您好,登錄后才能下訂單哦!
今天小編給大家分享一下怎么使用Python代碼創(chuàng)建復(fù)雜的財(cái)務(wù)圖表的相關(guān)知識(shí)點(diǎn),內(nèi)容詳細(xì),邏輯清晰,相信大部分人都還太了解這方面的知識(shí),所以分享這篇文章給大家參考一下,希望大家閱讀完這篇文章后有所收獲,下面我們一起來了解一下吧。
將所需的包導(dǎo)入到我們的 python 環(huán)境中是一個(gè)必不可少的步驟。在本文中,我們需要三個(gè)包,它們是處理數(shù)據(jù)幀的 Pandas、調(diào)用 API 和提取股票數(shù)據(jù)的requests,以及創(chuàng)建金融圖表的 mplfinance。對(duì)于尚未安裝這些軟件包的人,請(qǐng)將此代碼復(fù)制到你的終端中:
pip install pandas pip install requests pip install mplfinance
完成安裝包后,是時(shí)候?qū)⑺鼈儗?dǎo)入到我們的 python 環(huán)境中了。
import pandas as pd import requests import mplfinance as mf
現(xiàn)在,我們已經(jīng)導(dǎo)入了所有必要的包。讓我們使用12data.com[1]提供的 API 端點(diǎn)拉取亞馬遜的歷史股票數(shù)據(jù)。在此之前,12data.com上的一條說明:12data是領(lǐng)先的市場(chǎng)數(shù)據(jù)提供商之一,擁有適用于所有類型市場(chǎng)數(shù)據(jù)的大量 API 端點(diǎn)。與十二數(shù)據(jù)提供的 API 交互非常容易,并且擁有有史以來最好的文檔之一。此外,請(qǐng)確保你在12data.com上擁有一個(gè)帳戶,只有這樣,你才能訪問你的 API 密鑰(使用 API 提取數(shù)據(jù)的重要元素)。
def get_historical_data(symbol, start_date): api_key = 'YOUR API KEY' api_url = f'https://api.twelvedata.com/time_series?symbol={symbol}&interval=1day&outputsize=5000&apikey={api_key}' raw_df = requests. get(api_url).json() df = pd.DataFrame(raw_df['values']).iloc[::-1].set_index('datetime').astype(float) df = df[df.index >= start_date] df.index = pd.to_datetime(df.index) return df amzn = get_historical_data('AMZN', '2021-01-01') amzn.tail()
輸出:
代碼說明
我們做的第一件事是定義一個(gè)名為'get_historical_data'的函數(shù),該函數(shù)以股票代碼('symbol')和歷史數(shù)據(jù)的開始日期('start_date')為參數(shù)。
在函數(shù)內(nèi)部,我們定義了 API 密鑰和 URL,并將它們存儲(chǔ)到各自的變量中。
接下來,我們使用'get'函數(shù)以 JSON 格式提取歷史數(shù)據(jù)并將其存儲(chǔ)到 'raw_df'變量中。在對(duì)原始 JSON 數(shù)據(jù)進(jìn)行一些清理和格式化處理之后,我們以一個(gè)空的 Pandas DataFrame 的形式返回它。
最后,我們調(diào)用 created 函數(shù)來拉取亞馬遜從 2021 年初開始的歷史數(shù)據(jù),并將其存儲(chǔ)到"amzn"變量中。
OHLC 圖表是一種條形圖,顯示每個(gè)時(shí)期的開盤價(jià)、最高價(jià)、最低價(jià)和收盤價(jià)。
OHLC 圖表很有用,因?yàn)樗鼈冿@示了一段時(shí)間內(nèi)的四個(gè)主要數(shù)據(jù)點(diǎn),許多交易者認(rèn)為收盤價(jià)是最重要的。它也有助于顯示增加或減少的動(dòng)量。開合相距較遠(yuǎn)時(shí)表現(xiàn)強(qiáng)勁,開合相近時(shí)則表現(xiàn)優(yōu)柔寡斷或動(dòng)能弱。
最高價(jià)和最低價(jià)顯示了該時(shí)期的完整價(jià)格范圍,有助于評(píng)估波動(dòng)性1[2]?,F(xiàn)在要使用 mplfinance 創(chuàng)建一個(gè) OHLC 圖表,只需一行代碼:
mf.plot(amzn.iloc[:-50,:])
在上面的代碼中,我們首先調(diào)用該plot函數(shù),并在其中將我們之前提取的 Amazon OHLC 數(shù)據(jù)切片為最后 50 個(gè)讀數(shù),這樣做的目的只是使圖表更清晰,以便元素可見。上面的單行代碼將產(chǎn)生如下所示的輸出:
OHLC圖表
交易者使用燭臺(tái)圖根據(jù)過去的模式確定可能的價(jià)格變動(dòng)。燭臺(tái)在交易時(shí)很有用,因?yàn)樗鼈冊(cè)诮灰渍咧付ǖ恼麄€(gè)時(shí)間段內(nèi)顯示四個(gè)價(jià)格點(diǎn)(開盤價(jià)、收盤價(jià)、最高價(jià)和最低價(jià))。
這種類型的圖表最有趣的部分是它還可以幫助交易者閱讀情緒,這是市場(chǎng)本身的首要驅(qū)動(dòng)因素 2[3]。要使用 mplfinance 生成燭臺(tái)圖,我們只需添加另一個(gè)參數(shù),即函數(shù)的type參數(shù)plot并candle在其中提及。代碼如下所示:
mf.plot(amzn.iloc[:-50,:], type = 'candle')
上面的代碼將生成一個(gè)如下所示的燭臺(tái)圖表:
燭臺(tái)圖
磚形圖( Renko chart)是一種使用價(jià)格變動(dòng)構(gòu)建的圖表,而不是像大多數(shù)圖表那樣同時(shí)使用價(jià)格和標(biāo)準(zhǔn)化時(shí)間間隔。該圖表看起來像一系列磚塊,當(dāng)價(jià)格移動(dòng)指定的價(jià)格金額時(shí)會(huì)創(chuàng)建一個(gè)新磚塊,并且每個(gè)塊都與前一個(gè)磚塊成 45 度角(向上或向下)。Renko 圖表的主要用途是過濾掉噪音并幫助交易者更清楚地看到趨勢(shì),因?yàn)樗行∮诳虼笮〉倪\(yùn)動(dòng)都被過濾掉 3[4] 。
據(jù)我所知,mplfinance 是唯一提供 Renko 圖表的 Python 庫,也是我們接下來要看到的,這就是為什么這個(gè)包在金融可視化方面具有強(qiáng)大優(yōu)勢(shì)的原因?,F(xiàn)在要?jiǎng)?chuàng)建一個(gè) Renko,我們只需要在函數(shù)renko的type參數(shù)中指定plot。Renko 圖表的代碼如下所示:
mf.plot(amzn, type = 'renko')
我們還可以向plot函數(shù)添加一個(gè)額外的參數(shù),該參數(shù)是根據(jù)renko_params我們的需要和其他類似類型修改磚塊大小的參數(shù),但我更喜歡默認(rèn)的。上面的代碼生成了一個(gè)看起來像這樣的磚形圖:
磚形圖
點(diǎn)數(shù)圖,簡(jiǎn)稱 P&F 圖,類似于 Renko 圖,它在不考慮時(shí)間流逝的情況下繪制資產(chǎn)的價(jià)格走勢(shì)。與其他一些類型的圖表(例如燭臺(tái))相反,燭臺(tái)標(biāo)志著資產(chǎn)在設(shè)定的時(shí)間段內(nèi)的變動(dòng)程度,而 P&F 圖表使用由堆疊的 X 或 O 組成的列,每個(gè)列代表一定數(shù)量的價(jià)格變動(dòng)。X 代表價(jià)格上漲,而 O 代表價(jià)格下跌。當(dāng)價(jià)格反轉(zhuǎn)反轉(zhuǎn)量 4[5] 時(shí),會(huì)在 O 之后形成新的 X 列或在 X 之后形成新的 O 列。
支持點(diǎn)數(shù)圖的函數(shù)在其他地方找不到,只能在 mplfinance 庫中找到,而且它還使我們可以通過僅pnf在函數(shù)的type參數(shù)中指定來創(chuàng)建圖表的過程更容易plot。代碼如下所示:
mf.plot(amzn, type = 'pnf')
點(diǎn)數(shù)圖
mplfinance 包不僅限于生成不同類型的圖表,還使我們能夠通過添加簡(jiǎn)單移動(dòng)平均線 (SMA) 和交易量等附加指標(biāo)使這些圖表更具洞察力。對(duì)于那些不知道這兩者的人來說,成交量是交易者在特定時(shí)間范圍內(nèi)買賣的股票數(shù)量,而簡(jiǎn)單移動(dòng)平均線 (SMA) 只不過是特定時(shí)間段的平均價(jià)格。它是一種技術(shù)指標(biāo),廣泛用于創(chuàng)建交易策略。
用 matplotlib 繪制這些數(shù)據(jù)需要一千年,而 mplfinance 允許我們只用一行代碼就可以完成這項(xiàng)任務(wù)。除了type參數(shù)之外,我們只需要引入另外兩個(gè)參數(shù),一個(gè)是mav我們必須指定每個(gè) SMA 的回溯期的參數(shù),另一個(gè)是volume我們必須提到的參數(shù),True 如果我們想將成交量圖添加到我們的圖表中,或者False 我們不想。這兩個(gè)指標(biāo)的代碼如下所示:
mf.plot(amzn, mav = (10, 20), type = 'candle', volume = True)
可以通過兩種方式修改和試驗(yàn)上述代碼。第一種方法顯然是嘗試不同類型的圖表。在上述代碼中,我們提到我們的圖表類型是燭臺(tái),但你可以將其更改為 OHLC、Renko 甚至 P&F 圖表,并觀察每個(gè)圖表及其兩個(gè)附加指標(biāo)的外觀。下一個(gè)方法是使用mav我們可以添加任意數(shù)量的具有不同回顧期的 SMA的參數(shù)。上述代碼的輸出如下所示:
如果你想知道如何保存這些財(cái)務(wù)可視化中的任何一個(gè),只需添加另一個(gè)參數(shù),savefig即你只需提及其文件名的參數(shù),其余部分將被處理。假設(shè)你想保存上面的圖,那么你必須遵循的代碼如下所示:
mf.plot(amzn, mav = (10, 20), type = 'candle', volume = True, savefig = 'amzn.png')
import pandas as pd import requests import mplfinance as mf # Extracting stock data def get_historical_data(symbol, start_date): api_key = 'YOUR API KEY' api_url = f'https://api.twelvedata.com/time_series?symbol={symbol}&interval=1day&outputsize=5000&apikey={api_key}' raw_df = requests.get(api_url).json() df = pd.DataFrame(raw_df['values']).iloc[::-1].set_index('datetime').astype(float) df = df[df.index >= start_date] df.index = pd.to_datetime(df.index) return df amzn = get_historical_data('AMZN', '2021-01-01') amzn.tail() # 1. OHLC Chart mf.plot(amzn.iloc[:-50,:]) # 2. Candlestick Chart mf.plot(amzn.iloc[:-50,:], type = 'candle') # 3. Renko Chart mf.plot(amzn, type = 'renko') # 4. Point and Figure Chart mf.plot(amzn, type = 'pnf') # 5. Technical chart mf.plot(amzn, mav = (10, 20), type = 'candle', volume = True) # 6. Plot customization mf.plot(amzn, mav = (5, 10, 20), type = 'candle', volume = True, figratio = (10,5), style = 'binance', title = 'AMZN STOCK PRICE', tight_layout = True) # 7. Saving the plot mf.plot(amzn, mav = (5, 10, 20), type = 'candle', volume = True, figratio = (10,5), style = 'binance', title = 'AMZN STOCK PRICE', tight_layout = True, savefig = 'amzn.png')
以上就是“怎么使用Python代碼創(chuàng)建復(fù)雜的財(cái)務(wù)圖表”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家閱讀完這篇文章都有很大的收獲,小編每天都會(huì)為大家更新不同的知識(shí),如果還想學(xué)習(xí)更多的知識(shí),請(qǐng)關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。