Python绘制MACD指标图

时间 2020-08-08 标签 python 绘制 macd 标图

写在前面

最近正在研究算法交易，看了几本英文原版书。本文总结自Packt出版社的《Learn Algorithmic Trading - Fundamentals of Algorithmic Trading》（图1）。现将该书的MACD技术指标部分进行总结，并对数据处理等函数作了相应改动，供有须要的读者学习研究。
html

图1

MACD简介

MACD(Moving average convergence divergence)平滑异同移动平均线，1979年由美国人杰拉德·阿佩尔(Gerald Appel)及福雷德·海期尔(Fred Hitschler)所发明，在股票、期货等的市场分析等方面都有着普遍的应用。python

用到的主要Python库

Python绘图库Matplotlib 3.2.1
Python金融数据处理库Pandas 1.0.2web

MACD详细介绍

MACD指标^[1]基于快速、慢速两个长度不一样的移动均线
(FastMA是短时间均线，SlowMA是长期均线)，即：
MACD = FastMA - SlowMA
第二条线，称为信号线，为移动MACD的平均值，即：
SignalLine = MovAvg (MACD)
第三条线，称为MACD直方图，为MACD和信号线之间的差别，即：
MACD Histogram = MACD - SignalLine
公式 $\begin{array}{c} MACD=E M A_{\text {Fast}}-E M A_{\text {Slow}} \\ MACD_{\text {Signal}}=E M A_{M A C D} \\ MACD_{\text {Histogram}}=M A C D-M A C D_{\text {Signal}} \end{array}$

Python代码

# 处理时间标签
from datetime import datetime
# 图形参数控制
import pylab as pl
# 导入及处理数据
import pandas as pd
# 绘图
import matplotlib.pyplot as plt
import matplotlib as mpl
# 解决一些编辑器(VSCode)或IDE(PyCharm)等存在的图片显示问题，
# 应用Tkinter绘图，以便对图形进行放缩操做
mpl.use('TkAgg')

# 导入数据并作处理
def import_csv(stock_code):
    df = pd.read_csv(stock_code + '.csv')
    df.rename(columns={
        'date': 'Date',
        'open': 'Open',
        'high': 'High',
        'low': 'Low',
        'close': 'Close',
        'volume': 'Volume'
    },
        inplace=True)
    df['Date'] = pd.to_datetime(df['Date'], format='%Y/%m/%d')
    df.set_index(['Date'], inplace=True)
    return df


stock_code = 'sh600519'
# 绘制数据的规模scale
scale = 100
df = import_csv(stock_code)[-scale:]

# EMA(Exponential Moving Average), 指数移动平均线
num_periods_fast = 10  # 快速EMA的时间周期，10
# K:平滑常数，常取2/(n+1)
K_fast = 2 / (num_periods_fast + 1)  # 快速EMA平滑常数
ema_fast = 0
num_periods_slow = 40  # 慢速EMA的时间周期，40
K_slow = 2 / (num_periods_slow + 1)  # 慢速EMA平滑常数
ema_slow = 0
num_periods_macd = 20  # MACD EMA的时间周期，20
K_macd = 2 / (num_periods_macd + 1)  # MACD EMA平滑常数
ema_macd = 0

ema_fast_values = []  
ema_slow_values = []  
macd_values = []  
macd_signal_values = []  
# MACD - MACD-EMA
MACD_hist_values = []  
for close_price in df['Close']:
    if ema_fast == 0:  # 第一个值
        ema_fast = close_price
        ema_slow = close_price
    else:
        ema_fast = (close_price - ema_fast) * K_fast + ema_fast
        ema_slow = (close_price - ema_slow) * K_slow + ema_slow

    ema_fast_values.append(ema_fast)
    ema_slow_values.append(ema_slow)

	# MACD is fast_MA - slow_EMA
    macd = ema_fast - ema_slow  
    if ema_macd == 0:
        ema_macd = macd
    else:
    	# signal is EMA of MACD values
        ema_macd = (macd - ema_macd) * K_macd + ema_macd  
    macd_values.append(macd)
    macd_signal_values.append(ema_macd)
    MACD_hist_values.append(macd - ema_macd)

df = df.assign(ClosePrice=pd.Series(df['Close'], index=df.index))
df = df.assign(FastEMA10d=pd.Series(ema_fast_values, index=df.index))
df = df.assign(SlowEMA40d=pd.Series(ema_slow_values, index=df.index))
df = df.assign(MACD=pd.Series(macd_values, index=df.index))
df = df.assign(EMA_MACD20d=pd.Series(macd_signal_values, index=df.index))
df = df.assign(MACD_hist=pd.Series(MACD_hist_values, index=df.index))

close_price = df['ClosePrice']
ema_f = df['FastEMA10d']
ema_s = df['SlowEMA40d']
macd = df['MACD']
ema_macd = df['EMA_MACD20d']
macd_hist = df['MACD_hist']

# 设置画布，纵向排列的三个子图
fig, ax = plt.subplots(3, 1)

# 设置标签显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  
plt.rcParams['axes.unicode_minus'] = False

# 调整子图的间距，hspace表示高(height)方向的间距
plt.subplots_adjust(hspace=.1)

# 设置第一子图的y轴信息及标题
ax[0].set_ylabel('Close price in ￥')
ax[0].set_title('A_Stock %s MACD Indicator' % stock_code)
close_price.plot(ax=ax[0], color='g', lw=1., legend=True, use_index=False)
ema_f.plot(ax=ax[0], color='b', lw=1., legend=True, use_index=False)
ema_s.plot(ax=ax[0], color='r', lw=1., legend=True, use_index=False)

# 应用同步缩放
ax[1] = plt.subplot(312, sharex=ax[0])
macd.plot(ax=ax[1], color='k', lw=1., legend=True, sharex=ax[0], use_index=False)
ema_macd.plot(ax=ax[1], color='g', lw=1., legend=True, use_index=False)

# 应用同步缩放
ax[2] = plt.subplot(313, sharex=ax[0])
df['MACD_hist'].plot(ax=ax[2], color='r', kind='bar', legend=True, sharex=ax[0])

# 设置间隔，以便图形横坐标能够正常显示（不然数据多了x轴会重叠）
interval = scale // 20
# 设置x轴参数，应用间隔设置
# 时间序列转换，(不然日期默认会显示时分秒数据00:00:00)
# x轴标签旋转便于显示
pl.xticks([i for i in range(1, scale + 1, interval)],
          [datetime.strftime(i, format='%Y-%m-%d') for i in \
           pd.date_range(df.index[0], df.index[-1], freq='%dd' % (interval))],
          rotation=45)
plt.show()

所得图像以下：
算法

总结

本文以Python的Matplotlib绘图库为工具，实现了金融领域经常使用的MACD技术指标，便于你们更好地理解和应用量化交易，往后还会更新其余技术指标的Python实现，欢迎学习交流！
本文用到的数据及有关书籍资源有须要者可私信我。app

参考文献

[1] Sebastien Donadio,Sourav Ghosh.Learn Algorithmic Trading - Fundamentals of Algorithmic Trading.Birmingham：Packt Press,2019.P55-59.编辑器

2020.8.1更新

指出了文中的一个错误，已在文中修改。代码第71行应该为K_macd，为macd的EMA的平滑常数，在此感谢细心的读者@ertewu.学习