Python股票實作(3)

更新 發佈閱讀 3 分鐘

使用pandas,透過TWStock_2的資料,計算下列三種常用的技術指標

1. 移動平均線

2. 指數移動平均線

3. MACD

首先連接資料庫,然後我們只取"成交股數 , 開盤價 , 最高價 , 最低價 , 收盤價"
這5個columns代入新的tsmc( 名稱 )

code如下

db = sqlite3.connect("TWstock_2")
tsmc = pd.read_sql(con=db, sql='SELECT * FROM "2330"')
tsmc.index = pd.to_datetime(tsmc['Date'])
tsmc = tsmc[['成交股數','開盤價','最高價','最低價','收盤價']]

之後分別給予新名稱 "Volume , Open , High , Low , Close "
別忘記Close收盤價的數字是str,須轉為num

raw-image

之後開始製作移動平均線 , 指數移動平均線 , MACD的圖形

首先要將數值帶出,程式碼如下

raw-image
raw-image
raw-image

之後再透過下列的code將線圖畫出

fig,ax = plt.subplots(3,1,figsize=(10,10))
plt.subplots_adjust(hspace=0.8)
tsmc['MA_7'].plot(ax=ax[0])
tsmc['MA_30'].plot(ax=ax[0])
tsmc['Close'].plot(ax=ax[0])
ax[0].legend()
tsmc['EMA_12'].plot(ax=ax[1])
tsmc['EMA_26'].plot(ax=ax[1])
tsmc['Close'].plot(ax=ax[1])
ax[1].legend()
tsmc['DIF'].plot(ax=ax[2])
tsmc['DEM'].plot(ax=ax[2])
ax[2].fill_between(tsmc.index,0,tsmc['OSC'])
ax[2].legend()
plt.show()

執行後線圖如下

raw-image

參考連結如下

https://www.youtube.com/watch?v=jEOkqwuoJEM

留言
avatar-img
留言分享你的想法!
avatar-img
爾他的沙龍
0會員
4內容數
爾他的沙龍的其他內容
2022/04/18
使用pandas,透過TWStock_2的資料,計算 6 日與12日RSI 值並繪製成圖。 首先先連接到TWStock_2資料庫將資料load出來。 這次load的資料一樣是2330台積電,然後我們一樣只取收盤價,修改日期格式。 之後要算出每日的U與D值(絕對漲跌),條件如下ㄑ 輸出會如下圖
Thumbnail
2022/04/18
使用pandas,透過TWStock_2的資料,計算 6 日與12日RSI 值並繪製成圖。 首先先連接到TWStock_2資料庫將資料load出來。 這次load的資料一樣是2330台積電,然後我們一樣只取收盤價,修改日期格式。 之後要算出每日的U與D值(絕對漲跌),條件如下ㄑ 輸出會如下圖
Thumbnail
2022/04/05
在上一篇文章"Python股票實作(1)"中,我們將近期100天的資料存成csv檔。 這次要將這100個csv檔都放進資料庫內,首先要做的就是新增一個檔案, 檔案名稱為"TWStock.db",把它放進跟csv檔一樣的目錄底下。 之後再用程式碼連結並呼叫並做一些處理。 之後需要先設定下列的一些參數
Thumbnail
2022/04/05
在上一篇文章"Python股票實作(1)"中,我們將近期100天的資料存成csv檔。 這次要將這100個csv檔都放進資料庫內,首先要做的就是新增一個檔案, 檔案名稱為"TWStock.db",把它放進跟csv檔一樣的目錄底下。 之後再用程式碼連結並呼叫並做一些處理。 之後需要先設定下列的一些參數
Thumbnail
2022/03/20
先設定一個url,並使用get將資料load下來,然後轉成text。 使用pd.read_csv去讀資料,會有' " '與' = '的部分要用下面的code去掉。 這樣會得到一個基本的DataFrame。 將此段cod寫成一個函式如下圖 start_date會是今天的日期,n會是想要抓的天數。
Thumbnail
2022/03/20
先設定一個url,並使用get將資料load下來,然後轉成text。 使用pd.read_csv去讀資料,會有' " '與' = '的部分要用下面的code去掉。 這樣會得到一個基本的DataFrame。 將此段cod寫成一個函式如下圖 start_date會是今天的日期,n會是想要抓的天數。
Thumbnail
看更多
你可能也想看
Thumbnail
加入我們ASC 的 Discore: https://discord.gg/a4C57cVR6B 1.前置工具: tradingview 需要申請帳戶並且進入上方連結(這邊用 幣安交易所ETH/USDT 作為範例) 之後我們點選Pine編輯器(這邊就是撰寫indicator的地方) 2.幫自己的指標
Thumbnail
加入我們ASC 的 Discore: https://discord.gg/a4C57cVR6B 1.前置工具: tradingview 需要申請帳戶並且進入上方連結(這邊用 幣安交易所ETH/USDT 作為範例) 之後我們點選Pine編輯器(這邊就是撰寫indicator的地方) 2.幫自己的指標
Thumbnail
在上一篇文章中,我們學會了如何繪製最新的分鐘圖,讓我們了解最新一日的個股股價變化,不過有時分鐘圖太過細小,並無法了解到個股整體的趨勢狀況,這時我們就必須要使用到日線圖,因此,今天我們就來學習如何繪製日線圖吧!!
Thumbnail
在上一篇文章中,我們學會了如何繪製最新的分鐘圖,讓我們了解最新一日的個股股價變化,不過有時分鐘圖太過細小,並無法了解到個股整體的趨勢狀況,這時我們就必須要使用到日線圖,因此,今天我們就來學習如何繪製日線圖吧!!
Thumbnail
股價是股票匯集各式因素所組成的視覺圖,因此今天我們就來學學如何畫製個股的最新分鐘圖,讓你能夠一鍵輕鬆看到當日最新股價走勢圖,我們就開始來教學吧!!
Thumbnail
股價是股票匯集各式因素所組成的視覺圖,因此今天我們就來學學如何畫製個股的最新分鐘圖,讓你能夠一鍵輕鬆看到當日最新股價走勢圖,我們就開始來教學吧!!
Thumbnail
使用pandas,透過TWStock_2的資料,計算 6 日與12日RSI 值並繪製成圖。 首先先連接到TWStock_2資料庫將資料load出來。 這次load的資料一樣是2330台積電,然後我們一樣只取收盤價,修改日期格式。 之後要算出每日的U與D值(絕對漲跌),條件如下ㄑ 輸出會如下圖
Thumbnail
使用pandas,透過TWStock_2的資料,計算 6 日與12日RSI 值並繪製成圖。 首先先連接到TWStock_2資料庫將資料load出來。 這次load的資料一樣是2330台積電,然後我們一樣只取收盤價,修改日期格式。 之後要算出每日的U與D值(絕對漲跌),條件如下ㄑ 輸出會如下圖
Thumbnail
使用pandas,透過TWStock_2的資料,計算下列三種常用的技術指標 1. 移動平均線 2. 指數移動平均線 3. MACD 首先連接資料庫,然後我們只取"成交股數 , 開盤價 , 最高價 , 最低價 , 收盤價" 這5個columns代入新的tsmc( 名稱 ) code如下 參考連結如下
Thumbnail
使用pandas,透過TWStock_2的資料,計算下列三種常用的技術指標 1. 移動平均線 2. 指數移動平均線 3. MACD 首先連接資料庫,然後我們只取"成交股數 , 開盤價 , 最高價 , 最低價 , 收盤價" 這5個columns代入新的tsmc( 名稱 ) code如下 參考連結如下
Thumbnail
各位會員好~ 本篇是延續上一篇內容,實作一個自動交易策略腳本。在開始看腳本前,也請各位會員參考過去在永豐金證券豐雲學堂撰寫關於MTM小波段操作策略。 本回重點: 1. 了解撰寫交易腳本主要架構、呼叫不同商品的數據作進出條件 2. 設定回測、解讀回測報告。 本篇,我們初始策略的想法是,當MTM(動
Thumbnail
各位會員好~ 本篇是延續上一篇內容,實作一個自動交易策略腳本。在開始看腳本前,也請各位會員參考過去在永豐金證券豐雲學堂撰寫關於MTM小波段操作策略。 本回重點: 1. 了解撰寫交易腳本主要架構、呼叫不同商品的數據作進出條件 2. 設定回測、解讀回測報告。 本篇,我們初始策略的想法是,當MTM(動
Thumbnail
各位會員好~ 本篇是延續上一篇內容,實作一個自動交易策略腳本。在開始看腳本前,也請各位會員參考過去在永豐金證券豐雲學堂撰寫關於MTM小波段操作策略。 本回重點: 1. 了解撰寫交易腳本主要架構、呼叫不同商品的數據作進出條件 2. 設定回測、解讀回測報告。
Thumbnail
各位會員好~ 本篇是延續上一篇內容,實作一個自動交易策略腳本。在開始看腳本前,也請各位會員參考過去在永豐金證券豐雲學堂撰寫關於MTM小波段操作策略。 本回重點: 1. 了解撰寫交易腳本主要架構、呼叫不同商品的數據作進出條件 2. 設定回測、解讀回測報告。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News