2.2.1.3-移动平均线(python画k线、均线、5日线、买卖点图、python均线策略)

Kelvin写代码

已于 2024-04-02 17:32:52 修改

阅读量1.1k

点赞数 7

分类专栏：投资文章标签： python pyecharts 5日线 k线图移动平均线策略

于 2024-03-29 17:30:19 首次发布

本文链接：https://blog.csdn.net/sdfiiiiii/article/details/137151790

版权

投资专栏收录该内容

12 篇文章 2 订阅

订阅专栏

跳转到根目录：知行合一：投资篇

已完成：
1、投资&技术
1.1.1 投资-编程基础-numpy
1.1.2 投资-编程基础-pandas
1.2 金融数据处理
 1.3 金融数据可视化
2、投资方法论
2.1.1 预期年化收益率
 2.1.2 一个关于y=ax+b的故事
 2.1.3-数据标准化
 2.1.4-相关性分析
 2.2.1.1-一个关于定投的故(姿)事(势)
2.2.1.3-移动平均线

3、投资实证
[3.1 2023这一年] 被鸽
todo…

1. 定义

移动平均线，Moving Average，简称MA，MA是用统计分析的方法，将一定时期内的证券价格（指数）加以平均，并把不同时间的平均值连接起来，形成一根MA，用以观察证券价格变动趋势的一种技术指标。

2. 目标

绘制一个k线图，也就是蜡烛图
计算5日均线值、10日均线值
在k线图上，绘制5日线和10日线图
在5日线上，绘制与10日线的交叉点(上穿、下穿时)

3. 加载数据

这次主要是绘图和数据处理，所以数据就使用现成的csv来做（之前的文章，有专门的数据获取方法，参考：《1.2-金融数据处理》）

import pandas as pd
import ssl  # # URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1091)>
ssl._create_default_https_context = ssl._create_unverified_context
#导入pyecharts
from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode

df = pd.read_csv("https://gitee.com/kelvin11/public-resources/raw/master/SH510300.csv", parse_dates=['date'])
df.set_index('date', inplace=True)

解释1：

pd.read_csv("https://gitee.com/kelvin11/public-resources/raw/master/SH510300.csv", parse_dates=['date'])

是读取一个网络csv文件的内容，并且将其date列转换成日期类型。ssl._create_default_https_context = ssl._create_unverified_context是解决https访问的时候的报错。

解释2：

df.set_index('date', inplace=True)是将date列设为索引，并且将其从数据列中移除。移除的意思是，在遍历时，就无法通过df.loc[x, "date"]这样取到date列的值了。

4. 计算5日线值

这个就比较简单了，直接通过pandas的rolling函数就行

import math
import pandas as pd
import ssl  # URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1091)>
ssl._create_default_https_context = ssl._create_unverified_context
# 导入pyecharts
from pyecharts.charts import *
from pyecharts import options as opts

# 加载数据
df = pd.read_csv("https://gitee.com/kelvin11/public-resources/raw/master/SH510300.csv", parse_dates=['date'])
df.set_index('date', inplace=True)

# 计算5日线值、10日线值
df['ma5'] = df.close.rolling(5).mean()
df['ma10'] = df.close.rolling(20).mean()

5. 确定买卖点

什么时候买？什么时候卖？

当5日线上穿10日线时，是买点，当5日线下穿10日线时，是卖点。这个很好理解，代码实现在上面的基础上，继续操作：

# 导入数据分析和量化常用库
import math
import pandas as pd
import ssl  # URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1091)>
ssl._create_default_https_context = ssl._create_unverified_context
# 导入pyecharts
from pyecharts.charts import *
from pyecharts import options as opts

# 加载数据
df = pd.read_csv("https://gitee.com/kelvin11/public-resources/raw/master/SH510300.csv", parse_dates=['date'])
df.set_index('date', inplace=True)

# 计算5日线值、10日线值
df['ma5'] = df.close.rolling(5).mean()
df['ma10'] = df.close.rolling(20).mean()
# df['ma20']=df.close.rolling(20).mean()
# df['macd'],df['macdsignal'],df['macdhist']=ta.MACD(df.close,fastperiod=12,slowperiod=26,signalperiod=9)


already_buy = False
# 遍历确定买卖点
for x in df.index:
    if df.loc[x, "ma5"] > df.loc[x, "ma10"] and not already_buy:
        df.loc[x, "买卖"] = '买'
        already_buy = True
    if df.loc[x, "ma5"] < df.loc[x, "ma10"] and already_buy:
        df.loc[x, "买卖"] = '卖'
        already_buy = False

6. 测算收益

如果我们严格按照上穿买入，下穿卖出，不考虑浮盈浮亏的情况下，这个策略，盈利性如何？

我们按照大约10000元作为交易金额，因为每次买入卖出最小的1手是100股，要做向上取整。
这里就只贴测算收益部分的代码：

# 测算收益
money = 10000.0   # 1个w左右的买卖金额
shares = 0  # 买入的股数
buy_price = 0  # 实际买入的金额
for x in df.index:
    if df.loc[x, "买卖"] == '买':
        buy_price = df.loc[x, "close"]
        shares = math.floor(money / df.loc[x, "close"] / 100) * 100
        real_buy_money = shares * buy_price
        df.loc[x, "买入份额"] = shares
        df.loc[x, "买入价格"] = buy_price
        df.loc[x, "实际买入金额"] = real_buy_money
    if df.loc[x, "买卖"] == '卖':
        sell_price = df.loc[x, "close"]
        real_sell_money = (sell_price - buy_price) * shares
        df.loc[x, "卖出价格"] = sell_price
        df.loc[x, "实际卖出金额"] = real_sell_money
        df.loc[x, "收益"] = (sell_price - buy_price) * shares
        # 冗余，以便在csv中直接看出卖出时，买入时候相关的要素信息
        df.loc[x, "买入份额"] = shares
        df.loc[x, "买入价格"] = buy_price
        df.loc[x, "实际买入金额"] = real_buy_money
# 将买卖相关信息保存到csv，方便查看
df.to_csv('均线买卖.csv')

7. 5日线绘图

5日线图比较简单，照抄样例代码

# 绘制5日线折线图
line_ma5 = Line()
line_ma5.add_xaxis(df.index.strftime('%Y%m%d').tolist())
line_ma5.add_yaxis(
    "MA5",
    df['ma5'].tolist(),
    is_smooth=True,
    is_symbol_show=False,
    label_opts=opts.LabelOpts(is_show=False)
)

我们还想更进一步，在5日线上，想标注一些买卖点，就好比如在我们常用的交易软件上的B点和S点

构造买卖点代码：

# 标记买卖点，方便在后面的绘图时，在折线图上把买卖点标注出来
buy_points = {}
sell_points = {}
for x in df.index:
    if df.loc[x, "买卖"] == '买':
        buy_points[x.strftime('%Y%m%d')] = df.loc[x, "close"]
    if df.loc[x, "买卖"] == '卖':
        sell_points[x.strftime('%Y%m%d')] = df.loc[x, "close"]

# 绘制5日线折线图
line_ma5 = Line()
line_ma5.add_xaxis(df.index.strftime('%Y%m%d').tolist())
line_ma5.add_yaxis(
    "MA5",
    df['ma5'].tolist(),
    is_smooth=True,
    is_symbol_show=False,
    label_opts=opts.LabelOpts(is_show=False),
    markpoint_opts=opts.MarkPointOpts(
        data=[
            # 买点标注
            *[
                opts.MarkPointItem(
                    coord=[day, value],
                    value='B',  # value
                    name=f"Buy at {day}",
                    itemstyle_opts=opts.ItemStyleOpts(color="green"),
                )
                for day, value in buy_points.items()
            ],
            # 卖点标注
            *[
                opts.MarkPointItem(
                    coord=[day, value],
                    value='S',
                    name=f"Sell at {day}",
                    itemstyle_opts=opts.ItemStyleOpts(color="red"),
                )
                for day, value in sell_points.items()
            ],
        ]
    )
)

8. 10日线绘图

这个就没难度了

# 绘制10日线折线图
line_ma10 = Line()
line_ma10.add_xaxis(df.index.strftime('%Y%m%d').tolist())
line_ma10.add_yaxis(
    "MA10",
    df['ma10'].tolist(),
    is_smooth=True,
    is_symbol_show=False,
    label_opts=opts.LabelOpts(is_show=False)
)

9. k线图绘图

这个就是pyecharts比较强大的地方了，参考其绘制k线的文档：k线图

包含元素：

红绿柱状图
K线图底部滑块，可以缩放对应的区间数据
对于一个时间区间可以进行标注(本例标注了：opts.MarkAreaItem(name="14-15牛市", x=("20140624", "20150612")))
标注了期间内最大max最小值min均值average辅助线

# 绘制k线图
kline = (Kline()
    .add_xaxis(df.index.strftime('%Y%m%d').tolist())  # x轴数据
    # y轴数据，默认open、close、high、low，转为list格式
    .add_yaxis(series_name="",
               y_axis=df[['open', 'close', 'low', 'high']].values.tolist(),
               itemstyle_opts=opts.ItemStyleOpts(
                   color="red",  # 阳线红色
                   color0="green",  # 阴线绿色
                   border_color="red",
                   border_color0="green", ),
               #             markpoint_opts=opts.MarkPointOpts(data=[#添加标记符
               #                 opts.MarkPointItem(type_='max', name='最大值'),
               #                 opts.MarkPointItem(type_='min', name='最小值'),]),
               # 添加辅助性，如某期间内最大max最小值min均值average
               markline_opts=opts.MarkLineOpts(
                   data=[opts.MarkLineItem(type_="average",
                                           value_dim="close")], ), )
    .set_global_opts(
    datazoom_opts=[opts.DataZoomOpts()],  # 滑动模块选择
    )
    .set_series_opts(
    markarea_opts=opts.MarkAreaOpts(  # 标记区域配置项
        data=[
            opts.MarkAreaItem(name="14-15牛市", x=("20140624", "20150612")),
        ], ))
)
# 在k线图上叠加5日线折线图
kline.overlap(line_ma5)
# 在k线图上叠加10日线折线图
kline.overlap(line_ma10)
# 在jupyter notebook上直接渲染
kline.render_notebook()
# 如果是在pycharm里，使用：kline.render("k线+移动均线+买卖点标记.html")这样生成html查看

具体展示的结果，看下一节“完整代码&完整图表”

10. 完整代码&完整图表

直接上干货，总共就145行代码，解决问题。

# 导入数据分析和量化常用库
import math
import pandas as pd
import ssl  # URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1091)>
ssl._create_default_https_context = ssl._create_unverified_context
# 导入pyecharts
from pyecharts.charts import *
from pyecharts import options as opts

# 加载数据
df = pd.read_csv("https://gitee.com/kelvin11/public-resources/raw/master/SH510300.csv", parse_dates=['date'])
df.set_index('date', inplace=True)

# 计算5日线值、10日线值
df['ma5'] = df.close.rolling(5).mean()
df['ma10'] = df.close.rolling(20).mean()
# df['ma20']=df.close.rolling(20).mean()
# df['macd'],df['macdsignal'],df['macdhist']=ta.MACD(df.close,fastperiod=12,slowperiod=26,signalperiod=9)


already_buy = False
# 遍历确定买卖点
for x in df.index:
    if df.loc[x, "ma5"] > df.loc[x, "ma10"] and not already_buy:
        df.loc[x, "买卖"] = '买'
        already_buy = True
    if df.loc[x, "ma5"] < df.loc[x, "ma10"] and already_buy:
        df.loc[x, "买卖"] = '卖'
        already_buy = False


# 测算收益
money = 10000.0   # 1个w左右的买卖金额
shares = 0  # 买入的股数
buy_price = 0  # 实际买入的金额
for x in df.index:
    if df.loc[x, "买卖"] == '买':
        buy_price = df.loc[x, "close"]
        shares = math.floor(money / df.loc[x, "close"] / 100) * 100
        real_buy_money = shares * buy_price
        df.loc[x, "买入份额"] = shares
        df.loc[x, "买入价格"] = buy_price
        df.loc[x, "实际买入金额"] = real_buy_money
    if df.loc[x, "买卖"] == '卖':
        sell_price = df.loc[x, "close"]
        real_sell_money = (sell_price - buy_price) * shares
        df.loc[x, "卖出价格"] = sell_price
        df.loc[x, "实际卖出金额"] = real_sell_money
        df.loc[x, "收益"] = (sell_price - buy_price) * shares
        # 冗余，以便在csv中直接看出卖出时，买入时候相关的要素信息
        df.loc[x, "买入份额"] = shares
        df.loc[x, "买入价格"] = buy_price
        df.loc[x, "实际买入金额"] = real_buy_money
# 将买卖相关信息保存到csv，方便查看
df.to_csv('均线买卖.csv')


# 标记买卖点，方便在后面的绘图时，在折线图上把买卖点标注出来
buy_points = {}
sell_points = {}
for x in df.index:
    if df.loc[x, "买卖"] == '买':
        buy_points[x.strftime('%Y%m%d')] = df.loc[x, "close"]
    if df.loc[x, "买卖"] == '卖':
        sell_points[x.strftime('%Y%m%d')] = df.loc[x, "close"]

# 绘制5日线折线图
line_ma5 = Line()
line_ma5.add_xaxis(df.index.strftime('%Y%m%d').tolist())
line_ma5.add_yaxis(
    "MA5",
    df['ma5'].tolist(),
    is_smooth=True,
    is_symbol_show=False,
    label_opts=opts.LabelOpts(is_show=False),
    markpoint_opts=opts.MarkPointOpts(
        data=[
            # 买点标注
            *[
                opts.MarkPointItem(
                    coord=[day, value],
                    value='B',  # value
                    name=f"Buy at {day}",
                    itemstyle_opts=opts.ItemStyleOpts(color="green"),
                )
                for day, value in buy_points.items()
            ],
            # 卖点标注
            *[
                opts.MarkPointItem(
                    coord=[day, value],
                    value='S',
                    name=f"Sell at {day}",
                    itemstyle_opts=opts.ItemStyleOpts(color="red"),
                )
                for day, value in sell_points.items()
            ],
        ]
    )
)
# 绘制10日线折线图
line_ma10 = Line()
line_ma10.add_xaxis(df.index.strftime('%Y%m%d').tolist())
line_ma10.add_yaxis(
    "MA10",
    df['ma10'].tolist(),
    is_smooth=True,
    is_symbol_show=False,
    label_opts=opts.LabelOpts(is_show=False)
)

# 绘制k线图
kline = (Kline()
    .add_xaxis(df.index.strftime('%Y%m%d').tolist())  # x轴数据
    # y轴数据，默认open、close、high、low，转为list格式
    .add_yaxis(series_name="",
               y_axis=df[['open', 'close', 'low', 'high']].values.tolist(),
               itemstyle_opts=opts.ItemStyleOpts(
                   color="red",  # 阳线红色
                   color0="green",  # 阴线绿色
                   border_color="red",
                   border_color0="green", ),
               #             markpoint_opts=opts.MarkPointOpts(data=[#添加标记符
               #                 opts.MarkPointItem(type_='max', name='最大值'),
               #                 opts.MarkPointItem(type_='min', name='最小值'),]),
               # 添加辅助性，如某期间内最大max最小值min均值average
               markline_opts=opts.MarkLineOpts(
                   data=[opts.MarkLineItem(type_="average",
                                           value_dim="close")], ), )
    .set_global_opts(
    datazoom_opts=[opts.DataZoomOpts()],  # 滑动模块选择
    )
    .set_series_opts(
    markarea_opts=opts.MarkAreaOpts(  # 标记区域配置项
        data=[
            opts.MarkAreaItem(name="14-15牛市", x=("20140624", "20150612")),
        ], ))
)
# 在k线图上叠加5日线折线图
kline.overlap(line_ma5)
# 在k线图上叠加10日线折线图
kline.overlap(line_ma10)
# 在jupyter notebook上直接渲染
kline.render_notebook()
# 如果是在pycharm里，使用：kline.render("k线+移动均线+买卖点标记.html")这样生成html查看

下图，能看出所有要素，由于买卖点过于集中，看起来就不是很美观，但是，可以通过拖动下面的滑块，来看更精准的图。

拖动滑块，看具体时间段内的情况，可以非常清晰的看到5日线、10日线、买卖点、区间最大最小值均值：

11. 收益计算

最后多说一点，如果无脑按照这个来测算，最终的收益是：4167.6元（2012/5/28 ~ 2023/11/24），真的是很不~可观。

这其实很正常，因为每次的持有时间都很短，很多时候是亏本卖出。

想要调优策略，还是得加入自己的其他主观策略，无脑使用注定是不行的。

Kelvin写代码

关注

7
点赞
踩
27

收藏

觉得还不错? 一键收藏
0
评论
2.2.1.3-移动平均线(python画k线、均线、5日线、买卖点图、python均线策略)

* 绘制一个k线图，也就是蜡烛图* 计算5日均线值、10日均线值* 在k线图上，绘制5日线和10日线图* 在5日线上，绘制与10日线的交叉点(上穿、下穿时)python画k线、均线、5日线、买卖点图、python均线策略
复制链接

扫一扫

专栏目录