布林线与macd结合使用,布林线做t和macd做t

背景介绍：

　　搭建程序化交易平台的过程需要研究技术指标。

环境：

　　操作系统：mac

　　PYTHON: 3.8

　　IDE: pycharm

步骤：

　　第一步：加载库

　　将熊猫作为警察局导入熊猫_datareader作为网从日期时间导入日期时间，时间增量导入talibimport matplotlib.pyplot作为血小板计数从mplfinance.original_flavor导入烛台_ohlcimport matplotlib.ticker作为股票熊猫：处理股票数据

　　熊猫_datareader:行情数据获取api，也可以用图沙雷或者从新浪等网站获取

　　日期时间：获取日期

　　塔利班：生成技术指标

　　烛台_ohlc:绘制蜡烛图

　　matplotlib.ticker:设置x轴刻度，如果不设置，matplotlib会将没有交易的日期也显示出来

　　第二步：获取数据

　　定义股票（股票代码):#股票代码是股票代码，例子：上市 600036.ss ，深市000001 .SZ start _ date= 2019-12-01 #起始日期今天=日期时间。日期(日期时间。现在())#截止日期stock _ info=web.get _ data _雅虎(股票代码，开始日期，今天)#获取行情数据，返回数据框架股票信息=股票信息。重置索引()#默认指数是日期，这里要重置一下，为后面绘图做准备股票信息=股票信息。astype({ Date :str })#将日期列的类型设置为str，为绘图做准备返回股票_信息以下是获取招商银行（股票代码600036 .ss’)的返回结果，一共6列，日期，最高价，最低价，开盘，收盘，成交量，调整收盘

　　第三步：获取技术指标数据

　　定义获取指示符(股票代码):#创建数据帧数据=股票（股票代码)#获取macd数据[macd]，数据[macd_signal]，数据[macd_hist]=talib .MACD(数据[关闭]) #获取10日均线和30日均线data[ma10]=talib .MA(data[Close]，time period=10)data[ ma30 ]=talib .马(数据[关闭],时间周期=30) #获取适当规模集成电路数据[rsi]=塔利班.RSI(数据[收盘])返回数据塔利卜有各种各样的技术指标，这里只获取了均线，macd和rsi，返回数据帧。

　　第四步：绘图

　　def plot_chart(data，title): fig=plt.figure() #创建绘图区，包含四个子图fig.set_size_inches((20，16)) ax_candle=fig.add_axes((0，0.72，1，0.32)) #蜡烛图子图ax_macd=fig.add_axes((0，0.48，1，0.2)，sharex=ax_candle) #macd子图ax_rsi=fig.add_axes((0，0.24，1，0.2)，sharex=ax_candle) #rsi子图ax_vol=fig.add_axes((0，0，1，0.2)，sharex=ax_candle) #成交量子图ohlc=[] #存放行情数据，烛台_ohlc需要传入固定格式的数据row_number=0表示date，row in data.iterrows(): date，highp，lowp，openp，closep=row[:5]ohlc。append([row _ number，openp，highp，lowp，closep])row _ number=row _ number 1 date _ tickers=data .日期。值#获取日期数据定义格式_日期(x，位置=无):#由于前面股票数据在日期这个位置传入的都是int #因此x=0，1，2，#日期_报价机是所有日期的字符串形式列表如果x 0或x len(date _ tickers)-1:return return date _ tickers[int(x)]#绘制蜡烛图ax_candle.plot(data.index，data[ma7]，label= MA7 )ax _ candle。绘图(数据。index，data[ma8]，label= MA8 )ax _ candle。绘图(数据。索引，数据[ma25]，标签=MA25 )烛台_ohlc(ax_candle，ohlc，colorup=g ，colordown=r ，width=0.8)ax _ candle。xaxis。set _ major _ formatter(ticker .func格式化程序(format _ date))ax _ candle。xaxis。set _ major _ locator(ticker .多重定位器(6)) #设置间隔为6个交易日ax _ candle。网格(True)ax _ candle。set _ title(title，font size=20)ax _ candle。图例()#绘制MACD ax_macd.plot(data.index，data[macd]，label= MACD )ax _ MACD。酒吧(数据。index，data[macd_hist] * 3，label= hist )ax _ MACD。绘图(数据。index，data[macd_signal]，label= signal )ax _ MACD。set _ title( MACD )ax _ MACD。图例()#绘制RSI ax _ RSI。set _ y label((%))ax _ RSI . plot(data . index，[70] * len(data.index)，label=超买)ax_rsi.plot(data.index，[30] * len(data.index)，label=超卖)ax _ RSI。绘图(数据。index，data[rsi]，label= RSI )ax _ RSI。set _ title( KDJ )ax _ RSI图例()#绘制成交量ax_vol.bar(data.index，data[ Volume ]/1000000)ax _ vol . set _ y label((百万))#保存图片到本地图保存图(/用户/答案/桌面/投资/照片/标题)。png ，bbox_inches=tight) #这里个人选择不要plt.show()，因为保存图片到本地的#plt.show()第五步：批量绘制

　　def industry(dict): for key，dict中的value。items():# d . ITER物品：对(键，值)项的迭代器stock _ info=get _ indicators(key)plot _ chart(stock _ info，value)这里传进去的参数是字典，预先定义了目标股票代码。用字典的好处是，能够把股票名称也传进去。

　　 finance_list={ 600036.ss :招商尹航， 002142.sz :宁波尹航， 000001.sz :平安尹航， 601318.ss :中国平安 }下面是恒瑞医药的绘制效果。几个指标清晰可见。