tushare pro接口_[python]用tushare接口绘制Bollinger Bands

股票的各个指标中，Bollinger Bands（一般简称为BOL指数）简单暴力，却又有着统计学内涵，实在是深得我心。Bollinger Bands一般有三条线，中间一条就是20日均线MA，而上线和下线分别是MA加减2个20日标准差^[1]。

是什么啊同学们，四舍五入就是

啊，正态曲线的95%区间啊，统计学啊！

当然了，如果你拉随便一个股票的历史股价绘制一个直方图，你会发现其实这些股价并不符合正态分布，所以Bollinger Bands多少在理论上有点站不住脚。不过呢，如果你去统计一下，基本上价格波动95%的时候都在Bands内，5%都在Bands外。所以究竟如何还是自己思考吧。

tushare是很好用的一个国内的交易数据api，获取数据流程简单，而且和pandas无缝连接，所以很值得试试。现在有专业版，可以免费用，初始的积分可以做一些简单操作，以日线数据为例，基础积分每分钟内最多调取500次，每次5000条数据，相当于23年历史，所以基本上够用的了。但是tushare也还有很多很好的数据需要更高的积分才能调取，付费50元加入高级用户群可以买500积分，然后也基本够用的了。

---

整个工作流程分以下几个部分：

1. 配置环境
2. 读取数据
3. 计算MA与std，绘图

配置环境

首先肯定要安装tushare

 pip install tushare --upgrade

然后在程序开头载入tushare以及pandas，matplotlib

import pandas as pd
import tushare as ts
import snoop
import matplotlib.pyplot as plt
import os
from datetime import date

snoop是用来查错，不是必须

接下来配置tushare接口：

from yaml import full_load
with open('config.yaml') as config_file:
    _config_yaml = full_load(config_file)
    TOKEN = _config_yaml['token']

pro = ts.pro_api(TOKEN)

tushare专业版需要提供token访问api，这个api可以在个人主页下面的接口TOKEN中看到。我是将token写在了一个config.yaml文件中，这样只需要将这个文件在.gitignore里面声明一下，自己的token信息就不会被不小心写进git库，甚至在网上公开了。ts.pro_api将建立一个api连接，只要提供TOKEN就行了

读取数据

tushare的日线数据调取代码如下：

df = pro.daily(ts_code='000001.SZ,600000.SH', start_date='20180701', end_date='20180718')

主要是提供ts_code, start_date和end_date三个数据。从例程可以看到start_date和end_date两个参数的日期格式是%Y%m%d的形式，所以可以用date.today().strftime("%Y%m%d")将今天的日期转化成符合函数参数需求的格式

我想将股票从上市开始到现在的全部日线信息都下载下来。如前所述，end_date设置成当前日期只需要对date.today()进行格式转化就好，而 start_date和ts_code 则需要根据具体股票进行调整。下面以海康威视(002352)为例展示一下如何从股票代码（symbol）获取ts_code和start_date。

使用tushare的stock_basic接口可以获得各个股票的基本信息，所以可以先用这个接口抓取一次股票基本信息，然后保存在本地，这样就不需要每次调试都走线上了（index=False避免存储的时候将自动生成的数值index也写入csv）：

data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
data.to_csv('stock_basic_info.csv',index=False)

上面的代码运行后，下次要用数据信息的时候只需要直接载入就好，不过要注意的一点是，pandas读取csv的时候会做一些数据类型转化，所以symbol里面像平安银行（000001）这种就会变成1，为了避免这种情况要在读取的时候设置好 dtype 。

df_stock_basic = pd.read_csv(stock_basic_path, dtype={'symbol':str,'list_date':str}).set_index('symbol')

symbol一列保存的是股票代码，用这个作为index，后续就能够使用loc命令查询了，比如海康威视的002352

symbol = '002352'
ts_code = df_stock_basic.loc[symbol,'ts_code']
list_date = df_stock_basic.loc[symbol,'ts_code']

有了上面的ts_code和list_date，获取日线数据就很简单了

df_daily:pd.DataFrame = pro.daily(
                ts_code=ts_code,
                start_date = list_date,
                end_date= date.today().strftime("%Y%m%d")
            )

df_daily:pd.DataFrame里面的冒号是为了声明df_daily的类型，明确类型以后在pycharm才能更好的帮你做代码补全。

计算MA，std与绘图

这里的时移均线主要靠的是pandas的rolling实现。但是在开始计算以前，首先我们要对下载下来的df_daily做一些处理，按照常规的时序分析流程：

1. 将trade_date设置为index, 并且用pandas的to_datetime转成timestamp

df_daily.index = pd.to_datetime(df_daily['trade_date'])

2. 将数据框升序排列（原本数据是按照从新到旧的顺序排列的，在分析的时候这会造成问题）

df_daily = df_daily.sort_index()

然后就可以计算MA以及std了

rolling_days = 20
std_multiplier = 2
df_daily['MA'] = df_daily['close'].rolling(rolling_days).mean()
df_daily['std'] = df_daily['close'].rolling(rolling_days).std()
df_daily['upper_bound'] = df_daily['MA']+df_daily['std']*std_multiplier
df_daily['lower_bound'] = df_daily['MA']-df_daily['std']*std_multiplier

绘图就只要用

df_daily[['MA','close','upper_bound','lower_bound']].plot(grid=True)
plt.show()

当然了，上面只是放了收盘价，时移均线以及Bollinger Band上下界，还可以进一步放蜡烛图一类的。

这些代码可能最好做成一个类，然后通过调用方法的形式组织代码才比较好。

参考

1. ^20日均线和2个标准差主要是约定俗成，当然也可以将均线时间增加一些，酌情调整吧