本文将使用Python来可视化股票数据，比如绘制K线图，并且探究各项指标的含义和关系，最后使用移动平均线方法初探投资策略。
数据导入
这里将股票数据存储在stockData.txt文本文件中，我们使用pandas.read_table()函数将文件数据读入成DataFrame格式。
其中参数usecols=range(15)限制只读取前15列数据，parse_dates=[0]表示将第一列数据解析成时间格式，index_col=0则将第一列数据指定为索引。
import pandas as pdimport numpy as npimport matplotlib.pyplot as plt
%matplotlib inline
%config InlineBackend.figure_format = 'retina'%pylab inline
pylab.rcParams['figure.figsize'] = (10, 6) #设置绘图尺寸#读取数据stock = pd.read_table('stockData.txt', usecols=range(15), parse_dates=[0], index_col=0)
stock = stock[::-1] #逆序排列stock.head()以上显示了前5行数据，要得到数据的更多信息，可以使用.info()方法。它告诉我们该数据一共有20行，索引是时间格式，日期从2015年1月5日到2015年1月30日。总共有14列，并列出了每一列的名称和数据格式，并且没有缺失值。
stock.info()
<class 'pandas.core.frame.DataFrame'>DatetimeIndex: 20 entries, 2015-01-05 to 2015-01-30Data columns (total 14 columns): open 20 non-null float64 high 20 non-null float64 close 20 non-null float64 low 20 non-null float64 volume 20 non-null float64 price_change 20 non-null float64 p_change 20 non-null float64 ma5 20 non-null float64 ma10 20 non-null float64 ma20 20 non-null float64 v_ma5 20 non-null float64 v_ma10 20 non-null float64 v_ma20 20 non-null float64 turnover 20 non-null float64dtypes: float64(14) memory usage: 2.3 KB
在观察每一列的名称时，我们发现'open'的列名前面似乎与其它列名不太一样，为了更清楚地查看，使用.columns得到该数据所有的列名如下：
stock.columns
Index([' open', 'high', 'close', 'low', 'volume', 'price_change', 'p_change', 'ma5', 'ma10', 'ma20', 'v_ma5', 'v_ma10', 'v_ma20', 'turnover'], dtype='object')
于是发现'open'列名前存在多余的空格，我们使用如下方法修正列名。
stock.rename(columns={' open':'open'}, inplace=True)至此，我们完成了股票数据的导入和清洗工作，接下来将使用可视化的方法来观察这些数据。
数据观察
首先，我们观察数据的列名，其含义对应如下：
| open | high | colse | low | volume | price_change | p_change |
|---|---|---|---|---|---|---|
| 开盘价 | 最高价 | 收盘价 | 最低价 | 成交量 | 价格变动 | 涨跌幅 |
| ma5 | ma10 | ma20 | v_ma5 | v_ma10 | v_ma20 | turnover |
|---|---|---|---|---|---|---|
| 5日均价 | 10日均价 | 20日均价 | 5日均量 | 10日均量 | 20日均量 | 换手率 |
这些指标总体可分为两类：
价格相关指标
* 当日价格：开盘、收盘价，最高、最低价 * 价格变化：价格变动和涨跌幅 * 均价：5、10、20日均价
成交量相关指标
* 成交量 * 换手率：成交量/发行总股数×100% * 成交量均量：5、10、20日均量
由于这些指标都是随时间变化的，所以让我们先来观察它们的时间序列图。
时间序列图
以时间为横坐标，每日的收盘价为纵坐标，做折线图，可以观察股价随时间的波动情况。这里直接使用DataFrame数据格式自带的做图工具，其优点是能够快速做图，并自动优化图形输出形式。
stock['close'].plot(grid=True)
如果我们将每日的开盘、收盘价和最高、最低价以折线的形式绘制在一起，难免显得凌乱，也不便于分析。那么有什么好的方法能够在一张图中显示出这四个指标？答案下面揭晓。
K线图
相传K线图起源于日本德川幕府时代，当时的商人用此图来记录米市的行情和价格波动，后来K线图被引入到股票市场。每天的四项指标数据用如下蜡烛形状的图形来记录，不同的颜色代表涨跌情况。
图片来源：http://wiki.mbalib.com/wiki/K线理论
Matplotlib.finance模块提供了绘制K线图的函数candlestick_ohlc()，但如果要绘制比较美观的K线图还是要下点功夫的。下面定义了pandas_candlestick_ohlc()函数来绘制适用于本文数据的K线图，其中大部分代码都是在设置坐标轴的格式。
from matplotlib.finance import candlestick_ohlcfrom matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAYdef pandas_candlestick_ohlc(stock_data, otherseries=None):
# 设置绘图参数，主要是坐标轴
mondays = WeekdayLocator(MONDAY)
alldays = DayLocator()
dayFormatter = DateFormatter('%d')
fig, ax = plt.subplots()
fig.subplots_adjust(bottom=0.2) if stock_data.index[-1] - stock_data.index[0] < pd.Timedelta('730 days'):
weekFormatter = DateFormatter('%b %d')
ax.xaxis.set_major_locator(mondays)
ax.xaxis.set_minor_locator(alldays) else:
weekFormatter = DateFormatter('%b %d, %Y')
ax.xaxis.set_major_formatter(weekFormatter)
ax.grid(True)
# 创建K线图
stock_array = np.array(stock_data.reset_index()[['date','open','high','low','close']])
stock_array[:,0] = date2num(stock_array[:,0])
candlestick_ohlc(ax, stock_array, colorup = "red", colordown="green", width=0.4) # 可同时绘制其他折线图
if otherseries is not None: for each in otherseries:
plt.plot(stock_data[each], label=each)
plt.legend()
ax.xaxis_date()
ax.autoscale_view()
plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')
plt.show()pandas_candlestick_ohlc(stock)
这里红色代表上涨，绿色代表下跌。
相对变化量
股票中关注的不是价格的绝对值，而是相对变化量。有多种方式可以衡量股价的相对值，最简单的方法就是将股价除以初始时的价格。
stock['return'] = stock['close'] / stock.close.iloc[0] stock['return'].plot(grid=True)
第二种方法是计算每天的涨跌幅，但计算方式有两种：
这两者可能导致不同的分析结果，样例数据中的涨跌幅使用的是第一个公式，并乘上了100%。
stock['p_change'].plot(grid=True).axhline(y=0, color='black', lw=2)
为了解决第二种方法中的两难选择，我们引入第三种方法，就是计算价格的对数之差，公式如下：
close_price = stock['close'] log_change = np.log(close_price) - np.log(close_price.shift(1)) log_change.plot(grid=True).axhline(y=0, color='black', lw=2)
相关关系
在观察了价格的走势之后，我们来看看各指标之间的关系。下面挑选了部分代表性的指标，并使用pandas.scatter_matrix()函数，将各项指标数据两两关联做散点图，对角线是每个指标数据的直方图。
small = stock[['close', 'price_change', 'ma20','volume', 'v_ma20', 'turnover']] _ = pd.scatter_matrix(small)
图中可以明显发现成交量（volume）和换手率（turnover）有非常明显的线性关系，其实换手率的定义就是：成交量除以发行总股数，再乘以100%。所以下面的分析中我们将换手率指标去除，这里使用了相关性关系来实现数据降维。
上面的散点图看着有些眼花缭乱，我们可以使用numpy.corrcof()来直接计算各指标数据间的相关系数。
small = stock[['close', 'price_change', 'ma20','volume', 'v_ma20']] cov = np.corrcoef(small.T) cov
array([[ 1. , 0.30308764, 0.10785519, 0.91078009, -0.37602193], [ 0.30308764, 1. , -0.45849273, 0.3721832 , -0.25950305], [ 0.10785519, -0.45849273, 1. , -0.06002202, 0.51793654], [ 0.91078009, 0.3721832 , -0.06002202, 1. , -0.37617624], [-0.37602193, -0.25950305, 0.51793654, -0.37617624, 1. ]])
如果觉得看数字还是不够方便，我们继续将上述相关性矩阵转换成图形，如下图所示，其中用颜色来代表相关系数。我们发现位于（0，3）位置的相关系数非常大，查看数值达到0.91。这两个强烈正相关的指标是收盘价和成交量。
img = plt.matshow(cov,cmap=plt.cm.winter) plt.colorbar(img, ticks=[-1,0,1]) plt.show()
以上我们用矩阵图表的方式在多个指标中迅速找到了强相关的指标。接着做出收盘价和成交量的折线图，因为它们的数值差异很大，所以我们采用两套纵坐标体系来做图。
stock[['close','volume']].plot(secondary_y='volume', grid=True)
观察这两个指标的走势，在大部分时候股价上涨，成交量也上涨，反之亦然。但个别情况下则不成立，可能是成交量受到前期的惯性影响，或者还有其他因素。
移动平均线
吴军老师曾讲述他的投资经验，大意是说好的投资方式不是做预测，而是能在合适的时机做出合适的应对和决策。同样股市也没法预测，我们能做的是选择恰当的策略应对不同的情况。
好的指标是能驱动决策的。在上面的分析中我们一直没有使用的一类指标是5、10、20日均价，它们又称为移动平均值，下面我们就使用这项指标来演示一个简单的股票交易策略。（警告：这里仅仅是演示说明，并非投资建议。）
为了得到更多的数据来演示，我们使用pandas_datareader直接从雅虎中下载最近一段时间的谷歌股票数据。
import datetimeimport pandas_datareader.data as web# 设置股票数据的时间跨度start = datetime.datetime(2016,10,1)
end = datetime.date.today()# 从yahoo中获取google的股价数据。goog = web.DataReader("GOOG", "yahoo", start, end)#修改索引和列的名称，以适应本文的分析goog.index.rename('date', inplace=True)
goog.rename(columns={'Open':'open', 'High':'high', 'Low':'low', 'Close':'close'}, inplace=True)
goog.head()数据中只有每天的价格和成交量，所以我们需要自己算出5日均价和10日均价，并将均价的折线图（也称移动平均线）与K线图画在一起。
goog["ma5"] = np.round(goog["close"].rolling(window = 5, center = False).mean(), 2) goog["ma20"] = np.round(goog["close"].rolling(window = 20, center = False).mean(), 2) goog = goog['2017-01-01':] pandas_candlestick_ohlc(goog, ['ma5','ma20'])
观察上图，我们发现5日均线与K线图较为接近，而20日均线则更平坦，可见移动平均线具有抹平短期波动的作用，更能反映长期的走势。比较5日均线和20日均线，特别是关注它们的交叉点，这些是交易的时机。移动平均线策略，最简单的方式就是：当5日均线从下方超越20日均线时，买入股票，当5日均线从上方越到20日均线之下时，卖出股票。
为了找出交易的时机，我们计算5日均价和20日均价的差值，并取其正负号，作于下图。当图中水平线出现跳跃的时候就是交易时机。
goog['ma5-20'] = goog['ma5'] - goog['ma20'] goog['diff'] = np.sign(goog['ma5-20']) goog['diff'].plot(ylim=(-2,2)).axhline(y=0, color='black', lw=2)
为了更方便观察，上述计算得到的均价差值，再取其相邻日期的差值，得到信号指标。当信号为1时，表示买入股票；当信号为-1时，表示卖出股票；当信号为0时，不进行任何操作。
goog['signal'] = np.sign(goog['diff'] - goog['diff'].shift(1)) goog['signal'].plot(ylim=(-2,2))
从上图中看出，从今年初到现在，一共有两轮买进和卖出的时机。到目前为止，似乎一切顺利，那么让我们看下这两轮交易的收益怎么样吧。
trade = pd.concat([
pd.DataFrame({"price": goog.loc[goog["signal"] == 1, "close"], "operation": "Buy"}),
pd.DataFrame({"price": goog.loc[goog["signal"] == -1, "close"], "operation": "Sell"})
])
trade.sort_index(inplace=True)
trade上述表格列出了交易日期、操作和当天的价格。但很遗憾地发现，这两轮交易的卖出价都小于买入价，实际上按上述方法交易我们亏本了！！！
你是否很愤怒呢？原来分析到现在，都是假的呀！我之前就警告过，这里的分析只是演示移动平均线策略的思想，而并非真正的投资建议。股票市场是何其的复杂多变，又如何是一个小小的策略所能战胜的呢？
那么这个策略就一无是处吗？非也！如果考虑更长的时间跨度，比如5年、10年，并考虑更长的均线，比如将20日均线和50日均线比较；虽然过程中也有亏损的时候，但赢的概率更大。也就是说，在更长的时间尺度上该策略也是可行的。但即使你赚了，又能跑赢大盘吗？这时候还需用到其他方法，比如合理配置投资比例等。
还是那句话，股市有风险，投资需谨慎。本文不是分析股票的文章，而是借用股票数据来说明数据分析的基本方法，以及演示什么样的指标是好的指标。
参考资料：
An Introduction to Stock Market Data Analysis with Python (Part 1)
An Introduction to Stock Market Data Analysis with Python (Part 2)
作者：鱼心DrFish
链接：https://www.jianshu.com/p/ce0e0773c6ec