iT邦幫忙

第 11 屆 iThome 鐵人賽
DAY 17
1
Software Development

Python 程式交易 30 天新手入門系列 第 17 篇

Day-17 計算指標：從 Tick 換算分 K 與分 MA

11th鐵人賽 python3 程式交易 k棒 ma均線
10552 瀏覽

  • 分享至 

  • xImage
    •  

資料轉換

到目前已知如何取得盤後資訊（日 K）及取得 Tick 資料，但卻缺乏常用的分 K 與分 MA 指標，而相關歷史資料卻又難以取得，因此如何從 Tick 換算分 K 與分 MA 就是必須掌握的技能。

技術整合

前情提要

  1. Day-11 資料保存：取得 2019 年每日加權指數盤後資訊並繪製線圖
  2. Day-14 券商串接：串接元大期貨行情 API（一）

計算分 K 與分 MA

import pandas

# 讀取 2019-10-01 大型台指期日盤 Tick 檔
TXF_TICKS = pandas.read_csv('TXFJ9-20191001.csv')
# 去掉第一行 08:45 開盤前訊號
TXF_TICKS = TXF_TICKS[1:]

# 重新命名欄位
TXF_TICKS = TXF_TICKS.rename(
    columns={
        '成交時間': 'time',
        '成交價位': 'price'
    }
)
# 只保留成交時間與成交價位二欄資料
TXF_TICKS = TXF_TICKS.filter([
    'time',
    'price'
], axis=1)
# 將成交時間欄位資料按格式轉換為 datetime 資料
TXF_TICKS['time'] = pandas.to_datetime(TXF_TICKS['time'], format='%Y%m%d%H%M%S%f')

# 設定資料以成交時間欄位為序列索引
TXF_TICKS = TXF_TICKS.set_index('time')

# 以 1 分鐘為單位，進行開高低收重新取樣
TXF_1MINK = TXF_TICKS['price'].resample('1MIN').ohlc()
print('------------------- 1MIN K --------------------')
print(TXF_1MINK)

# 以 5 分鐘為單位，進行開高低收重新取樣
TXF_5MINK = TXF_TICKS['price'].resample('5MIN').ohlc()
print('------------------- 5MIN K --------------------')
print(TXF_5MINK)

# 以 1 分鐘為單位，進行區間均值計算
TXF_1MINMA = TXF_TICKS['price'].rolling('1MIN').mean()
print('------------------- 1MIN MA --------------------')
print(TXF_1MINMA)

# 以 5 分鐘為單位，進行區間均值計算
TXF_5MINMA = TXF_TICKS['price'].rolling('5MIN').mean()
print('------------------- 5MIN MA --------------------')
print(TXF_5MINMA)

------------------- 1MIN K --------------------
                      open   high    low  close
time
2019-10-01 08:45:00  10856  10887  10856  10881
2019-10-01 08:46:00  10882  10912  10881  10891
2019-10-01 08:47:00  10890  10894  10888  10889
2019-10-01 08:48:00  10890  10893  10888  10889
2019-10-01 08:49:00  10890  10892  10888  10888
...                    ...    ...    ...    ...
2019-10-01 13:40:00  10955  10956  10953  10955
2019-10-01 13:41:00  10954  10956  10954  10955
2019-10-01 13:42:00  10954  10956  10953  10953
2019-10-01 13:43:00  10954  10954  10950  10953
2019-10-01 13:44:00  10952  10954  10952  10954

[300 rows x 4 columns]
------------------- 5MIN K --------------------
                      open   high    low  close
time
2019-10-01 08:45:00  10856  10912  10856  10888
2019-10-01 08:50:00  10888  10894  10886  10891
2019-10-01 08:55:00  10891  10892  10886  10891
2019-10-01 09:00:00  10890  10902  10884  10896
2019-10-01 09:05:00  10896  10905  10896  10898
2019-10-01 09:10:00  10898  10901  10888  10896
2019-10-01 09:15:00  10895  10922  10895  10916
2019-10-01 09:20:00  10917  10932  10915  10930
2019-10-01 09:25:00  10931  10935  10928  10932
2019-10-01 09:30:00  10932  10937  10931  10933
2019-10-01 09:35:00  10934  10936  10929  10932
2019-10-01 09:40:00  10933  10934  10928  10932
2019-10-01 09:45:00  10932  10943  10932  10940
2019-10-01 09:50:00  10939  10946  10938  10946
2019-10-01 09:55:00  10945  10946  10941  10943
2019-10-01 10:00:00  10944  10950  10943  10949
2019-10-01 10:05:00  10949  10950  10946  10949
2019-10-01 10:10:00  10949  10950  10938  10939
2019-10-01 10:15:00  10938  10943  10937  10942
2019-10-01 10:20:00  10942  10944  10941  10943
2019-10-01 10:25:00  10943  10944  10941  10943
2019-10-01 10:30:00  10943  10943  10936  10940
2019-10-01 10:35:00  10939  10942  10938  10940
2019-10-01 10:40:00  10940  10946  10939  10946
2019-10-01 10:45:00  10945  10947  10941  10942
2019-10-01 10:50:00  10942  10946  10942  10944
2019-10-01 10:55:00  10943  10947  10941  10944
2019-10-01 11:00:00  10945  10948  10940  10942
2019-10-01 11:05:00  10942  10943  10938  10940
2019-10-01 11:10:00  10940  10944  10939  10943
2019-10-01 11:15:00  10943  10944  10937  10938
2019-10-01 11:20:00  10939  10942  10936  10940
2019-10-01 11:25:00  10940  10943  10940  10943
2019-10-01 11:30:00  10943  10948  10942  10946
2019-10-01 11:35:00  10946  10948  10945  10945
2019-10-01 11:40:00  10946  10948  10945  10946
2019-10-01 11:45:00  10946  10949  10946  10947
2019-10-01 11:50:00  10947  10948  10943  10945
2019-10-01 11:55:00  10945  10945  10942  10944
2019-10-01 12:00:00  10944  10947  10944  10946
2019-10-01 12:05:00  10946  10948  10945  10946
2019-10-01 12:10:00  10946  10946  10942  10943
2019-10-01 12:15:00  10943  10944  10940  10941
2019-10-01 12:20:00  10941  10946  10941  10945
2019-10-01 12:25:00  10944  10946  10944  10946
2019-10-01 12:30:00  10946  10948  10945  10947
2019-10-01 12:35:00  10948  10948  10944  10946
2019-10-01 12:40:00  10946  10946  10943  10944
2019-10-01 12:45:00  10943  10946  10943  10945
2019-10-01 12:50:00  10945  10947  10944  10944
2019-10-01 12:55:00  10944  10954  10943  10951
2019-10-01 13:00:00  10951  10954  10949  10953
2019-10-01 13:05:00  10953  10958  10952  10957
2019-10-01 13:10:00  10957  10957  10952  10952
2019-10-01 13:15:00  10953  10957  10951  10956
2019-10-01 13:20:00  10956  10960  10954  10958
2019-10-01 13:25:00  10959  10962  10957  10960
2019-10-01 13:30:00  10960  10961  10957  10959
2019-10-01 13:35:00  10960  10961  10954  10955
2019-10-01 13:40:00  10955  10956  10950  10954
------------------- 1MIN MA --------------------
time
2019-10-01 08:45:00.057    10856.000000
2019-10-01 08:45:00.063    10856.000000
2019-10-01 08:45:00.065    10856.000000
2019-10-01 08:45:00.068    10856.000000
2019-10-01 08:45:00.073    10856.000000
                               ...
2019-10-01 13:44:59.147    10953.238908
2019-10-01 13:44:59.257    10953.241497
2019-10-01 13:44:59.656    10953.240678
2019-10-01 13:44:59.791    10953.243243
2019-10-01 13:44:59.825    10953.245791
Name: price, Length: 32924, dtype: float64
------------------- 5MIN MA --------------------
time
2019-10-01 08:45:00.057    10856.000000
2019-10-01 08:45:00.063    10856.000000
2019-10-01 08:45:00.065    10856.000000
2019-10-01 08:45:00.068    10856.000000
2019-10-01 08:45:00.073    10856.000000
                               ...
2019-10-01 13:44:59.147    10953.433503
2019-10-01 13:44:59.257    10953.434077
2019-10-01 13:44:59.656    10953.433637
2019-10-01 13:44:59.791    10953.434211
2019-10-01 13:44:59.825    10953.434783
Name: price, Length: 32924, dtype: float64

繪製圖表

import pandas
import plotly.graph_objects

TXF_TICKS = pandas.read_csv('TXFJ9-20191001.csv')
TXF_TICKS = TXF_TICKS[1:]

TXF_TICKS = TXF_TICKS.rename(
    columns={
        '成交時間': 'time',
        '成交價位': 'price'
    }
)
TXF_TICKS = TXF_TICKS.filter([
    'time',
    'price'
], axis=1)
TXF_TICKS['time'] = pandas.to_datetime(TXF_TICKS['time'], format='%Y%m%d%H%M%S%f')

TXF_TICKS = TXF_TICKS.set_index('time')

TXF_1MINK = TXF_TICKS['price'].resample('1MIN').ohlc()
print('------------------- 1MIN K --------------------')
print(TXF_1MINK)

TXF_5MINK = TXF_TICKS['price'].resample('5MIN').ohlc()
print('------------------- 5MIN K --------------------')
print(TXF_5MINK)

TXF_1MINMA = TXF_TICKS['price'].rolling('1MIN').mean()
print('------------------- 1MIN MA --------------------')
print(TXF_1MINMA)

TXF_5MINMA = TXF_TICKS['price'].rolling('5MIN').mean()
print('------------------- 5MIN MA --------------------')
print(TXF_5MINMA)

# 將
figure = plotly.graph_objects.Figure(
    data=[
        plotly.graph_objects.Candlestick(
            x=TXF_1MINK.index,
            open=TXF_1MINK['open'],
            high=TXF_1MINK['high'],
            low=TXF_1MINK['low'],
            close=TXF_1MINK['close'],
            name='1MIN K',
        ),
        plotly.graph_objects.Candlestick(
            x=TXF_5MINK.index,
            open=TXF_5MINK['open'],
            high=TXF_5MINK['high'],
            low=TXF_5MINK['low'],
            close=TXF_5MINK['close'],
            name='5MIN K',
        ),
        plotly.graph_objects.Scatter(
            x=TXF_1MINMA.index,
            y=TXF_1MINMA,
            name='1MIN MA',
            mode='lines',
            line=plotly.graph_objects.scatter.Line(
                color='#E58B6B'
            )
        ),
        plotly.graph_objects.Scatter(
            x=TXF_5MINMA.index,
            y=TXF_5MINMA,
            name='5MIN MA',
            mode='lines',
            line=plotly.graph_objects.scatter.Line(
                color='#6B99E5'
            )
        )
    ],
    # 設定 XY 顯示格式
    layout=plotly.graph_objects.Layout(
        xaxis=plotly.graph_objects.layout.XAxis(
            tickformat='%Y-%m-%d %H:%M'
        ),
        yaxis=plotly.graph_objects.layout.YAxis(
            tickformat='.2f'
        )
    )
)
figure.show()

執行結果

團隊系列文：

CSScoke - 金魚都能懂的這個網頁畫面怎麼切 - 金魚都能懂了你還怕學不會嗎
Clarence - LINE bot 好好玩 30 天玩轉 LINE API
Hina Hina - 陣列大亂鬥
King Tzeng - IoT沒那麼難！新手用JavaScript入門做自己的玩具
Vita Ora - 好 Js 不學嗎 !? JavaScript 入門中的入門。
TaTaMo - 用Python開發的網頁不能放到Github上？Lektor說可以！！


上一篇
Day-16 券商串接：串接元大期貨行情 API（三）
下一篇
Day-18 計算指標：從 Tick 及盤後資訊換算時 K 與周 K
系列文
Python 程式交易 30 天新手入門 共 30 篇
  1. 26
    Day-26 回測系統：時序運行模組
  2. 27
    Day-27 回測系統：策略運行模組
  3. 28
    Day-28 回測系統：交易執行模組
  4. 29
    Day-29 回測系統：交易統計模組
  5. 30
    Day-30 發大財？
完整目錄
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
胡拔比
iT邦新手 5 級 ‧ 2020-04-19 16:13:49

請問程式中的"TXFJ9-20191001.csv"有現成的檔案嗎?

阿斬 iT邦新手 5 級 ‧ 2020-04-21 18:55:14 檢舉

應該是 LINE 上聯絡我的那位朋友，對吧

胡拔比 iT邦新手 5 級 ‧ 2020-04-21 22:20:57 檢舉

是的.感謝

登入發表回應

我要留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22087 篇
完賽人數
594 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙