用Python绘制MACD、KDJ、布林线技术指标图

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：

OS：mac

PYTHON: 3.8

IDE: pycharm

 

步骤：

第一步：加载库

import pandas as pd
import pandas_datareader as web
from datetime import datetime, timedelta
import talib
import matplotlib.pyplot as plt
from mplfinance.original_flavor import candlestick_ohlc
import matplotlib.ticker as ticker

pandas: 处理股票数据

pandas_datareader：行情数据获取api，也可以用tushare或者从新浪等网站获取

datetime：获取日期

talib：生成技术指标

candlestick_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

def stock(stock_code): #stock_code是股票代码，例子：上市 "600036.ss", 深市 "000001.sz"
    start_date = "2019-12-01"  #起始日期
    today = datetime.date(datetime.now())  #截止日期
    stock_info = web.get_data_yahoo(stock_code, start_date, today)  #获取行情数据，返回dataframe
    stock_info = stock_info.reset_index()  #默认index是日期，这里要重置一下，为后面绘图做准备
    stock_info = stock_info.astype({"Date": str})    #将Date列的类型设置为str，为绘图做准备
    return stock_info

以下是获取招商银行（股票代码 "600036.ss"） 的返回结果，一共6列，Date, High, Low, Open, Close, Volumn, Adj Close

 

第三步：获取技术指标数据

def get_indicators(stock_code):
    # 创建dataframe
    data = stock(stock_code)
    
    #获取macd
    data["macd"], data["macd_signal"], data["macd_hist"] = talib.MACD(data['Close'])

    #获取10日均线和30日均线
    data["ma10"] = talib.MA(data["Close"], timeperiod=10)
    data["ma30"] = talib.MA(data["Close"], timeperiod=30)

    #获取rsi
    data["rsi"] = talib.RSI(data["Close"])
    return data

talib有各种各样的技术指标，这里只获取了均线，macd和rsi，返回dataframe。

 

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，candlestick_ohlc需要传入固定格式的数据
    row_number = 0
    for 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.Date.values #获取Date数据

    def format_date(x, pos=None):
        # 由于前面股票数据在 date 这个位置传入的都是int
        # 因此 x=0,1,2,...
        # date_tickers 是所有日期的字符串形式列表
        if x < 0 or 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.plot(data.index, data["ma8"], label="MA8")
    ax_candle.plot(data.index, data["ma25"], label="MA25")
    candlestick_ohlc(ax_candle, ohlc, colorup="g", colordown="r", width=0.8)

    ax_candle.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))
    ax_candle.xaxis.set_major_locator(ticker.MultipleLocator(6)) #设置间隔为6个交易日
    ax_candle.grid(True)
    ax_candle.set_title(title, fontsize=20)
    ax_candle.legend()

    #绘制MACD
    ax_macd.plot(data.index, data["macd"], label="macd")
    ax_macd.bar(data.index, data["macd_hist"] * 3, label="hist")
    ax_macd.plot(data.index, data["macd_signal"], label="signal")
    ax_macd.set_title('MACD')
    ax_macd.legend()

    #绘制RSI
    ax_rsi.set_ylabel("(%)")
    ax_rsi.plot(data.index, [70] * len(data.index), label="overbought")
    ax_rsi.plot(data.index, [30] * len(data.index), label="oversold")
    ax_rsi.plot(data.index, data["rsi"], label="rsi")
    ax_rsi.set_title('KDJ')
    ax_rsi.legend()

    #绘制成交量
    ax_vol.bar(data.index, data["Volume"] / 1000000)
    ax_vol.set_ylabel("(Million)")

    #保存图片到本地
    fig.savefig("/Users/answer/Desktop/investment/photos/" + title + ".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, value in dict.items():
        # d.iteritems: an iterator over the (key, value) items
        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": "Zhaoshang Yinhang",
    "002142.sz": "Ningbo Yinhang",
    "000001.sz": "Pingan Yinhang",
    "601318.ss": "Zhongguo Pingan"
}

下面是恒瑞医药的绘制效果。几个指标清晰可见。

 

其它：

绘图的时候最好把绘图独立窗口关掉

 

Reference:

那未必, 2017, 使用matplotlib绘制k线图(去掉空白日期), https://www.jianshu.com/p/c10e57ccc7ba

Melina Mackey, 2020, Building a Technical Analysis Chart with Python, https://medium.com/analytics-vidhya/building-a-technical-analysis-chart-with-python-17107b78b297