析方法:

我用的mac系统，字体采用STHeiti。如果你是windows系统，

字体可以采用SimHei 解决中文乱码。

快慢移动平均线

快慢移动平均线是一种简单而有效的趋势跟踪方法。我们将使用20日均线作为快线,50日均线作为慢线。

import akshare as ak import pandas as pd import matplotlib.pyplot as plt from ta.trend import SMAIndicator

plt.rcParams $"font.sans-serif"$ = $"STHeiti"$ plt.rcParams $"axes.unicode_minus"$ = False

stock_code = "600519" start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq") df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

df $'SMA20'$ = SMAIndicator(close=df $'收盘'$ , window=20).sma_indicator() df $'SMA50'$ = SMAIndicator(close=df $'收盘'$ , window=50).sma_indicator()

df $'Signal'$ = 0 df.loc $df\['SMA20'$ > df $'SMA50'$ , 'Signal'] = 1 df.loc $df\['SMA20'$ < df $'SMA50'$ , 'Signal'] = -1

plt.figure(figsize=(12, 6)) plt.plot(df.index, df $'收盘'$ , label='收盘价') plt.plot(df.index, df $'SMA20'$ , label='20日均线') plt.plot(df.index, df $'SMA50'$ , label='50日均线') plt.title('贵州茅台 - 快慢移动平均线') plt.legend() plt.show()

print(df $df\['Signal'$ != df $'Signal'$ .shift(1)])

在这个策略中,当20日均线上穿50日均线时产生买入信号,下穿时产生卖出信号。

移动平均线 + MACD

这种方法结合了趋势跟踪(移动平均线)和动量指标(MACD)。

import akshare as ak import pandas as pd import matplotlib.pyplot as plt from ta.trend import SMAIndicator, MACD

plt.rcParams $"font.sans-serif"$ = $"STHeiti"$ plt.rcParams $"axes.unicode_minus"$ = False

stock_code = "600519" start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq") df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

df $'SMA50'$ = SMAIndicator(close=df $'收盘'$ , window=50).sma_indicator() macd = MACD(close=df $'收盘'$ ) df $'MACD'$ = macd.macd() df $'MACD_Signal'$ = macd.macd_signal()

df $'Signal'$ = 0 df.loc $(df\['MACD'$ > df $'MACD_Signal'$ ) & (df $'收盘'$ > df $'SMA50'$ ), 'Signal'] = 1 df.loc $(df\['MACD'$ < df $'MACD_Signal'$ ) & (df $'收盘'$ < df $'SMA50'$ ), 'Signal'] = -1

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), sharex=True)

ax1.plot(df.index, df $'收盘'$ , label='收盘价') ax1.plot(df.index, df $'SMA50'$ , label='50日均线') ax1.set_title('贵州茅台 - 价格和50日均线') ax1.legend()

ax2.plot(df.index, df $'MACD'$ , label='MACD') ax2.plot(df.index, df $'MACD_Signal'$ , label='MACD信号线') ax2.bar(df.index, df $'MACD'$ - df $'MACD_Signal'$ , label='MACD柱状图') ax2.set_title('MACD') ax2.legend()

plt.tight_layout() plt.show()

print(df $df\['Signal'$ != df $'Signal'$ .shift(1)])

这个策略在MACD上穿信号线且价格在50日均线之上时产生买入信号,反之产生卖出信号。

RSI + 快慢移动平均线

这种方法结合了超买超卖指标(RSI)和趋势跟踪(移动平均线)。

import akshare as ak import pandas as pd import matplotlib.pyplot as plt from ta.trend import SMAIndicator from ta.momentum import RSIIndicator

plt.rcParams $"font.sans-serif"$ = $"STHeiti"$ plt.rcParams $"axes.unicode_minus"$ = False

stock_code = "600519" start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq") df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

df $'SMA20'$ = SMAIndicator(close=df $'收盘'$ , window=20).sma_indicator() df $'SMA50'$ = SMAIndicator(close=df $'收盘'$ , window=50).sma_indicator() df $'RSI'$ = RSIIndicator(close=df $'收盘'$ ).rsi()

df $'Signal'$ = 0 df.loc $(df\['SMA20'$ > df $'SMA50'$ ) & (df $'RSI'$ < 70), 'Signal'] = 1 df.loc $(df\['SMA20'$ < df $'SMA50'$ ) & (df $'RSI'$ > 30), 'Signal'] = -1

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), sharex=True)

ax1.plot(df.index, df $'收盘'$ , label='收盘价') ax1.plot(df.index, df $'SMA20'$ , label='20日均线') ax1.plot(df.index, df $'SMA50'$ , label='50日均线') ax1.set_title('贵州茅台 - 价格和移动平均线') ax1.legend()

ax2.plot(df.index, df $'RSI'$ , label='RSI') ax2.axhline(y=70, color='r', linestyle='--') ax2.axhline(y=30, color='g', linestyle='--') ax2.set_title('RSI') ax2.legend()

plt.tight_layout() plt.show()

print(df $df\['Signal'$ != df $'Signal'$ .shift(1)])

这个策略在20日均线上穿50日均线且RSI低于70时产生买入信号,在20日均线下穿50日均线且RSI高于30时产生卖出信号。

布林线和RSI

布林线提供了价格波动的范围,而RSI则提供了动量信息。

import akshare as ak import pandas as pd import matplotlib.pyplot as plt from ta.volatility import BollingerBands from ta.momentum import RSIIndicator

plt.rcParams $"font.sans-serif"$ = $"STHeiti"$ plt.rcParams $"axes.unicode_minus"$ = False

stock_code = "600519" start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq") df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

bollinger = BollingerBands(close=df $'收盘'$ ) df $'BB_High'$ = bollinger.bollinger_hband() df $'BB_Low'$ = bollinger.bollinger_lband() df $'BB_Mid'$ = bollinger.bollinger_mavg() df $'RSI'$ = RSIIndicator(close=df $'收盘'$ ).rsi()

df $'Signal'$ = 0 df.loc $(df\['收盘'$ < df $'BB_Low'$ ) & (df $'RSI'$ < 30), 'Signal'] = 1 df.loc $(df\['收盘'$ > df $'BB_High'$ ) & (df $'RSI'$ > 70), 'Signal'] = -1

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), sharex=True)

ax1.plot(df.index, df $'收盘'$ , label='收盘价') ax1.plot(df.index, df $'BB_High'$ , label='布林上轨') ax1.plot(df.index, df $'BB_Low'$ , label='布林下轨') ax1.plot(df.index, df $'BB_Mid'$ , label='布林中轨') ax1.set_title('贵州茅台 - 价格和布林带') ax1.legend()

ax2.plot(df.index, df $'RSI'$ , label='RSI') ax2.axhline(y=70, color='r', linestyle='--') ax2.axhline(y=30, color='g', linestyle='--') ax2.set_title('RSI') ax2.legend()

plt.tight_layout() plt.show()

print(df $df\['Signal'$ != df $'Signal'$ .shift(1)])

这个策略在价格触及布林下轨且RSI低于30时产生买入信号,在价格触及布林上轨且RSI高于70时产生卖出信号。

ADX与快慢移动平均线

ADX(平均趋向指标)用于衡量趋势的强度,而不是趋势的方向。

import akshare as ak import pandas as pd import matplotlib.pyplot as plt from ta.trend import ADXIndicator, SMAIndicator

plt.rcParams $"font.sans-serif"$ = $"STHeiti"$ plt.rcParams $"axes.unicode_minus"$ = False

stock_code = "600519" start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq") df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

df $'SMA20'$ = SMAIndicator(close=df $'收盘'$ , window=20).sma_indicator() df $'SMA50'$ = SMAIndicator(close=df $'收盘'$ , window=50).sma_indicator() adx = ADXIndicator(high=df $'最高'$ , low=df $'最低'$ , close=df $'收盘'$ ) df $'ADX'$ = adx.adx()

df $'Signal'$ = 0 df.loc $(df\['SMA20'$ > df $'SMA50'$ ) & (df $'ADX'$ > 25), 'Signal'] = 1 df.loc $(df\['SMA20'$ < df $'SMA50'$ ) & (df $'ADX'$ > 25), 'Signal'] = -1

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), sharex=True)

ax2.plot(df.index, df $'ADX'$ , label='ADX') ax2.axhline(y=25, color='r', linestyle='--') ax2.set_title('ADX') ax2.legend()

plt.tight_layout() plt.show()

print(df $df\['Signal'$ != df $'Signal'$ .shift(1)])

这个策略在20日均线上穿50日均线且ADX大于25时产生买入信号,在20日均线下穿50日均线且ADX大于25时产生卖出信号。

6. 移动平均线 + MACD + RSI

这种方法结合了趋势跟踪(移动平均线)、动量(MACD)和超买超卖(RSI)指标。

import akshare as ak import pandas as pd import matplotlib.pyplot as plt from ta.trend import SMAIndicator, MACD from ta.momentum import RSIIndicator

plt.rcParams $"font.sans-serif"$ = $"STHeiti"$ plt.rcParams $"axes.unicode_minus"$ = False

stock_code = "600519" start_date = "20240101" end_date = "20241018"

df = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq") df $'日期'$ = pd.to_datetime(df $'日期'$ ) df.set_index('日期', inplace=True)

df $'SMA50'$ = SMAIndicator(close=df $'收盘'$ , window=50).sma_indicator() macd = MACD(close=df $'收盘'$ ) df $'MACD'$ = macd.macd() df $'MACD_Signal'$ = macd.macd_signal() df $'RSI'$ = RSIIndicator(close=df $'收盘'$ ).rsi()

df $'Signal'$ = 0 df.loc $(df\['MACD'$ > df $'MACD_Signal'$ ) & (df $'收盘'$ > df $'SMA50'$ ) & (df $'RSI'$ < 70), 'Signal'] = 1 df.loc $(df\['MACD'$ < df $'MACD_Signal'$ ) & (df $'收盘'$ < df $'SMA50'$ ) & (df $'RSI'$ > 30), 'Signal'] = -1

fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(12, 15), sharex=True)

ax1.plot(df.index, df $'收盘'$ , label='收盘价') ax1.plot(df.index, df $'SMA50'$ , label='50日均线') ax1.set_title('贵州茅台 - 价格和50日均线') ax1.legend()

ax3.plot(df.index, df $'RSI'$ , label='RSI') ax3.axhline(y=70, color='r', linestyle='--') ax3.axhline(y=30, color='g', linestyle='--') ax3.set_title('RSI') ax3.legend()

plt.tight_layout() plt.show()

print(df $df\['Signal'$ != df $'Signal'$ .shift(1)])

这个策略在MACD上穿信号线、价格在50日均线之上且RSI低于70时产生买入信号,在MACD下穿信号线、价格在50日均线之下且RSI高于30时产生卖出信号。

最后总结：

通过这六种技术分析方法,我们可以从不同角度来分析贵州茅台的股价走势。每种方法都有其优缺点,在实际交易中,通常需要结合多种指标,并配合基本面分析来做出决策。

需要注意的是,这些示例代码主要用于演示技术指标。在实际交易中,还需要考虑许多其他因素,如交易成本、滑点、风险管理等。建议在使用这些策略进行实际交易之前,先在模拟环境中进行充分的测试和优化。

本文由mdnice多平台发布