yuxiangyang
import numpy as np
import matplotlib.pyplot as mp
import datetime as dt
import matplotlib.dates as md

\'\'\'
    移动均线:制作收盘价的5日移动均线,即从第5天开始,每天计算最近5天的收盘价的均值构成的一条线
        ----作用:降噪
\'\'\'


# 日期转化函数
def dmy2ymd(dmy):
    # 把dmy格式的字符串转化成ymd格式的字符串
    dmy = str(dmy, encoding=\'utf-8\')
    d = dt.datetime.strptime(dmy, \'%d-%m-%Y\')
    d = d.date()
    ymd = d.strftime(\'%Y-%m-%d\')
    return ymd


dates, opening_prices, highest_prices, lowest_prices, closing_prices = \
    np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True,
               dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd})  # converters为转换器,运行时先执行,其中1表示时间所在的列索引号

# 绘制收盘价折线图
mp.figure(\'AAPL\', facecolor=\'lightgray\')
mp.title(\'AAPL\', fontsize=18)
mp.xlabel(\'date\', fontsize=12)
mp.ylabel(\'closing_pricing\', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=\':\')
# 设置x轴的刻度定位器,使之更适合显示日期数据
ax = mp.gca()
# 以周一作为主刻度
ma_loc = md.WeekdayLocator(byweekday=md.MO)
# 次刻度,除周一外的日期
mi_loc = md.DayLocator()
ax.xaxis.set_major_locator(ma_loc)
ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\'))
ax.xaxis.set_minor_locator(mi_loc)
# 日期数据类型转换,更适合绘图
dates = dates.astype(md.datetime.datetime)
mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.3)
# 绘制5日移动均线
sma = np.zeros(closing_prices.size - 4)
for i in range(sma.size):
    sma[i] = closing_prices[i:i + 5].mean()
mp.plot(dates[4:], sma, color=\'orangered\', linestyle=\':\', label=\'SMA5\')

mp.tight_layout()
mp.legend()
# 自动格式化x轴日期的显示格式(以最合适的方式显示)
mp.gcf().autofmt_xdate()
mp.show()

 

基于卷积运算实现5日移动平均线

  卷积运算规则及分类:

    

  实现代码:

  

import numpy as np
import matplotlib.pyplot as mp
import datetime as dt
import matplotlib.dates as md

\'\'\'
    1.移动均线:制作收盘价的5日移动均线,即从第5天开始,每天计算最近5天的收盘价的均值二构成的一条线
        ----作用:降噪
    2.有效卷积实现5日移动平均线绘制
\'\'\'


# 日期转化函数
def dmy2ymd(dmy):
    # 把dmy格式的字符串转化成ymd格式的字符串
    dmy = str(dmy, encoding=\'utf-8\')
    d = dt.datetime.strptime(dmy, \'%d-%m-%Y\')
    d = d.date()
    ymd = d.strftime(\'%Y-%m-%d\')
    return ymd


dates, opening_prices, highest_prices, lowest_prices, closing_prices = \
    np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True,
               dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd})  # converters为转换器,运行时先执行,其中1表示时间所在的列索引号

# 绘制收盘价折线图
mp.figure(\'AAPL\', facecolor=\'lightgray\')
mp.title(\'AAPL\', fontsize=18)
mp.xlabel(\'date\', fontsize=12)
mp.ylabel(\'closing_pricing\', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=\':\')
# 设置x轴的刻度定位器,使之更适合显示日期数据
ax = mp.gca()
# 以周一作为主刻度
ma_loc = md.WeekdayLocator(byweekday=md.MO)
# 次刻度,除周一外的日期
mi_loc = md.DayLocator()
ax.xaxis.set_major_locator(ma_loc)
ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\'))
ax.xaxis.set_minor_locator(mi_loc)
# 日期数据类型转换,更适合绘图
dates = dates.astype(md.datetime.datetime)
mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.3)
# 绘制5日移动均线
sma = np.zeros(closing_prices.size - 4)
for i in range(sma.size):
    sma[i] = closing_prices[i:i + 5].mean()
mp.plot(dates[4:], sma, color=\'orangered\', linestyle=\':\', label=\'SMA5\')

# 基于卷积实现5日均线
kernel = np.ones(5) / 5
sma2 = np.convolve(closing_prices, kernel, \'valid\')
mp.plot(dates[4:], sma2, color=\'magenta\', linewidth=7, label=\'SMA52\', alpha=0.3)

mp.tight_layout()
mp.legend()
# 自动格式化x轴日期的显示格式(以最合适的方式显示)
mp.gcf().autofmt_xdate()
mp.show()

  

 

加权卷积实现5日加权均线

  --------卷积核相当于权重数组

实现代码如下:

  

import numpy as np
import matplotlib.pyplot as mp
import datetime as dt
import matplotlib.dates as md

\'\'\'
    1.移动均线:制作收盘价的5日移动均线,即从第5天开始,每天计算最近5天的收盘价的均值二构成的一条线
        ----作用:降噪
    2.有效卷积实现5日移动平均线绘制
\'\'\'


# 日期转化函数
def dmy2ymd(dmy):
    # 把dmy格式的字符串转化成ymd格式的字符串
    dmy = str(dmy, encoding=\'utf-8\')
    d = dt.datetime.strptime(dmy, \'%d-%m-%Y\')
    d = d.date()
    ymd = d.strftime(\'%Y-%m-%d\')
    return ymd


dates, opening_prices, highest_prices, lowest_prices, closing_prices = \
    np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True,
               dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd})  # converters为转换器,运行时先执行,其中1表示时间所在的列索引号

# 绘制收盘价折线图
mp.figure(\'AAPL\', facecolor=\'lightgray\')
mp.title(\'AAPL\', fontsize=18)
mp.xlabel(\'date\', fontsize=12)
mp.ylabel(\'closing_pricing\', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=\':\')
# 设置x轴的刻度定位器,使之更适合显示日期数据
ax = mp.gca()
# 以周一作为主刻度
ma_loc = md.WeekdayLocator(byweekday=md.MO)
# 次刻度,除周一外的日期
mi_loc = md.DayLocator()
ax.xaxis.set_major_locator(ma_loc)
ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\'))
ax.xaxis.set_minor_locator(mi_loc)
# 日期数据类型转换,更适合绘图
dates = dates.astype(md.datetime.datetime)
mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.3)
# 绘制5日移动均线
sma = np.zeros(closing_prices.size - 4)
for i in range(sma.size):
    sma[i] = closing_prices[i:i + 5].mean()
mp.plot(dates[4:], sma, color=\'orangered\', linestyle=\':\', label=\'SMA5\')

# 基于卷积实现10日均线
kernel = np.ones(10) / 10
sma2 = np.convolve(closing_prices, kernel, \'valid\')
mp.plot(dates[9:], sma2, color=\'magenta\', linewidth=7, label=\'SMA52\', alpha=0.3)
# 基于卷积实现5日均线
kernel = np.ones(5) / 5
sma3 = np.convolve(closing_prices, kernel, \'valid\')
mp.plot(dates[4:], sma3, color=\'magenta\', linewidth=7, label=\'SMA53\', alpha=0.3)

# 基于加权卷积实现5日加权均线
weights = np.exp(np.linspace(-1, 0, 5))
weights = weights[::-1]/weights.sum()
print(weights.sum())
sma4 = np.convolve(closing_prices, weights, \'valid\')
mp.plot(dates[4:], sma4, color=\'red\', linewidth=3, label=\'SMA54\', alpha=0.3)

mp.tight_layout()
mp.legend()
# 自动格式化x轴日期的显示格式(以最合适的方式显示)
mp.gcf().autofmt_xdate()
mp.show()

    

 

 

 

一维卷积适合解决的问题:

  1.边移动边计算,对应位置相乘再相加;-

  2.数据平滑处理,数据降噪;----重点是卷积核如何选取

 

分类:

技术点:

相关文章:

猜你喜欢