一般来说券商APP已经提供了非常丰富的图表和数据，但是架不住新手各种天马行空的想像，以及对于可以寻找到圣杯的迷之自信，所以有必要介绍一下对于自定义图形和指标的实现方式。
数据源
比较常见的几种数据源：财经网站、数据平台、数据接口。
财经网站
东方财富、新浪财经等等，此类网站很多，只是需要自己编写爬虫解析网页。
数据平台
大多为提供PythonAPI，比如Tushare、baostock等，不过要么需要积分要么数据涵盖补全。
数据接口
雅虎财经相比国内的财经网站，特别提供了获取数据的接口服务，避免了编写爬虫和熟悉各个数据平台的API。
获取数据
由以下网址可以访问苹果的历史数据:
https://au.finance.yahoo.com/quote/AAPL/history?p=AAPL
由图中Download的链接可以得到下载历史数据的接口，格式如下：
https://query1.finance.yahoo.com/v7/finance/download/AAPL?period1=1615556170&period2=1647092170&interval=1d&events=history&includeAdjustedClose=true因此，我们可以构建下载某个股票在指定时间范围内、指定时间周期的历史数据。
#!/bin/bash
#
# Author: [email protected]
#
# 基于雅虎API获取股票历史数据
# 需传入要获取的股票代码、起止时间、时间周期等参数
###############################
# 参数校验
###############################
if [ $# -lt 3 ]; then
echo "Error: Please enter correct parameters"
exit 1
else
code=$1
sday=$2
eday=$3
if [ $# -gt 3 ]; then
inte=$4
else
inte="1d"
fi
fi
###############################
# 基础配置
###############################
HOME=$(cd "$(dirname "$0")" || exit; pwd)
cd "$HOME" || exit;
s_tms=$(date -d ${sday} +%s)
e_tms=$(date -d ${eday} +%s)
api="https://query1.finance.yahoo.com/v7/finance/download"
args="events=history&includeAdjustedClose=true"
data_path=../../data
file_name=${code}-${sday}-${eday}-${inte}.csv
###############################
# 函数实现
###############################
get_data() {
url="${api}/${code}?period1=${s_tms}&period2=${e_tms}&interval=${inte}&${args}"
curl -k ${url} > ${data_path}/${file_name}
}
###############################
# 数据处理
###############################
main() {
get_data
}
main获取苹果2022年1月到2月的交易数据
sh get_history.sh AAPL 20220101 202202282022-02-14,167.369995,169.580002,166.559998,168.880005,168.880005,86185500
2022-02-15,170.970001,172.949997,170.250000,172.789993,172.789993,62527400
2022-02-16,171.850006,173.339996,170.050003,172.550003,172.550003,61177400
2022-02-17,171.029999,171.910004,168.470001,168.880005,168.880005,69589300
2022-02-18,169.820007,170.539993,166.190002,167.300003,167.300003,82772700
自定义图形和指标
有了数据，接下来就可以绘制自定义的图形和指标。
关于指标，TA-Lib库提供了相当丰富的技术分析指标。
关于图形，mplfinance库提供了金融数据可视化的基本功能。
这里以KAMA-考夫曼均线为例进行绘图。相比于普通均线，KAMA添加了平滑系数，在一定程度上缓解了普通均线在短时间周期时过于灵敏、长时间周期又过于迟钝的问题。
def indicators_kama():
data["kama"] = talib.KAMA(data["Close"], timeperiod=30)画图时按三行一列的布局。
fig = plt.figure()
fig.set_size_inches((20, 16))
ax_main = fig.add_subplot(3, 1, 1)
# 后面两个图使用与 ax_main 相同的 X 轴
ax_macd = fig.add_subplot(3, 1, 2, sharex=ax_main)
ax_vol = fig.add_subplot(3, 1, 3, sharex=ax_main)为避免非交易日造成图形不连续, 将索引与日期做映射
def format_date(x, pos):
if x < 0 or x > len(data.index) - 1:
return ''
return data.index[int(x)]
ax_main.xaxis.set_major_formatter(tk.FuncFormatter(format_date))
# X 轴五天一个间隔显示
ax_main.xaxis.set_major_locator(tk.MultipleLocator(5))显示 MACD 指标时对零轴上下按不同颜色显示
ax_macd.plot(data.index, data["macd"], label="macd", color='y')
ax_macd.plot(data.index, data["macd_signal"], label="signal", color='b')
macd_hist = data[data.macd_hist >= 0].macd_hist
ax_macd.bar(macd_hist.index.tolist(), macd_hist, color='r')
macd_hist = data[data.macd_hist < 0].macd_hist
ax_macd.bar(macd_hist.index.tolist(), macd_hist, color='g')
ax_macd.get_xaxis().set_visible(False)
ax_macd.legend()对于大于二十日均值的交易量按红色显示, 其它则按绿色显示
volume = data[data.Volume >= data.mavol].Volume
ax_vol.bar(volume.index.tolist(), volume, color='r')
volume = data[data.Volume < data.mavol].Volume
ax_vol.bar(volume.index.tolist(), volume, color='g')
ax_vol.get_xaxis().set_visible(False)最终效果