股票价格分析：如何使用Python介绍财务和技术指标？

2021年11月11日03:05:22 发表评论 1,128 次浏览

Python介绍财务和技术指标 - 学习如何在 Python 中处理股票价格，了解蜡烛价格格式 (OHLC)，使用烛台图表绘制它们，以及学习使用 Python 中的 stockstats 库使用许多技术指标。

很多人已经说过，数据是21世纪的新石油，从数据科学、数据挖掘、数据工程和大数据等诸多领域中涌现并创造了许多领域。

无论是在物理学、医学、生物学还是社交媒体领域，所有这些都在不断地生成数据，这些数据被存储、预处理和分析，目的是为准确的决策提取有价值的结论。

Python如何分析股票价格？金融市场以其供求规律和其他经济因素的动态势头而闻名，也是产生大量数据的地方。分析股票价格，无论你是交易差价合约（差价合约）、期货还是商品，无论你使用的是何种经纪商，都强烈建议你在进行交易时最大化你的收益，甚至是最基本的。

本教程将让你掌握使用 Python 处理股票价格的一般概念，了解蜡烛价格格式 ( OHLC )，并使用烛台图表绘制它们。你还将学习使用stockstats库来使用许多技术指标。

对于本教程，你需要安装：

pip install pandas-datareader yfinance mpl-finance stockstats

从 Yahoo Finance API 导入数据

Python股票价格分析：要导入股票价格数据，我们需要指定市场指数或股票的代码，在本例中，我们将从S&P 500和导入数据AAPL。

注意：S&P500是一个市场指数，它是一个指标，用于跟踪包含在该指数中的一组公司的表现。例如，包括美国500强股票的标准普尔，与顶级IT公司相关的纳斯达克，德国30强股票的GER30等。

以下代码负责导入以下股票价格AAPL：

# import AAPL stock price
df_aapl = pdr.get_data_yahoo("AAPL", start="2019-01-01", end="2019-09-30")

导入 SPY（SPDR S&P 500 Trust ETF）：

# import SPY stock price
df_spy = pdr.get_data_yahoo("SPY", start="2019-01-01", end="2019-09-30")

这是它的外观：

df_spy.head()

输出：

在金融市场上的蜡烛代表“格式OHLC下呈现Ø笔^ h igh-大号ow- Ç输”：

开盘价：是时间分辨率开始时的股票价格（1m、30m、每小时、每天等）
高：是从蜡烛的开始到结束达到的最高价格。
低：是从蜡烛的开始到结束达到的最低价格。
收盘价：是时间决议结束时股票的价格。

在金融股票市场交易时，我们区分两种类型的交易操作：做多（买入） 和 做空（卖出）。

绘制股票价格

Python介绍财务和技术指标：在本节中，我们将使用matplotlib和mpl_finance库来绘制AAPL. 首先，我们将分别绘制开盘-高-低-收盘价：

df_aapl[["Open", "High", "Low", "Close"]].plot()
plt.show()

输出：

左图是执行上述代码的结果，右图是右图的放大区域。

Python如何分析股票价格？我们可以在放大的区域中清楚地看到，高价（橙色图）是上限，而低价（绿色图）是下限，这说明了本教程上一节中提到的 OHLC 格式的定义。

但正如你可能已经注意到的那样，由于被充电，该图在某种程度上难以阅读，我们将改为以烛台的形式表示 OHLC：

fig = plt.figure(figsize=(10, 10))
ax = plt.subplot()

plot_data = []
for i in range(150, len(df_aapl)):
    row = [
        i, 
        df_aapl.Open.iloc[i], 
        df_aapl.High.iloc[i], 
        df_aapl.Low.iloc[i], 
        df_aapl.Close.iloc[i], 
    ]
    plot_data.append(row)
candlestick_ohlc(ax, plot_data)
plt.show()

输出：

股票价格分析：如何使用Python介绍财务和技术指标？以下是烛台的结构：

金融技术指标

Python介绍财务和技术指标：在金融方面，由于我们正在处理数字数据，因此除了检测趋势之外，依靠各种指标还可以更好地了解股票价格的走势，这对于我们打算对特定股票进行长期交易/投资非常重要.

从stockstats库，我们将导入StockDataFrame，这是接收作为一个属性的熊猫一类DataFrame排序按时间和包括顺序列开-关-高-低：

from stockstats import StockDataFrame

stocks = StockDataFrame.retype(df_aapl[["Open", "Close", "High", "Low", "Volume"]])