用Python的Pandas和Matplotlib绘制股票唐奇安通道，布林带通道和鳄鱼组线

我最近出了一本书，《基于股票大数据分析的Python入门实战 视频教学版》，京东链接：https://item.jd.com/69241653952.html，在其中给出了MACD，KDJ等指标图的绘制方法。此外，还可以用价格通道来分析。根据指定股票通道指标的算法，能用过去一定时间段的交易数据绘制出上下两条通道线，即价格通道里的上下轨道。一般来说，当股价向上突破上轨时，即预测后市将涨，反之当股价向下突破下轨时，即预测后市将跌。

这里将根据若干算法，计算并绘制多种价格通道，从中大家一方面可以积累股市分析的经验，另一方面还能进一步掌握基于pandas的数据分析方法，以及基于matplotlib的可视化技巧。

1  计算并绘制唐奇安通道

唐奇安通道是由上阻力线、下支撑线和中心线这三条线组成。

上阻力线 = 过去N天的最高价

下支撑线 = 过去N天的最低价

中心线 =（上线 + 下线）除以 2

在实际的分析场景里，N的取值一般是20，在如下的DisplayDonChannel.py范例中，就用20天为周期，来计算并绘制唐奇安通道。

    # coding=utf-
    import pandas as pd
    import matplotlib.pyplot as plt
    from mpl_finance import candlestick2_ochl
    # 读数据
    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
    fig, ax = plt.subplots()
    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red', colordown='green')
    stockDf['up'] = stockDf['High'].rolling(window=).max()
    stockDf['up'].plot(color="green",label='上阻力线')
    stockDf['down'] = stockDf['Low'].rolling(window=).min()
    stockDf['down'].plot(color="navy",label='下支撑线')
    stockDf['mid'] = (stockDf['up']+stockDf['down'])/
    stockDf['mid'].plot(color="red",label='中心线')
    ax.set_ylabel("收盘价（元）")
    ax.grid()         # 带网格线
    ax.legend()     # 绘制图例
    #设置x轴文字间隔和旋转角度
    index=stockDf.index[stockDf.index%==]
    xtics=stockDf['Date'][stockDf.index%==]
    plt.xticks(index,xtics)
    plt.setp(plt.gca().get_xticklabels(), rotation=)
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.title("600530交大昂立20天唐奇安通道效果图")
    plt.show()

在第5行到第8行的代码里，从csv文件里读到了股票交易数据，并通过调用candlestick2_ochl方法绘制了k线图。在第9行里，通过rolling(window=20)方法得到了过去20天的最高价集合，在此基础上通过max()方法得到了过去20天的最高价，随后用第10行的plot方法绘制了上阻力线。

随后用同样的方法，用第11行和第12行的代码计算并绘制了下支撑线。在第13行里，设置了中心线为上阻力线和下支撑线的均值，并在第14行绘制了中心线。

由于在绘制上阻力线、下支撑线和中心线的时候都通过label参数设置了图例，随后在第17行用legend方法绘制了图例效果。为了能更直观地对比数据，所以在第16行里用grid方法设置了网格效果。

这里同样是通过第19行到第22行的代码，设置了x轴文字的间隔以及旋转角度，并在第24行里用title方法设置了标题。为了能显示中文标题，所以还需要加上第23行的语句。运行本范例，能看到如下图所示的效果，由于计算周期是20日，所以之前19日看不到对应的价格通道。而且从图上看，股价均在通道内运动，并没有向上和向下突破的动作，也就是说，从这些天的交易数据里，看不到基于20日唐奇安通道的买卖信号。

2  计算并绘制布林带通道

和上文描述的唐奇安通道类似，布林带通道也是通过上阻力线、下支撑线和中心线来绘制价格通道，这里的三条线算法如下所示。

中心线 = N日移动均线

上阻力线 = 中心线+两倍过去N天收盘价的标准差

下支撑线 = 中心线-两倍过去N天收盘价的标准差

而N的取值一般也是20。在如下的DisplayBollingerBands.py范例中，将演示计算并绘制20日周期布林带通道的做法。

    # coding=utf-
    import pandas as pd
    import matplotlib.pyplot as plt
    from mpl_finance import candlestick2_ochl
    # 读数据
    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
    fig, ax = plt.subplots()
    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red', colordown='green')
    stockDf['mid'] = stockDf['Close'].rolling(window=).mean()
    stockDf['std'] = stockDf['Close'].rolling(window=).std()
    stockDf['up'] = stockDf['mid'] + *stockDf['std']
    stockDf['down'] = stockDf['mid'] - *stockDf['std']
    stockDf['up'].plot(color="green",label='上阻力线')
    stockDf['down'].plot(color="navy",label='下支撑线')
    stockDf['mid'].plot(color="red",label='中心线')
    ax.set_ylabel("收盘价（元）")
    ax.grid() # 带网格线
    ax.legend()     # 绘制图例
    #设置x轴文字间隔和旋转角度
    index=stockDf.index[stockDf.index%==]
    xtics=stockDf['Date'][stockDf.index%==]
    plt.xticks(index,xtics)
    plt.setp(plt.gca().get_xticklabels(), rotation=)
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.title("600530交大昂立20天布林带通道效果图")
    plt.show()

本范例和之前的唐奇安通道的范例很相似，区别主要集中在第9行到第15行。在第9行里，先用rolloing和 mean方法计算过去20天的均值，以此作为中心线，再通过第10行的rolling和std方法，计算过去20天收盘价的标准差，在此基础上再通过第11行和第12行的代码计算上阻力线和下支撑线。

完成计算后，是通过第13行到第15行的plot方法绘制三条线，同时用label参数设置了图例。运行本范例，能看到如下图所示的效果。其中布林带通道的宽度是由过去20天收盘价的标准差决定，也就是说，如果过去20天收盘价波动比较大，那么布林带通道就比较宽，反之就比较狭窄。而且，虽然有个别价格向上或向下突破通道，但未形成“有效突破”，所以后期价格依然在通道内波动，由此大家能感受到“上阻力线”和“下支撑线”的“阻力”和“支撑”效果。

3  计算并绘制鳄鱼组线

鳄鱼组线其实不属于价格通道指标，但也是通过三条线来研判股价的走势，在鳄鱼组线里，三条线分别叫上唇、牙齿和下颚，具体算法如下所述。

上唇线是5天周期的价格平滑移动平均线（ SMMA ），向未来延后3天，也就是说第8天才会开始展示上唇线，上唇线一般用绿线绘制。

牙齿线是由8天周期的价格平滑移动平均线，向未来延后5天，一般用红线绘制。

下颚线由13天周期的价格平滑移动平均线向未来延后8天，一般用蓝色绘制。

这里的平滑移动平均线SMMA也叫流畅移动平均线，这里以5天周期为例，讲下具体的算法。

第1个SMMA值（即第5天的平滑平均值） = 前五天收盘价的均价

第6天的值 = （该周期内收盘价的和 –第1个SMMA值 + 第6天的收盘价）/5

第7天的值 = （该周期内收盘价的和 – 第2个SMMA值 + 第7天的收盘价）/5

依次类推，第n天的值 = （该周期内收盘价的和 –上个SMMA值 + 第n日收盘价）/5

这里的算法涉及到计算平滑移动平均线，在如下的DisplayCrocodileLines.py范例中，就将演示用pandas库计算相关数值，并用matplotlib绘制鳄鱼组线的做法。

    # coding=utf-
    import pandas as pd
    import matplotlib.pyplot as plt
    from mpl_finance import candlestick2_ochl
    #计算各种SMMA值
    def setSMMAVal(df, period):
        for i in range(len(df)):
            if i<period:
                df['SMMA' + str(period)] = df.ix[i,'MA'+  str(period)]
            else: #按算法计算SMMA值
               df.ix[i,'SMMA'+ str(period)]=df.ix[i,'MA'+ str(period)] + (df.ix[i,'Close'] - df.ix[i-,'SMMA'+ str(period)])/period
        return df

在第6行的setSMMAVal方法里，是根据参数period指定的周期，计算各种SMMA值。具体而言，在第7行的for循环里，如果当前遍历的索引号小于周期值，则设置SMMA值为当天的MA均值，否则的话，则通过第11行的代码，按SMMA的算法，计算当天的值。

请注意这里的列名是动态拼接的，比如在第9行，如果当前参数是5，那么其实是用df['MA5'] 的值来填充df['SMMA' + str(period)]值。

    #计算三条鳄鱼组线
    def setCrocodileVal(df):
        #  用shift方法，把数据顺延
        df['up'] = df['SMMA5'].shift()
        df['mid'] = df['SMMA8'].shift()
        df['down'] = df['SMMA13'].shift()
        return df

在得到SMMA的值以后，可以通过第14行的setCrocodileVal方法来计算3条鳄鱼组线的值，这里的技巧是shift方法，比如在第16行里，是用df['SMMA5'].shift(3)代码，把当天的SMMA5值向后顺延3天，以此设置上唇线的值。在第17行和第18行里，也是用shift方法，顺延对应的SMMA值，得到牙齿线和下颚线的值。

    # 读数据
    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
    #算均值
    stockDf['MA5'] = stockDf['Close'].rolling(window=).mean()
    stockDf['MA8'] = stockDf['Close'].rolling(window=).mean()
    stockDf['MA13'] = stockDf['Close'].rolling(window=).mean()
    #算三个SMMA值
    stockDf = setSMMAVal(stockDf, )
    stockDf = setSMMAVal(stockDf, )
    stockDf = setSMMAVal(stockDf, )
    #计算三个鳄鱼组线的值
    stockDf = setCrocodileVal(stockDf)

通过第21行的代码得到csv里股票数据后，先通过第23行到第25行的代码，计算5天、8天和13天的均价，并通过第27行到第29行的代码计算三个SMMA值，随后再通过第31行的代码计算三个鳄鱼组线的值，至此完成计算，在后文里开始绘图。

    fig, ax = plt.subplots()
    #为了突出三条组线，设置了透明度为0.
    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red',alpha=0.5, colordown='green')
    #绘制三条组线
    stockDf['up'].plot(color="green",label='上唇线')
    stockDf['down'].plot(color="red",label='牙齿线')
    stockDf['mid'].plot(color="blue",label='下颚线')
    ax.set_ylabel("收盘价（元）")
    ax.grid() # 带网格线
    ax.legend()     # 绘制图例
    #设置x轴文字间隔和旋转角度
    index=stockDf.index[stockDf.index%==]
    xtics=stockDf['Date'][stockDf.index%==]
    plt.xticks(index,xtics)
    plt.setp(plt.gca().get_xticklabels(), rotation=)
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.title("600530交大昂立鳄鱼组线效果图")
    plt.show()

在第36行到第38行的代码里，是通过plot方法绘制了三条鳄鱼组线，同时通过color参数分别设置了颜色，通过label参数设置了图例。其他的可视化代码之前都已经分析过，这里就不再讲述了。运行本范例，能看到如下图所示的效果。

由于在绘制K线图时通过alpha参数设置了透明度，所以这里三条鳄鱼组线更加明显。

按照股市分析理论，如果上唇线在牙齿线之上，同时牙齿线在下颚线之上，说明当前进入股价上升阶段。如果相反，上唇线在牙齿线之下，而牙齿线在下颚线之下，则说明股价进入下跌阶段。如果上图那样三条线相互交错缠绕，则通过该指标说明当前市场没有发出明确的买卖交易信号。不过本范例的主题是数据分析，所以请更关注计算三条线时用到的相关python方法。

 本文可以转载，转载时请全文转载，别有删节，并用链接的形式给出原文链接。否则的话，可能会遇到出版社的维权。

文本相关链接:

用Python爬取股票数据，绘制K线和均线并用机器学习预测股价（来自我出的书）

 

用Python语言绘制股市OBV指标效果

 

程序员如何高效学Python，如何高效用Python挣钱

 

用matplotlib和pandas绘制股票MACD指标图，并验证化交易策略

 

向大家介绍我的新书：《基于股票大数据分析的Python入门实战》

 

通过机器学习的线性回归算法预测股票走势（用Python实现）

 

在我的新书里，尝试着用股票案例讲述Python爬虫大数据可视化等知识

 

以股票RSI指标为例，学习Python发送邮件功能（含RSI指标确定卖点策略） 

 

以预测股票涨跌案例入门基于SVM的机器学习

 

用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果（含量化验证交易策略代码）

 

用python的matplotlib和numpy库绘制股票K线均线的整合效果（含从网络接口爬取数据和验证交易策略代码）