【手把手教你】股市技术分析利器之TA-Lib(一)

市场有自己的时间观念。股票投资就如同任何人类互动一样,耐心是一项美德。——罗伯特·D·爱德华《股市趋势技术分析》

引言

TA-Lib,全称“Technical Analysis Library”, 即技术分析库,是Python金融量化的高级库,涵盖了150多种股票、期货交易软件中常用的技术分析指标,如MACD、RSI、KDJ、动量指标、布林带等等。TA-Lib可分为10个子板块:Overlap Studies(重叠指标),Momentum Indicators(动量指标),Volume Indicators(交易量指标),Cycle Indicators(周期指标),Price Transform(价格变换),Volatility Indicators(波动率指标),Pattern Recognition(模式识别),Statistic Functions(统计函数),Math Transform(数学变换)和Math Operators(数学运算),见下图。本公众号将以系列的形式详细介绍talib技术指标的实现和应用,而本文作为开篇,主要介绍Overlap Studies内容。

安装与使用

安装:在cmd上使用“pip install talib”命令一般会报错,正确安装方法是,进入https://www.lfd.uci.edu/~gohlke/pythonlibs/,下拉选择TA_Lib-0.4.17-cp37-cp37m-win_amd64.whl(win系统64位,python3.7版本,根据自己系统和python版本选择相应的安装包),将下载包放在当前工作路径中,然后在Anaconda Prompt(或windows的cmd)里面输入命令:pip install TA_Lib-0.4.17-cp27-cp27m-win_amd64.whl。

使用:import talib as ta

Overlap Studies Functions重叠指标

01 移动平均线系列

移动平均线是技术分析理论中应用最普遍的指标之一,主要用于确认、跟踪和判断趋势,提示买入和卖出信号,在单边市场行情中可以较好的把握市场机会和规避风险。但是,移动平均线一般要与其他的技术指标或基本面相结合来使用,特别是当市场处于盘整行情时,其买入卖出信号会频繁出现,容易失真。

通用函数名:MA

代码:ta.MA(close,timeperiod=30,matype=0)

移动平均线系列指标包括:SMA简单移动平均线、EMA指数移动平均线、WMA加权移动平均线、DEMA双移动平均线、TEMA三重指数移动平均线、TRIMA三角移动平均线、KAMA考夫曼自适应移动平均线、MAMA为MESA自适应移动平均线、T3三重指数移动平均线。

其中,close为收盘价,时间序列,timeperiod为时间短,默认30天,指标类型matype分别对应:0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA, 6=KAMA, 7=MAMA, 8=T3 (Default=SMA)

不同类型的移动均线也有各自相应的调用函数:

#先引入后面可能用到的包(package)

importpandasaspd

importnumpyasnp

importmatplotlib.pyplotasplt

%matplotlib inline

#正常显示画图时出现的中文和负号

frompylabimportmpl

mpl.rcParams['font.sans-serif']=['SimHei']

mpl.rcParams['axes.unicode_minus']=False

#引入TA-Lib库

importtalibasta

#查看包含的技术指标和数学运算函数

#print(ta.get_functions())

#print(ta.get_function_groups())

ta_fun=ta.get_function_groups()

ta_fun.keys()

#使用tushare获取上证指数数据作为示例

importtushareasts

df=ts.get_k_data('sh',start='2000-01-01')

df.index=pd.to_datetime(df.date)

df=df.sort_index()

types=['SMA','EMA','WMA','DEMA','TEMA',

'TRIMA','KAMA','MAMA','T3']

df_ma=pd.DataFrame(df.close)

foriinrange(len(types)):

df_ma[types[i]]=ta.MA(df.close,timeperiod=5,matype=i)

df_ma.tail()

df_ma.loc['2018-08-01':].plot(figsize=(16,6))

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

plt.title('上证指数各种类型移动平均线',fontsize=15)

plt.xlabel('')

plt.show()

 数据来源:tushare

#画5、30、120、250指数移动平均线

N=[5,30,120,250]

foriinN:

df['ma_'+str(i)]=ta.EMA(df.close,timeperiod=i)

df.tail()

df.loc['2014-01-01':,['close','ma_5','ma_30','ma_120','ma_250']].plot(figsize=(16,6))

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

plt.title('上证指数走势',fontsize=15)

plt.xlabel('')

plt.show()

数据来源:tushare

02 布林带

布林带(Bollinger Band),由压力线、支撑线价格平均线组成,一般情况价格线在压力线和支撑线组成的上下区间中游走,区间位置会随着价格的变化而自动调整。布林线的理论使用原则是:当股价穿越最外面的压力线(支撑线)时,表示卖点(买点)出现。当股价延着压力线(支撑线)上升(下降)运行,虽然股价并未穿越,但若回头突破第二条线即是卖点或买点。在实际应用中,布林线有其滞后性,相对于其他技术指标在判断行情反转时参考价值较低,但在判断盘整行情终结节点上成功率较高。

计算方法:首先计出过去 N 日收巿价的标准差 SD(Standard Deviation) ,通常再乘 2 得出 2 倍标准差, Up 线为 N日平均线加 2 倍标准差, Down 线则为 N日平均线减 2 倍标准差。

代码:ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

H_line,M_line,L_line=ta.BBANDS(df.close, timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)

df1=pd.DataFrame(df.close,index=df.index,columns=['close'])

df1['H_line']=H_line

df1['M_line']=M_line

df1['L_line']=L_line

df1.tail()

df1.loc['2013-01-01':'2014-12-30'].plot(figsize=(16,6))

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

plt.title('上证指数布林线',fontsize=15)

plt.xlabel('')

plt.show()

数据来源:tushare

03 其他指标

df2=pd.DataFrame(df.close)

df2['HT']=ta.HT_TRENDLINE(df.close)

periods =np.array([3]*len(df), dtype=float)

df2['MAVP']=ta. MAVP(df.close,periods)

df2['MIDPOINT']=ta.MIDPOINT(df.close)

df2['MIDPRICE']=ta.MIDPRICE(df.high,df.low)

df2['SAR']=ta.SAR(df.high,df.low)

df2['SAREXT']=ta.SAREXT(df.high,df.low)

df2.tail()

df2.loc['2018-01-01':'2019-02-21',['close','HT','MAVP','MIDPOINT','MIDPRICE','SAR']].plot(figsize=(16,6))

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

plt.title('上证指数的其他趋势指标线',fontsize=15)

plt.xlabel('')

plt.show()

数据来源:tushare

df2.loc['2018-01-01':'2019-02-21','SAREXT'].plot(figsize=(16,6))

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

plt.title('上证指数的抛物线扩展走势',fontsize=15)

plt.xlabel('')

plt.show()

数据来源:tushare

均线策略回测

双均线策略:分别选择L天和S天的移动平均线(L>S),如L=20,S=5,当短周期S均线(5日均线)向上突破长周期L均线(20日均线)时,为买入点;反之,当S均线向下击穿L均线时为卖出点。

标的:中国平安(601318),期间:2014.1-2019.1,回测结果:

数据来源:万矿

布林线策略回测

标的:黄金期货

策略:下穿布林线上边界做空,上穿布林线下边界做多

(1)timeperiod=10,回测期间:2017.01.01-2019.02.21

 数据来源:万矿

(2)timeperiod=10,回测期间:2016.01.01-2017.02.21

数据来源:万矿

关于Python金融量化

专注于分享Python在金融领域的实际应用,包括金融数据分析、金融建模与量化投资等。加入知识星球,免费获取量化投资学习视频、公众号文章Python源代码,一起学习,共同进步!

推荐阅读更多精彩内容

  • import tkinter as tk from tkinter import ttk import matpl...
    IBM_LELE阅读 1,724评论 0 0
  • 抓住自己最有兴趣的东西,由浅入深,循序渐进地学。 —...
    CuteHand阅读 1,646评论 1 2
  • 我们会根据业务的要求做各种复杂的报表,包括了分组、排序、过滤、转置、差分、填充、移动、合并、分裂、分布、去重、找重...
    fhhhfssfhh阅读 393评论 0 5
  • 谢谢 你依然记得 谢谢 一起经历过风雨 谢谢 仍然一见如故 谢谢 忍受的痛苦欢乐 谢谢 你深邃的眼眸 谢谢 ...
    杏林月阅读 226评论 4 7
  • 这几年有很多相忘于江湖。 创业这几年涤荡的绝对不仅仅是灵魂,还有我身边的圈子。就像一个女人,判断自己是不是真的美丽...
    体面事物所的纪先生阅读 586评论 0 0