【量化分析】如何下载和显示股票交易数据

本文介绍: 直到最近我才发现 matplotlib 有一个单独的库/模块专门用于财务绘图。它称为 mplfinance，在本文中，我将展示它的一些不错且非常独特的功能。注意，我们这里的意义，不是尝试显示数据为最后目的，而是用这些原始数据完成我们自己的交易策略和代码实现，因此，这种原生态数据比通过其它工具软件获得的策略建议要有意义的多。

一、说明

3.1 mplfinance — matplolib 用于绘制财务数据的不为人知的库

一、说明

直到最近我才发现 matplotlib 有一个单独的库/模块专门用于财务绘图。它称为 mplfinance，在本文中，我将展示它的一些不错且非常独特的功能。注意，我们这里的意义，不是尝试显示数据为最后目的，而是用这些原始数据完成我们自己的交易策略和代码实现，因此，这种原生态数据比通过其它工具软件获得的策略建议要有意义的多。

二、数据获取 工具Tushare

2.1 Tushare 简介

Tushare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Py th on pandas包在金融量化分析中体现出的优势，Tushare 返回的绝大部分的数据格式都是pandas Da taFram e 类型，非常便于用pandas/NumPy/Ma t p lo t lib进行数据分析和可视化。当然，如果您习惯了用Exc el或者关系型数据库做分析，您也可以通过Tushare的数据存储功能，将数据全部保存到本地后进行分析。应一些用户的请求，从0.2.5版本开始，Tushare同时兼容Py th on 2.x和Pyth on 3.x，对部分代码进行了重构，并优化了一些算法，确保数据获取的高效和稳定。

Tusha re还在不断的完善和优化，后期将逐步增加港股、期货、外汇和基金方面的数据，所以，您的支持和肯定才是Tusha re坚持下去的动力。

为了更好的为用户提供服务，特地建立了一个收费群“Tusha re 会员群”：621499723，每人200元，送2000积分。(可以通过捐助里面的二维码支付并留下QQ号即可)，会员能获得更多数据和技术相关服务。

2.2 Tusha re 安装

pip install tushare

三、介绍 mplfinance 模块

3.1 mplfin a nce — mat p lo lib 用于 绘制 财务数据的不为人知的库

众所周知，matplotlib 用途广泛，几乎可以用来创建您想要的任何类型的图表。它可能不是最简单或最漂亮的，但在 St ackOv er flow 上查看足够多的问题后，它很可能最终会很好地解决问题。

我知道可以在纯 matplotlib 中创建烛台图等财务图表，但这并不是最愉快的体验，使用 p lo tly 或 alt ai r 等库可以更轻松地完成此操作。

然后，我们下载要处理的股票价格——在这篇文章中，我们使用 Apple 从 2020 年下半年开始的股票价格。如果您对下载股票价格的更多详细信息感兴趣，可以查看我的另一篇文章。

3.2 安装

pip install --upgrade mplfinance
# For more information, see: https://pypi.org/project/mplfinance/

四、mplfi nan ce 显示财务数据

4.1 显示数据约定

1）从tushare得到股票数据：

dataframe = ts.get_hist_data('000881')
# 其中：’000881‘是股票编号。

2）要想在mplfi nan ce上显示，必须符合以下约束：

1) data必须是pandas.DataFrame数据类型，对所包含的列也有要求。（自然满足）
2) 必须包含’Ope n’, ‘Hi g h’, ‘Lo w’ 和 ‘Close’ 数据（注意:首字母是大写的）。
3）而且行索引必须是pandas.DatetimeIndex。
4）行索引的名称必须是’Date‘(同理注意首字母大写)，
5）此外还有一列是’Volume’，如果绘制成交量这一列是必须的。

4.2 数据预处理

#import mplfinance as mpf
import tushare as ts
import pandas as pd


dataframe = ts.get_hist_data('000881')
dataframe.columns=['Open', 'High', 'Close', 'Low', 'Volume', 'price_change', 'p_change','ma5', 'ma10', 'ma20', 'v_ma5', 'v_ma10', 'v_ma20', 'turnover']
date_time = pd.to_datetime(dataframe.index)
dataframe.index = date_time
dataframe.index.name='Date'

4.3 预处理 代码 解释

1）对columns的名称进行改名：

dataframe.columns=[‘Ope n‘, ‘Hi g h‘, ‘Close’, ‘Lo w‘, ‘Volume’, ‘p rice_change‘, ‘p_change‘,’ma5’, ‘ma10’, ‘ma20’, ‘v_ma5′, ‘v_ma10′, ‘v_ma20′, ‘turn over‘]

columns的原始数据：

[‘open‘, ‘hi gh’, ‘close‘, ‘low‘, ‘volume’, ‘price_change‘, ‘p_change‘,’ma5’, ‘ma10’, ‘ma20’, ‘v_ma5′, ‘v_ma10′, ‘v_ma20’, ‘turn ov er‘]

2）原in de x名称“date”，改成“Date”

dataframe.in de x.name=’Date’

3）原in dex类型是string，改成date后重新索引。

date_time = pd.to_date time(data frame.in dex)
data frame.in dex = date_time

4.4 股市数据显示

import mplfinance as mpf
import tushare as ts
import pandas as pd


dataframe = ts.get_hist_data('000881')
dataframe.columns=['Open', 'High', 'Close', 'Low', 'Volume', 'price_change', 'p_change','ma5', 'ma10', 'ma20', 'v_ma5', 'v_ma10', 'v_ma20', 'turnover']
date_time = pd.to_datetime(dataframe.index)
dataframe.index = date_time
dataframe.index.name='Date'

mpf.plot(dataframe,type='line')
mpf.plot(dataframe, type='line', mav=(2, 5, 10))
mpf.plot(dataframe, type='line', mav=(2, 5, 10), volume=True)
mpf.plot(dataframe,type='line',mav=(2, 5, 10), volume=True,show_nontrading=True)

4.5 结果图

五、mplfi nance的各种绘图 风格

5.1 OHLC图表

mplfi nance 提供了几种有助于分析资产价格模式的图表。第一个是 OHLC 图表，也是库中的默认图表。我们可以通过简单地使用 plot 函数来创建它：

mpf.plot(df["2020-12-01":])

其中 df 是包含 OHLC 数据和 DatetimeIndex 的 pandas DataFrame。我们仅将数据限制为上个月，以便清楚地看到情节元素的形状。

解释与烛台图非常相似。左边的水平线表示开盘价，右边的水平线表示收盘价。垂直线代表价格的波动，我们可以从两个极端读取高/低价格。

在这一点上，值得一提的是，mplfi nance 提供了一种在一张图表上堆叠多层信息的简单方法。例如，假设我们想要将最高价和最低价作为线添加到先前创建的图中。我们可以使用 make_addplot 函数轻松做到这一点，如下所示。我们首先定义附加线，然后将它们作为附加参数传递给 plot 函数。

5.2 OHLC图表追加对比线

extra_plot  = mpf.make_addplot(df.loc["2020-12-01":, ["High","Low"]])
mpf.plot(df["2020-12-01":], addplot=extra_plot)

运行代码生成以下图像，它仅确认垂直线的极端对应于给定日期的最高价和最低价。

当然，这是一个简化的例子。在更复杂的情况下，我们可能有兴趣添加一些技术指标，例如布林带或简单移动平均线。我们很快就会回到后者。我们还可以使用相同的函数来创建显示我们进入/退出位置的符号。

5.3 蜡烛图

可用图表类型的下一个是烛台图。使用 mplfinance 生成它们就像向 plot 函数添加一个额外的参数一样简单。

mpf.plot(df["2020-12-01":], type="candle")

当您查看蜡烛和日期时，很明显那里缺少一些日期。这自然是因为市场在周末和一些特殊日子休市。如果你想考虑到这一点，你可以为 plot 函数提供一个额外的参数：

mpf.plot(df["2020-12-01":], type="candle", show_nontrading=True)

让我们向情节添加更多信息。首先，我们可以将一个方便的参数传递给 plot 函数 — mav — 它会自动添加我们想要的任何简单移动平均线。对于此图，让我们采用 10 天和 20 天均线。其次，我们还可以添加交易量。

mpf.plot(df, type="candle", mav=(10, 20), volume=True)

5.4 莲子图

老实说，mplfinance 是我第一个看到以下两种图的地方，因为它们不如 OHLC 和烛台图受欢迎。第一个称为 Renko 图表，它是使用价格变动构建的，没有像大多数图表那样考虑标准化的时间间隔。

它在实践中的意思是，当价格移动指定量时创建一个新块，并且每个后续块都以与前一个块成 45 度角的方式添加，无论是在它的上方还是在它的下方。

Renko 图表最常见的用途是滤除价格序列中的噪音并帮助识别价格趋势。这是因为所有小于指示框大小的价格变动都被过滤掉了。

我们可以通过在使用 plot 函数时简单地指定类型参数来创建 Renko 图表。

mpf.plot(df,type="renko")

我们也可以根据自己的喜好修改积木的大小。在下面的代码片段中，我们将其设置为 2。

mpf.plot(df, type="renko", renko_params=dict(brick_size=2))

5.5 点数图

库中可用的最后一种图表是点数图。与 Renko 图表类似，它没有考虑时间的流逝。 P&F 图表使用堆叠的 X 和 O 的列，其中每个符号代表特定的价格变动（由框大小决定，我们可以根据自己的喜好进行调整）。

X代表价格上涨一定幅度，而O代表下跌。我们需要的最后一条信息是创建不同符号的新列的条件（O 跟随 X，反之亦然）。为了创建一个新列，价格必须改变反转量，通常设置为框大小的三倍（在 mplfinance 中，默认值为 1）。

mpf.plot(df, type="pnf")

我们可以轻松地将此 P&F 图与第一个 Renko 图进行比较，以查看完全相同的模式。

5.6 添加样式和一般美化

使用 mplfinance 创建的绘图已经非常适合单线显示，因此绝对不会在纯 matplotlib 中经常发生的事情。但是，我们可以在 plot 函数中使用更多可用选项，使我们的绘图更加漂亮。

对于下一个图，我们更改图形的比例，添加标题，选择紧凑的布局并应用样式。我们使用 binance 风格，这使得情节类似于流行的加密货币交易所提供的情节。

mpf.plot(df, figratio=(10, 6), type="candle", 
         mav=(21), volume=True,
         title = f"Price of {TICKER}",
         tight_layout=True, style="binance")

就我个人而言，我会说这对于我们必须编写的额外代码量来说是一个很大的改进。如果你对库中有哪些样式感到好奇，可以使用以下命令查看所有样式：

mpf.available_styles()

六、保存 文件

最后，我们还可以轻松地将图形保存到本地文件。为此，我们只需要将文件名提供给 plot 函数的 savefig 参数。代码如下所示。

mpf.plot(df, figratio=(10, 6), type="candle", 
         mav=(21), volume=True,
         title = f"Price of {TICKER}",
         tight_layout=True, style="binance", 
         savefig=f"{TICKER}.png")