[量化投资-学习笔记004]Python+TDengine从零开始搭建量化分析平台-EMA均线

在之前的文章中用 Python 直接计算的 MA 均线,但面对 EMA 我认怂了。
Python+TDengine从零开始搭建量化分析平台-MA均线的多种实现方式

高数是我们在大学唯一挂过的科。这次直接使用 Pandas 库的 DataFrame.ewm 函数,便捷又省事。
并且用 Pandas 直接对之前 MA 均线进行改写。

我一直同意:I would rather be vaguely right than precisely wrong.

EMA 公式:

EMA(t)=平滑常数*当前价格+(1-平滑常数)*EMA(t-1)

目录

    • 1. 获取数据
    • 2.计算均线
    • 3. 绘制图形
    • 题外话
      • 1. 均线的周期
      • 2. 均线的使用

1. 获取数据

还是使用 Restful 方式从 TDengine 查询数据,并转换成 DataFrame 格式。想看获取数据完整代码的同学,可以翻我之前的笔记。

##SQL
st = '2022-08-01'
et = '2022-10-01'
sql = 'select last(tdate),last(close) from trade_data_a.tdata where fcode="000001" and tdate>="'+st+'" and tdate<="'+et+'"' +' interval(1d) '

## 通过Restful 从 TDengine 获取交易数据
def request_post(url, sql, user, pwd):
    try:
        sql = sql.encode("utf-8")
        headers = {
            'Connection': 'keep-alive',
            'Accept-Encoding': 'gzip, deflate, br'
        }
        result = requests.post(url, data=sql, auth=HTTPBasicAuth(user,pwd),headers=headers)
        text=result.content.decode()
        return text
    except Exception as e:
        print(e)

## 判断查询是否成功
def check_return(result):
    datart = json.loads(result).get("code")
    if  str(datart) == '0':
        chkrt = 'succ'
    else:
        chkrt = 'error' 
    return chkrt

## 将返回的 Json 转换为 DataFrame
def request_get_d(resInfo):
    load_data = json.loads(resInfo)
    data = load_data.get("data")
    df = pd.DataFrame(data)
    df.rename(columns={0:'tdate',1:'close'},inplace=True)
    return df

2.计算均线

不得不说,用别人的轮子就是方便。

if __name__ == '__main__':
    rt = request_post(tdurl,sql,username,password)
    scode = check_return(rt)
    if scode != 'error':
        df = request_get_d(rt)
        ema5 = pd.DataFrame.ewm(df['close'],span=5).mean() 
        ema10 = pd.DataFrame.ewm(df['close'],span=10).mean() 

3. 绘制图形

        plt.title("EMA")
        plt.plot(ema5,'g',linewidth=1.0,label='EMA5')
        plt.plot(ema10,'r',linewidth=1.0,label='EMA10')
        plt.legend()
        plt.grid()
        plt.show()

看起来比上次计算 MA 均线简单多了,毕竟是站在别人的肩膀上嘛。
[量化投资-学习笔记004]Python+TDengine从零开始搭建量化分析平台-EMA均线_第1张图片

题外话

历史数据的均线基本不会变化,计算好以后可以直接写到 TDengine 里面,然后在 Grafana 中展示。

这部分的实现放在下个笔记。

1. 均线的周期

绘制均线必须要指定周期,通常使用的周期为5、10、20,为什么呢??

因为通常一周的交易日是5天,其他为5的倍数,那么这个周期是否能够准确趋势的变化呢?

有句话说的很好,技术分析总是在不断的自我验证中走向灭亡。

因此均线周期的选择并非一成不变的,通过修改周期,可能会获得不同的视角。

2. 均线的使用

仔细观察就会发现:均线相较于实际数据数据是滞后的,周期越长滞后越严重。MA 均线比 EMA 均线更加滞后,因为 EMA中 最近的数据具有较大的权重。

因此,均线只是对历史价格趋势的描述,而非预测。这点非常重要。也就是说,均线是用来确认趋势,对价格走势进行验证的。

你可能感兴趣的:(Python,TDengine,笔记,python,学习,笔记,tdengine,大数据,时序数据库,量化)