金 融 量 化 分 析 • 外 篇 • 绘 制 行 情 数 据 数 据 图

---

前言

`利用数据绘制K线图

---

一、k 线 图 是 什 么 ？

K线图又称蜡烛图，起源于十八世纪德川幕府时代的米市交易市场，用来计算米价每天的涨跌走势，由开盘价、收盘价、最高价、最低价绘制而成的一条柱状的线条，它由影线和实体组成，基本用途是寻找买卖点。

K线图由股票的最高价，最低价，收盘价，开盘价组成。红色代表阳线：收盘价高于开盘价，俗称看多。绿色代表阴线：收盘价低于开盘价，俗称看空。
注意⚠️：在欧美股市则是相反的，即红色代表阴线，绿色代表阳线。

二、K 线 图 结 构

（1） 影 线 和 实 体

（2） 十 字 线

⚠️：反映买卖双方的博弈

四、 双 均 线 策 略

双均线策略，就是同时考虑短周期和长周期的趋势，它由一个短周期趋势和长周期趋势构成。长周期均线 捕捉股票行情趋势，而短周期均线起到的是择时的作用。
在考虑长周期趋势的同时，兼顾比较敏感的小周期趋势，是解决简单移动平均线滞后性弱点的一项有效方法。

（一）、金叉

（二）、死叉

（三）、均 线 策 略 的 特 点

双均线策略虽然可以弥补一些滞后性，但均线策略都是基于：“利用固定长度的价格均线作为交易趋势的判断”
均线随着时间的变化是相对连续的，即使是价格发生猛涨或者急跌也很难直接造成均线方向的变化。因此使用均线侧率作为交易信号，会有滞后性。

五、通 道 突 破 策 略

通道策略就是选定价格区间，当价格突破选定价格区间时就进行交易，因此没有滞后性。

（一）唐 奇 安 通 道 策 略

唐奇安通道策略由三条线组成，分别是上阻力线、下支撑线、中心线。一般来说，唐奇安通道的宽度越宽，市场波动就越大，而唐奇安通道越窄，市场波动性就越小。

（1）上阻力线、中心线、下支撑线

⚠️ 上阻力线： 是由过去N天的最高价的最大值组成的

⚠️ 中心线： 是由过去最高价与最低价的平均值组成的，即（最大值**+**最小值）÷2

⚠️ 下支撑线： ** 是由过去N天的最低价的最小值组成的

（2）唐 奇 安 通 道 买 入 策 略

买入：当价格跌破下支撑线，则执行买入的操作

（2）唐 奇 安 通 道 卖 出 策 略

卖出：当价格突破上阻力线，则执行卖出的操作

（二）、布 林 带 策 略

布林带策略，也是由3条轨道线组成：其中上下两条线分别可以看成是价格的压力线和支撑线，在两条线之间是一条价格平均线，一般情况价格线在上下轨道组成的带状区间游走，而且随价格的变化而自动调整轨道的位置。布林带通道宽度有4个标准差，因此95%的价格都将包含在内，可以展示大部分价格的波动情况。

（1） 压 力 线 、 价 格 平 均 线 、 支 撑 线

⚠️ 压力线： 就是20日均线加上N倍标准差，N为可调参数，一般设置为2。【压力线 = ma20 + n * std】

⚠️ 价格平均线： 就是20日均线

⚠️ 支撑线： 20日均线减去N倍标准差，N为可调参数，一般设置为2。【压力线 = ma20 - n * std】

（三）、布 林 带 策 略 与 唐 奇 安 通 道 策 略 的 关 系

联系：
外观上两个策略的线图相似
.
区别：
布林带的波动比较灵敏
唐奇安通道则相对迟缓，直上直下。

三、绘 图 步 骤

（1）导入相关模块

代 码 如 下 ：

# 数据分析辅助模块
import numpy as np
# 读取数据模块
import pandas as pd
# 绘图基本模块
import matplotlib.pyplot as plt
# 日期转换模块
from matplotlib.dates import date2num
# 绘制蜡烛图模块
from mplfinance import original_flavor as mpf
print('<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<')

（2）处理数据

1）读取交易时间、开盘价、收盘价、最高价、最低价，并把交易时间设定位字符串
2）交易时间转换时间数据形式
2）设置时间戳：在数据时间中提取
3）设置特定蜡烛图绘图数据
4）设置移动平均线数据
5）设置金叉死叉位
6）回测金叉死叉策略收益

（3）绘制k线图

1）设置文字与符号识别
2）设置画布，添加子图，并把子图x轴设为时间轴
3）绘制K线图
4）绘制5,、10、20移动平均线
5）标记金叉死叉点位

（4）代码

代 码 如 下 ：

# 数据分析辅助模块
import numpy as np
# 读取数据模块
import pandas as pd
# 绘图基本模块
import matplotlib.pyplot as plt
# 日期转换模块
from matplotlib.dates import date2num
# 绘制蜡烛图模块
from mplfinance import original_flavor as mpf
print('<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<')
"""======================== 设置数据 ========================"""
# # 数据处理
# 读取特定数据数据，设定交易时间为字符数按
path = r'F:\\601398.SH.xlsx'
data = pd.read_excel(path,usecols=['trade_date','open','close','high','low'],dtype={
   'trade_date':object})
# 数据时间处理
data['trade_date'] = pd.to_datetime(data['trade_date'])
# 设置时间戳：在数据时间中提取
data['time'] = date2num(data['trade_date'])
# 数据排序整理
data.sort_values(by = 'trade_date',ascending = True,inplace=True )
# 重置行索引
data.reset_index(inplace = True)
# 删除旧行索引
data.drop(columns = 'index',inplace = True)


# # 设置蜡烛图数据
# 提取时间戳、开盘价、收盘价、最高价、最低价数据
k = data[['time','open','close','high','low']