今天的目標，是建立新的技術指標 Index，並利用 Talib 計算技術指標：移動平均線。

TA-Lib

TA-Lib 是基於 Python 的一個計算各種金融數據指標的套件，目前支援 158 種指標，你想得到的移動平均線、MACD、KD... 等，都可以計算。其實目前成名的股票大師，大多都不會看超過５個指標，所以 TA-Lib 是同好圈中的首選，沒有其它。TA-Lib 的安裝可見官方的 Github。Day08 我分享的 Dockerfile 已包含 TA-Lib 的安裝，有興趣的朋友可以參考。

移動平均線計算

我很欣賞林恩如老師的超簡單投資法，方法中採用的技術指標就是 20 週移動平均線，也就是 100 日線。在她的長線選股邏輯中，一個必要條件就是股價要站在 100 日線上。現在就來玩玩看 Talib 吧。利用 Day12 的程式碼，我取 2317 的 30 天盤後資料（如下圖）。

使用 talib.SMA 進行運算：

closePrices = elastic_df.iloc[:, 6].astype('float').values
close_sma_20 = np.round(talib.SMA(closePrices, timeperiod=20), 2)
print(close_sma_100)
# [  nan   nan   nan   nan   nan   nan   nan   nan   nan   nan   nan   nan
   nan   nan   nan   nan   nan   nan   nan 78.13 78.08 77.98 77.95 77.91
   77.89 77.94 77.9  77.9  77.82 77.74]

如此的簡單，我們得到了 20 日線。

Index 移動平均指標

我在 ES Cloud 上建一個新的 Index (history-prices-sma)。

PUT /history-prices-sma
{
  "mappings": {
    "properties": {
      "stock_id" : {
        "type" : "keyword"
      },
      "date" : {
        "type" : "date"
      },
      "sma_20" : {
        "type" : "float"
      }
    }
  }
}

Indexing Documents:

close_sma_20 = np.round(talib.SMA(closePrices, timeperiod=20), 2)
stock_id = elastic_df.iloc[:, 0].values
date = elastic_df.iloc[:, 1].values

documents = []
for i in range(len(stock_id)):
    document = {}
    document['stock_id'] = stock_id[i]
    document['date']     = date[i]
    document['sma_20']   = close_sma_20[i]

    action = {}
    actionProperties = {}
    actionProperties["_id"] = document['stock_id'] + document['date']
    action["index"] = actionProperties
    documents.append(action)
    documents.append(document)

result = es.bulk(body=documents, index='history-prices-sma')

在 ES Cloud 上確認一下：

酷！前幾天累積的新知，用起來真順手。

今天發現一個問題，新建的 history-prices-sma　Index 的欄位和之前存放日資料的欄位重覆了，接下來我還建週線、月線等 Index，一直用重覆的語法肯定不是最好的方法。所以，明天我要來看看 index-template 了！