本人最近在嘗試著發表“以股票案例入門Python程式語言”系列的文章，在這些文章裡，將用Python工具繪製各種股票指標，在講述各股票指標的含義以及計算方式的同時，驗證基於各種指標的交易策略，本文是第一篇，通過K線和均線案例講述Numpy，Maplotlib等相關庫的用法，並且還用程式碼案例來驗證買賣的交易策略。 

1 K線整合均線的案例

    均線也叫移動平均線（Moving Average，簡稱MA），是指某段時間內的平均股價（或指數）連成的曲線，通過它我們能清晰地看到股價的歷史波動，從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；反之如果並列下跌，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方法繪製均線。    

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	#呼叫方法，繪製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') #繪製圖例
17	#設定x軸的標籤 
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，併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。上述程式碼的執行效果如下圖所示，從中我們不僅能看到這段時間內的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，我們將做如下兩點改進，其中請大家著重觀察操作座標軸的ax物件。  

    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，先是呼叫get_data_yahoo介面，從yahoo的接口裡獲取股票資料，同時為了留一份資料，所以會把從介面爬取到的資料儲存到本地csv檔案，做完之後再繪製圖形。

    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，所以這裡將只顯示主刻度。改進後的程式碼如下所示。

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	#根據指定程式碼和時間範圍，獲取股票資料
9	code='600895.ss'
10	stock = pandas_datareader.get_data_yahoo(code,'2019-01-01','2019-03-31')
11	#刪除最後一行，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) #將x軸主刻度設定為5的倍數
19	ax.xaxis.set_major_locator(xmajorLocator)
20	#呼叫方法，繪製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	#如下是繪製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') #繪製圖例
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()

    相比之前程式碼，這段程式碼有四個改進點。

    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，傳入股票程式碼、開始和結束時間這三個引數，從yahoo接口裡獲得股票交易的資料。

    請注意該方法返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，但它會返回後一天（即2019-04-01）的資料，所以得通過第12行的drop方法，刪除stock物件（該物件型別是dataframe）最後一行的資料。刪除的時候是通過stock.index[len(stock)-1]指定刪除長度減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，刪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行的程式碼，設定了主刻度是5的倍數。之所以設定成5的倍數，是因為一般一週的交易日是5天。但這裡不能簡單地把主刻度設定成每週一，因為某些週一有可能是股市休市的法定假日。

    第四，由於無需在x軸上設定每天的日期，所以這裡無需再呼叫plt.xticks方法，但是得呼叫如第31行所示的程式碼，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。

    這段程式碼的執行效果如下圖所示，從中大家能看到改進後的效果，而且，由於本次展示的股票時間段變長了（是3個月），所以相比drawKAndMA.py案例，均線的效果更為明顯，尤其是三日均線，更是幾乎貫穿於整個交易日範圍。

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平，且有超上方擡頭跡象，而股價從均線下方突破時，為買進訊號，如上圖中的A點。

    2 股價於移動平均線之上執行時下跌，但未跌破均線，此時股價再次上揚，此時為買入訊號，如圖中的C點。

    3 股價位於均線上執行，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，為買進訊號，如圖中的B點。

    4 股價在均線下方執行時大跌，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，且有向下跡象，而股價從均線上方向下穿均線，為賣出訊號，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，為賣出訊號，如圖中的F點。

    7 股價執行在均線下方，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 股價在均線的上方執行，連續上漲且繼續遠離均線，這種趨勢說明隨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。

4 通過DataFrame物件驗證均線的買點策略

    根據上述八大買賣原則，我們在張江高科2019年1月到3月的交易資料內，用pandas庫裡的dataframe等物件，根據5日均線計算參考買點，程式碼如下所示。    

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	#雖然在後文裡只用到了5日均線，但這裡演示設定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，所以用except處理異常
21	        pass:                
22	    cnt=cnt+1

    雖然在計算參考買點時，只用到了5日均價，但在第8行和第9行的for迴圈裡，我們通過rolling方法，還是計算了3日、5日和10日的均價，並把計算後的結果記錄到當前行的MA_3、MA_5和MA_10這三列中，這樣做的目的是為了演示動態建立列的做法。

    在第11行到第22行的while迴圈裡，我們依次遍歷了每天的交易資料，並在第14行，第16行和第18行裡，通過三個if語句，設定了3個規則。由於在前幾天是沒有5日均價了，且在遍歷最後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，所以在while迴圈裡我們用到了try…except異常處理語句。

    執行上述程式碼，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，所以能證實基於均線的“買”原則，但影響股價的因素太多，大家應全面分析，切勿在實戰中只用這原則來買賣股票。

5 通過DataFrame驗證均線的賣點策略

    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月內的賣點。    

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	#雖然在後文裡只用到了5日均線，但這裡演示設定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，所以用except處理異常
21	        pass                
22	    cnt=cnt+1

    執行後，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，將陸續通過python繪製成交量、KDJ、MACD、RSI和OBV等指標，而且還會用Python編寫針對這些指標的交易策略，敬請關注。

    本文用了我將近3個小時，如果大家感覺好，請幫忙推薦下。

    關於轉載有如下的說明。

    1 本文文字和程式碼均屬原創，可轉載，但謝絕用於商業使用者。

    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於轉載者的目的。