【量化小讲堂-Python&Pandas系列03】使用python计算移动平均线
2017-11-08 22:32
656 查看
[b]引言:[/b]
本系列“量化小讲堂”,通过实际案例教初学者使用python、pandas进行金融数据处理,希望能对大家有帮助。
【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》
【所有系列文章汇总】:【量化小讲堂 – Python、Pandas系列】目录汇总
从csv格式的文件中导入股票数据,数据例图如下:
2.计算各类移动平均线,包括简单简单算术移动平均线MA、指数平滑移动平均线EMA;
3.将计算好的数据输出到csv文件中。
代码应该复制下来就能运行了,关于从哪里可以得到代码中使用的数据,后面会讲,下面贴上代码:
–– coding: utf-8 ––
“””
@author:
yucezhe
@contact: QQ:2089973054 email:xjc@yucezhe.com
“””
import pandas as pd
========== 从原始csv文件中导入股票数据,以浦发银行sh600000为例
# 导入数据 – 注意:这里请填写数据文件在您电脑中的路径
stock_data = pd.read_csv(‘stock data/sh600000.csv’, parse_dates=[1])
# 将数据按照交易日期从远到近排序
stock_data.sort(‘date’, inplace=True)
# ========== 计算移动平均线
# 分别计算5日、20日、60日的移动平均线
ma_list = [5, 20, 60]
# 计算简单算术移动平均线MA – 注意:stock_data[‘close’]为股票每天的收盘价
for ma in ma_list:
stock_data[‘MA_’ + str(ma)] = pd.rolling_mean(stock_data[‘close’], ma)
# 计算指数平滑移动平均线EMA
for ma in ma_list:
stock_data[‘EMA_’ + str(ma)] = pd.ewma(stock_data[‘close’], span=ma)
# 将数据按照交易日期从近到远排序
stock_data.sort(‘date’, ascending=False, inplace=True)
# ========== 将算好的数据输出到csv文件 – 注意:这里请填写输出文件在您电脑中的路径
stock_data.to_csv(‘sh600000_ma_ema.csv’, index=False)
代码输出的数据截图如下:
本系列“量化小讲堂”,通过实际案例教初学者使用python、pandas进行金融数据处理,希望能对大家有帮助。
【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》
【所有系列文章汇总】:【量化小讲堂 – Python、Pandas系列】目录汇总
使用python计算各类移动平均线
计算移动平均线是最常见的需求,下面这段代码将完成以下三件事情:从csv格式的文件中导入股票数据,数据例图如下:
2.计算各类移动平均线,包括简单简单算术移动平均线MA、指数平滑移动平均线EMA;
3.将计算好的数据输出到csv文件中。
代码应该复制下来就能运行了,关于从哪里可以得到代码中使用的数据,后面会讲,下面贴上代码:
–– coding: utf-8 ––
“””
@author:
yucezhe
@contact: QQ:2089973054 email:xjc@yucezhe.com
“””
import pandas as pd
========== 从原始csv文件中导入股票数据,以浦发银行sh600000为例
# 导入数据 – 注意:这里请填写数据文件在您电脑中的路径
stock_data = pd.read_csv(‘stock data/sh600000.csv’, parse_dates=[1])
# 将数据按照交易日期从远到近排序
stock_data.sort(‘date’, inplace=True)
# ========== 计算移动平均线
# 分别计算5日、20日、60日的移动平均线
ma_list = [5, 20, 60]
# 计算简单算术移动平均线MA – 注意:stock_data[‘close’]为股票每天的收盘价
for ma in ma_list:
stock_data[‘MA_’ + str(ma)] = pd.rolling_mean(stock_data[‘close’], ma)
# 计算指数平滑移动平均线EMA
for ma in ma_list:
stock_data[‘EMA_’ + str(ma)] = pd.ewma(stock_data[‘close’], span=ma)
# 将数据按照交易日期从近到远排序
stock_data.sort(‘date’, ascending=False, inplace=True)
# ========== 将算好的数据输出到csv文件 – 注意:这里请填写输出文件在您电脑中的路径
stock_data.to_csv(‘sh600000_ma_ema.csv’, index=False)
代码输出的数据截图如下:
相关文章推荐
- 【量化小讲堂-Python&Pandas系列01】如何快速上手使用Python进行金融数据分析
- 【量化小讲堂-Python&Pandas系列04】计算创业板平均市盈率
- 【量化小讲堂-Python&Pandas系列08】通过逐笔数据计算主力资金流数据
- 【量化小讲堂-Python&Pandas系列19】10年400倍策略分享(附视频逐行代码讲解)
- 【量化小讲堂-Python&Pandas系列11】法码三因子选股模型,有多少人可以跑赢
- 【量化小讲堂-Python&Pandas系列18】平均趋向指标(ADX)策略在A股的实证
- 【量化小讲堂-Python&Pandas系列12】诺奖得主的仓位分配算法,有效吗?
- 【量化小讲堂-Python&Pandas系列02】Windows下如何安装Python、Pandas
- 【量化小讲堂-Python&Pandas系列21】「视频讲解」浅谈机器学习与量化投资
- 【量化小讲堂-Python&Pandas系列22】最优雅的Python编程方式:Jupyter Notebook视频教程
- 【量化小讲堂-Python&Pandas系列09】量化投资中关于复权的处理
- 【量化小讲堂-Python&Pandas系列06】历史数据告诉你:KDJ指标选股有效吗?
- 【量化小讲堂-Python&Pandas系列05】极简方法将日线数据转为周线、月线或其他周期
- 【量化小讲堂-Python&Pandas系列14】逆天的反转策略在A 股实证
- 【量化小讲堂-Python&Pandas系列10】如何判断一个策略的好坏?(附代码)
- 量化-使用python计算各类移动平均线
- Python使用pandas & pymysql读取MySQL数据到csv文件中
- 【脚本语言系列】关于Python数值计算Pandas,你需要知道的事
- python量化分系列之---使用tushare获取股票实时分笔数据延时有多大
- 使用python计算方差——pandas.series.std()