有了資料後，開始做技術分析。從每日的數據中，可以做出簡單的技術分析：移動平均線（Moving Average，MA）
，簡稱均線。
可以藉由均線當作參考，簡單的判斷出場點與進場點。

本篇主要會參考這個神作（個人還滿推崇這個網站）：利用pandas輕鬆取得歷史股價

為何使用移動平均線

價格，是買賣雙方所同意的金額。因此當價格出來，以買方來說，這就是他的持有股票的成本，當我們把前幾日的價格平均下來，畫成一個線，就可以簡單得到購買的成本。
根據這購買成本，就知道大家的平均成本是多少，我們能用低成本進去，那些高成本的人有機會幫我們拉抬價格，又或者我們接到便宜的價格。

我有時候會看平均線去決定進出場的點。像是120日均線就是近120天的收盤價平均，當價格低於120日均線，表示目前的價格在近120天中是偏低，有可能價值被低估，我們可以進場。同樣的價格往上漲時，如果20日均線價格高於5日均線，表示漲勢有疲態，可能會持續往下跑，這時可以考慮出場。
這就是簡單的均線運用，當然還要搭配其他資料進行判斷。

均線的介紹可以參考：[用技術分析看BTC和ETH走勢] Day5: 移動平均線 Moving Average
而本篇使用的是「簡單移動平均（Simple Moving Average，SMA）」

如何製作均線？

建立jupyter notebook

製作一個.ipynb，然後把我們所需要的套件放入，當然就是有跟Azure SQL server連線的pyodbc和pandas，以及繪圖的matplotlib：

import pandas
import pyodbc
import matplotlib.pyplot as plt

讀檔案

with pyodbc.connect(
    f"DRIVER={driver};SERVER={server};PORT=1433;DATABASE={database};UID={username};PWD={password}"
) as conn:
    symbol = "2330"
    with conn.cursor() as cursor:
        query = f"SELECT TradeDate, ClosePrice FROM [dbo].[DailyPrice] WHERE Symbol ='{symbol}' ORDER BY TradeDate;"
        df = pandas.read_sql(query, conn)
        print(df.head(10)) #印出來看看

製作圖表

先把我們的圖片印出來看看：

df.plot()

我們直接使用rolling()，這個可以是一個「滾動」的值，也就是變動的值，再加上mean()，就可以製作「移動的平均值」。然後我們在rolling()裡面放上要的均值長度，就可以得到Ｘ日均線。

# 近20日收盤
c_price_20 = df.rolling(20, min_periods=1).mean()
c_price_20.plot()

就可以看到平滑的線圖：

後記

發現線圖一直很奇怪，不是一條圓滑的線，而是如同長條圖那種。
研究很久才發現，原來那是因為我的資料沒有排序，雖然畫出來的她會自動排序，但是使用rolling似乎就直接用資料去做，如果沒有排序就不會有好的圖表！

他會醜成這樣：