(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
调用
plot_smaCal(‘深证成指’,Close[‘2020’],5,10,20,50)
输出结果如图:
1.5 直接使用mplfinance库来绘制
直接使用mplfinance库来绘制不失为一种更简单的方法。
import mplfinance as mpf
road = path + ‘/深证成指2020年收盘数据附5&10日MAV图.jpg’
s = mpf.make_mpf_style(base_mpf_style=‘blueskies’, rc={‘font.family’: ‘SimHei’}) # 解决mplfinance绘制输出中文乱码
mpf.plot(df[‘2020’], type=‘line’,
ylabel=“price”, style=s, title=‘深证成指2020年时序图附5&10日双均线’, mav=(5, 10), volume=True, ylabel_lower=“volume(shares)”, savefig=road)
通过设定不定长参数mav,即想要得到简单移动平均线的时间跨度,来获取想要的结果。
然后在前边指定的目录即可查看到图像(这里是保存在D盘今日日期命名的文件夹里边)
图像效果如下:
2.1 加权移动平均数
加权移动平均,即对数据赋予一定的权重后再求平均。
一般认为离当前时间点越近的数据越具有代表性,越远则越没有代表性。
WMAt=5 = w1p1 + w2p2 + w3p3 + w4p4 + w5p5
(其中w1 + w2 + w3 + w4 + w5 = 1)
5日加权移动平均线
b1 = np.array([1, 2, 3, 4, 5])
w1 = b1/sum(b1) # 定义一组权重
Wma5 = pd.Series(0.0, index=Close.index)
for i in range(4,len(Close)):
Wma5[i] = sum(w1*Close[i-4:(i+1)])
10日加权移动平均线
b2 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
w2 = b2/sum(b2) # 定义一组权重
Wma10 = pd.Series(0.0, index=Close.index)
for i in range(9,len(Close)):
Wma10[i] = sum(w2*Close[i-9:(i+1)])
2.2 定义加权移动平均计算函数
def wmaCal(tsPrice, weight):
import pandas as pd
import numpy as np
k = len(weight)
arrWeight = np.array(weight)
Wma=pd.Series(0.0, index=tsPrice.index)
for i in range(k-1, len(tsPrice.index)):
Wma[i] = sum(arrWeight * tsPrice[(i-k+1):(i+1)])
return(Wma)
调用
b = np.array([1, 2, 3, 4, 5])
w = b1/sum(b)
wmaCal(Close[‘2020’],w)
2.3 绘制加权移动平均线
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.plot(Close[‘2020’], label=“Close”, color=‘g’)
plt.plot(Wma5[‘2020’], label=“Wma5”, color=‘r’, linestyle=‘dashed’)
plt.plot(Wma10[‘2020’], label=“Wma10”, color=‘b’, linestyle=‘dashed’)
plt.title(‘深证成指近2020年收盘数据附5&10日加权WAV图’)
plt.legend() # 增设图例
plt.show()
plt.savefig(path + ‘/深证成指2020年收盘数据时序图附5&10日MAV.png’)
图像效果展示如下:
3.1指数加权移动平均数
指数加权移动平均也可简称指数移动平均,相当于一种比较特别的加权移动平均。需要先给定一个权重值w,比如0.2。时间跨度为k。第k期的EWMAt=k为前k期的算数平均数。
第k+1期EWMAt=k+1 = w * pk+1 + (1-w) * EWMA t=k
即当天指数移动平均数 = 0.2*当天股价 + 0.8 * 前一天指数移动平均
后边的按此公式以此类推。
第五天指数加权移动平均数为前五天的算数平均数
Ewma5_number1 = np.mean(Close[0:5])
Ewma5 = pd.Series(0.0, index=Close.index)
Ewma5[4]=Ewma5_number1
计算第六天及以后的指数移动平均数
for i in range(5, len(Close)):
Ewma5[i] = Ewma5[i-1]*0.8 + Close[i]*0.2
Ewma5.head(10)
- 由其计算特点可知,即便选择的时间跨度相同,权重相同。选择的研究日期起点不同,指数加权移动平均数也会不同。因为首个值是用算术平均的方法计算的。
3.2 指数加权移动平均线
绘制指数加权移动平均线图像
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.plot(Close[‘2020’], label=“Close”, color=‘r’)
plt.plot(Ewma5[‘2020’], label=“Ewma5”, color=‘g’, linestyle=‘-.’)
plt.title(‘深证成指近2020年收盘数据时序图附5日指数移动平均线’)
plt.legend()
plt.show()
结果如图所示:
3.2定义计算指数加权移动平均数函数
def ewmaCal(tsPrice, period=5,exponential=0.2):
import pandas as pd
import numpy as np
Ewma = pd.Series(0.0, index=tsPrice.index)
Ewma[period-1]=np.mean(tsPrice[:period])
for i in range(period, len(tsPrice)):
Ewma[i] = exponential * tsPrice[i] + (1 - exponential) * Ewma[i-1]
return(Ewma)
调用
Ewma=ewmaCal(Close,5,0.2)
Ewma.head(10)
-
简单移动平均(SMA)对前n期的价格求算术平均,所有价格数据同等权重。
-
加权移动平均(WMA)赋予价格数据不同的权重。一般近期数据权重大,远期数据权重小。
-
指数移动平均(EMA)类似于加权移动平均,是以指数形式递减加权的移动平均。
-
三条均线对收盘价曲线的变化往往都有一定的滞后性。
利用长短期均线的相对关系,来识别价格趋势的变化。
-
先求出短期均线和长期均线。
-
当短期均线从下向上穿过长期均线时,释放出买入信号。
-
当短期均线从上向下穿过长期均线时,释放出买入信号。
长短均线的时间跨度的选择,因人而异。
6.1 指标概述
-
MACD指标由两线一柱组合起来形成。
-
快速线为DIF,慢速线为DEA,柱状图为MACD。
-
快速线DIF一般由12日指数加权移动平均值减掉26日指数加权移动平均值得到,慢速线DEA是DIF的9日指数加权移动平均值。
-
柱状图MACD由快速线DIF与慢速线DEA作差得到。
-
MACD指标可以反映出股票近期价格走势的能量和变化强度,通过快慢速线和柱状图来把握股票的买入点和卖出点。
-
一般默认MACD的求值参数为12、26和9。
-
DIF = EMA(close,12) - EMA(close,26)
-
DEA = EMA(DIF,9)
-
MACD = DIF - DEA
6.2 绘图代码
计算相关指标,用到了上边定义过的函数ewmaCal()。
DIF = ewmaCal(Close, 12, 2/(1+12)) - ewmaCal(Close, 26, 2/(1+26))
DEA = ewmaCal(DIF, 9, 2 / (1+9)) # DEA的线图也被称为信号线
MACD = DIF - DEA
MACD1 = MACD[MACD.values > 0] # MACD数据大于零的部分 作图体现为红色
MACD2 = MACD[MACD.values < 0] # MACD数据小于零的部分 作图体现为绿色
绘制2020年全年深证成指MACD图像
plt.rcParams[‘font.sans-serif’] = [‘SimHei’] # 设定显示中文
plt.rcParams[‘axes.unicode_minus’] = False # 设定正常显示负号
plt.subplot(211)
plt.plot(DIF[‘2020’], label=“DIF”, color=“k”)
plt.plot(DEA[‘2020’], label=“DEA”, color=“b”,linestyle=‘dashed’)
plt.title(“信号线DIF与DEA”)
plt.xlabel(‘date’)
plt.ylabel(‘value’)
plt.legend()
plt.subplot(212)
plt.bar(MACD1[‘2020’].index, height=MACD1[‘2020’], color=‘r’, edgecolor=‘k’)
plt.bar(MACD2[‘2020’].index, height=MACD2[‘2020’], color=‘g’, edgecolor=‘k’)
plt.title(‘MACD’)
plt.xlabel(‘date’)
plt.ylabel(‘value’)
plt.show()
plt.savefig(path + ‘/深证成指2020年MACD指标图.png’)
生成结果如下:
6.3常用MACD交易思想
这里我们阐述一些常用的MACD交易思想:
-
当DIF和DEA都在零刻度线上方时,表明市场是多头行情;反之,当DIF和DEA都在零刻度线下方时,表明市场是空头行情。投资实战中,“零上双金叉” 策略广为人们使用:当DIF和DEA都在零刻度线上方,在一段时间内,DIF先上穿DEA线,不久DIF下跌到DEA线的下方,然后DIF又上穿DEA线,此时,说明股价上涨趋势较强,市场处于上涨行情中。
-
当DIF下穿信号线DEA时,释放出买入信号;当DIF向上穿过信号线DEA时,释放出卖出信号。
-
MACD柱状图的高低表示DIF与DEA的离差值大小,柱状图在零刻度附近时,释放出买卖信号。柱形图在零刻度线上方,表示DIF大于DEA,市场走势较强;柱形图在零刻度线下方,表示DIF小于DEA,市场走势较弱。
-
MACD指标的形态分析也是一大关注焦点,可以套用一般的形态分析理论与方法。
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!