程式員不能光埋頭幹活掙死工資，也應該探索其他掙錢管道。本人将開辟“給程式員加财商”系列，用Python繪制各種股票名額，在講述各股票名額的含義以及計算方式的同時，驗證基于各種名額的交易政策，本文是第一篇，通過Numpy，Maplotlib等庫繪制K線和均線，并講述這些名額對交易的指導意義，最後用案例來驗證買賣的交易政策。
股市有風險，入市須謹慎，本人也不建議大家貿然投入股市，靠拍腦袋買賣股票，這是送錢。通過本系列的講述以及案例，大家至少能從技術面角度知道分析股票乃至預測股票的一些方式，至少不會盲人摸象，而且還能通過一些技術名額了解股市的深淺，這樣在買賣股票時能有所謹。更何況通過本系列的案例，大家還能了解目前熱門語言Python的相關用法，所謂一舉多得。
1 K線整合均線的案例
均線也叫移動平均線（Moving Average，簡稱MA），是指某段時間内的平均股價（或指數）連成的曲線，通過它我們能清晰地看到股價的曆史波動，進而能進一步預測未來價格的發展趨勢。
均線一般分短期、中期和長期這三類。
1 通常把5天和10天移動平均線稱為短期均線，一般供短線投資者參照。
2一般把20天、30天和60天移動平均線作為中期均線，一般供中線投資者參考。
3 一般120天和250天（甚至更長）移動平均線稱為長期均線，一般供長線投資者參考。
不過在實踐中，我們一般需要綜合地觀察短期中期和長期均線，從中能分析出市場的多空趨勢。比如，如果某股價格的三類均線均上漲，且短期中期長期均線是從上到下排列，則說明該股價格趨勢向上；反之如果并列下跌，且長期中期短期均線從上到下排列，則說明股價趨勢向下。
講完概念了，我們通過rolling方法繪制均線。
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 #從檔案裡得到資料
7 df = pd.read_csv('D:/stockData/ch6/600895.csv',encoding='gbk')
8 #設定圖的位置
9 fig = plt.figure()
10 ax = fig.subplot(111)
11 #調用方法，繪制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') #繪制圖例
17 #設定x軸的标簽
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行裡，通過rolling方法，根據每天的收盤價，計算了3天、5天和10天均線，并為每種均線設定了圖例，在第16行裡，通過legend方法設定了圖例的位置。上述代碼的運作效果如下圖所示，從中我們不僅能看到這段時間内的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，我們将做如下兩點改進。
第一，為了更靈活地得到股市資料，這裡是根據開始時間和結束時間，先是調用get_data_yahoo接口，從yahoo的接口裡擷取股票資料，同時為了留一份資料，是以會把從接口爬取到的資料儲存到本地csv檔案，做完之後再繪制圖形。
第二，在之前的案例中，x軸的刻度是每個交易日的日期，但如果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，是以這裡将隻顯示主刻度。改進後的代碼如下所示。
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，擷取股票資料
9 code='600895.ss'
10 stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11 #删除最後一行，因為get_data_yahoo會多取一天資料
12 stock.drop(stock.index[len(stock)-1],inplace=True)
13 #儲存在本地
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 #設定視窗大小
17 fig, ax = plt.subplots(figsize=(10, 8))
18 xmajorLocator = MultipleLocator(5) #将x軸主刻度設定為5的倍數
19 ax.xaxis.set_major_locator(xmajorLocator)
20 #調用方法，繪制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 #如下是繪制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') #繪制圖例
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()
相比之前代碼，這段代碼有四個改進點。
第一，從第9行到第14行裡，我們通過第五章分析過的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接口裡獲得股票交易的資料。
請注意該方法傳回的資料會比傳入的結束時間多一天，比如我們傳入的結束時間是2019-03-31，但它會傳回後一天（即2019-04-01）的資料，是以得通過第12行的drop方法，删除stock對象（該對象類型是dataframe）最後一行的資料。删除的時候是通過stock.index[len(stock)-1]指定删除長度減1的索引值，因為索引值是從0開始，而且需要指定inplace=True，否則的話，删除的結果無法更新到stock這個dataframe裡。
第二，在第17行裡，通過figsize方法設定了視窗的大小尺寸。
第三，通過第18行和第19行的代碼，設定了主刻度是5的倍數。之是以設定成5的倍數，是因為一般一周的交易日是5天。但這裡不能簡單地把主刻度設定成每周一，因為某些周一有可能是股市休市的法定假日。
第四，由于無需在x軸上設定每天的日期，是以這裡無需再調用plt.xticks方法，但是得調用如第31行所示的代碼，設定x軸刻度的旋轉角度，否則x軸展示的時間依然有可能會重疊。
這段代碼的運作效果如下圖所示，從中大家能看到改進後的效果，而且，由于本次展示的股票時間段變長了（是3個月），是以相比drawKAndMA.py案例，均線的效果更為明顯，尤其是三日均線，更是幾乎貫穿于整個交易日範圍。
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，具體的細節如下圖所示。
1 移動平均線從下降逐漸轉為平水準，且有超上方擡頭迹象，而股價從均線下方突破時，為買進信号，如上圖中的A點。
2 股價于移動平均線之上運作時下跌，但未跌破均線，此時股價再次上揚，此時為買入信号，如圖中的C點。
3 股價位于均線上運作，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，為買進信号，如圖中的B點。
4 股價在均線下方運作時大跌，遠離均線時向均線靠近，此時為買進時機，如圖中的D點。
5 均線的上升趨勢逐漸變平，且有向下迹象，而股價從均線上方向下穿均線，為賣出信号，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，為賣出信号，如圖中的F點。
7 股價運作在均線下方，出現上漲，但未過均線就再次下跌，此為賣出點，如圖中的G點。
8 股價在均線的上方運作，連續上漲且繼續遠離均線，這種趨勢說明随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。
在上文提到的八大法則中，前四點是買進時機，如果從技術面來分析，第一法則描述了構築底部的形态，是初次買入信号；第二法則描述了股價在上升之後的回調場景，一定程度上暗示“大漲後的小幅調整“，可以加倉買進。第三法則描述了股價建構底部後的探底現象，也是買進的機會。第四法則描述了股價下跌後的反彈場景，有經驗的操盤手一般會做短線，以快進快出政策為主。
相反，後四點則是賣出時機，如果還是從技術面來分析：第五法則描述了股價構築頭部的形态，如果沒其它利好因素，此時應堅決的賣出；第六法則描述了股價下跌後回調的場景，也應堅決賣出；第七法則描述了股價下跌時的反彈場景，雖有上調，但也應賣出；第八法則描述了股價上升時過大偏離均線的場景，此時可考慮短線賣出。
4 通過DataFrame驗證均線的買點政策
根據上述八大買賣原則，我們在張江高科2019年1月到3月的交易資料内，用pandas庫裡的dataframe等對象，根據5日均線計算參考買點，代碼如下所示。
1 #!/usr/bin/env python
2 #coding=utf-8
3 import pandas as pd
4 #從檔案裡得到資料
5 df = pd.read_csv('D:/stockData/ch7/600895.csv',encoding='gbk')
6 maIntervalList = [3,5,10]
7 #雖然在後文裡隻用到了5日均線，但這裡示範設定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，是以用except處理異常
21 pass:
22 cnt=cnt+1
雖然在計算參考買點時，隻用到了5日均價，但在第8行和第9行的for循環裡，我們通過rolling方法，還是計算了3日、5日和10日的均價，并把計算後的結果記錄到目前行的MA_3、MA_5和MA_10這三列中，這樣做的目的是為了示範動态建立列的做法。
在第11行到第22行的while循環裡，我們依次周遊了每天的交易資料，并在第14行，第16行和第18行裡，通過三個if語句，設定了3個規則。由于在前幾天是沒有5日均價了，且在周遊最後2天交易資料時，在執行諸如df.iloc[cnt+2]['Close']的語句中會出現索引越界，是以在while循環裡我們用到了try…except異常處理語句。
運作上述代碼，我們能看到的結果是：Buy Point on:2019-03-08，結合上圖，我們能看到3月8日之後的交易日裡，股價有一定程度的上漲，是以能證明基于均線的“買”原則，但影響股價的因素太多，大家應全面分析，切勿在實戰中隻用這原則來買賣股票。
5 通過DataFrame驗證均線的賣點政策
同樣地，根據5日均線計算參考買點，在如下案例中，我們計算了張江高科2019年1月到3月内的賣點。
1 #!/usr/bin/env python
2 #coding=utf-8
3 import pandas as pd
4 #從檔案裡得到資料
5 df = pd.read_csv('D:/stockData/ch7/600895.csv',encoding='gbk')
6 maIntervalList = [3,5,10]
7 #雖然在後文裡隻用到了5日均線，但這裡示範設定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，是以用except處理異常
21 pass
22 cnt=cnt+1
運作後，我們能得到兩個賣點：2019-01-23和2019-01-23，這同樣能在上圖描述的K線圖裡得到驗證。
6 求推薦，後文預告與版權說明
在本系列的後面文章中，将陸續通過python繪制成交量、KDJ、MACD、RSI和OBV等名額，而且還會用Python編寫針對這些名額的交易政策，敬請關注。
本文用了我将近3個小時，如果大家感覺好，請幫忙推薦下。
關于轉載有如下的說明。
1 本文文字和代碼均屬原創，可轉載，但謝絕用于商業使用者。
2 轉載時請用連結的方式，給出原文出處，同時寫明原作者是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，謝絕在轉載時通過修改本文達到有利于轉載者的目的。