前言

從本章節開始，將依照技術指標的類型或方向來進行分類，並在之後一一分享，內容將著重於介紹技術指標的用處以及視覺化的呈現，必須強調的是，技術分析理論並非無懈可擊，也因此不能作為投資的唯一依據，應廣泛參考不同類型的分析方法，選擇自己最熟悉的操作模式，並於投資前審慎考量，來避免落入賠錢的窘境當中

本章節的Google Colab筆記本連結：https://colab.research.google.com/drive/1GtXBxm0KSmcolr2C3VG9a9ppVLPmPah8?usp=sharing

前情提要【EP.1 部署股票搜尋器，獲取上市櫃股票資訊】

EP.2 股市資料視覺化---K線重疊指標

兩分鐘帶你認識“均線”

本章節作為這系列技術分析文章的開端，首先介紹的就是投資人很常使用的移動平均線，也就是俗稱的均線，能夠作為投資人分析股市趨勢、進出場時機以及交易策略的判斷依據，例如：短週期均線向上超越長週期均線時，常被視為多方訊號；短週期均線向下穿越長週期均線時，常被視為空方訊號，因此本節將整理四種類型的均線如下表，並分享相關的應用方式。

Ta-lib技術指標套件

由於Ta-lib並非Python的官方套件，因此需額外進行安裝作業，這邊提供的是Colab的安裝方式，其餘的安裝指南可至開發者網頁查看

!wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz
!tar -xzvf ta-lib-0.4.0-src.tar.gz
%cd ta-lib
!./configure --prefix=/usr
!make
!make install
!pip install Ta-Lib

Ta-lib的API串接共有兩種，且呼叫方式與輸入值不同，需要特別注意

• 抽象型態API(abstract)：輸入由K線參數組成的DataFrame，須包含open、close、high、low、value五個欄位，欄位名稱皆需小寫，且值為float，或是直接輸入所需的參數陣列即可

from talib.abstract import *

• 函數型態API(function)：僅接受所需的參數陣列

import talib

mplfinance金融數據可視化套件

mplfinance 是專門用於金融數據的可視化分析的套件，其中有各種彈性化的設定，有機會的話之後會另外撰寫一篇文章，詳細說明mplfinance各式各樣的功能與使用方式

!pip install mplfinance

我們以mplfinance為繪圖核心，設置一個chart()的類別，以便後續進行圖表的可視化操作

• def TA() 為技術指標的繪圖方法，傳入指標資料、繪圖位置、繪圖類型、顏色
• def Show() 為輸出圖表的方法，將K線資料與子圖列表中的技術指標圖合併印出

# 繪製圖表
class chart():
    #建構式
    def __init__(self,K_line):
        self.K_line = K_line #K線資料
        self.axlist = [] #子圖列表
    #方法
    def TA(self,data,panel,type='',marker='.',color=''):
        ax = mpf.make_addplot(data, panel=panel, type=type, marker=marker, color=color) 
        self.axlist.append(ax)
 
    def Show(self):
        color_set = mpf.make_marketcolors(up='red',down='green',
                                          edge='inherit',
                                          wick='inherit',
                                          volume='inherit',)
        style_set = mpf.make_mpf_style(marketcolors=color_set,
                                       figcolor='(0.82, 0.83, 0.85)',
                                       gridcolor='(0.82, 0.83, 0.85)',)
        mpf.plot(self.K_line, 
                 type='hollow_and_filled', 
                 style=style_set, 
                 volume=True, 
                 addplot=self.axlist,
                 update_width_config=dict(line_width=0.7,candle_width = 0.8),
                 figsize=(20, 8))

繪製均線與技術分析

本次分析以2022-07-01～2022-12-30的台積電為例，首先將全部欄位名稱轉為小寫，接著將表格內的date設置為index，並替換部分欄位的名稱，以符合Ta-lib套件的設定

data.columns=[ i.lower() for i in data.columns ]
data.index = pd.DatetimeIndex(data['date'])
data.rename(columns = {'max':'high', 'min':'low','trading_volume':'volume'}, inplace = True)

簡單移動平均線(SMA)

簡單移動平均線，是由各收盤價的平均值直接計算而成，沒有添加權重的概念，使用函數SMA(資料,時間週期)，協助計算簡單移動平均的數值，其中的時間週期可自由設定，例如5日、10日、20日等，並將計算結果存入變數當中，接著使用chart()類別與其中的方法，分別添加資料與sma_5、sma_20兩項指標變數，透過Show()繪製含有指標的K線圖

sma_5=SMA(data,timeperiod=5)
sma_20=SMA(data,timeperiod=20)

fin_chart = chart(data)
fin_chart.TA(sma_5,panel=0,type="line",color="black")
fin_chart.TA(sma_20,panel=0,type="line",color="blue")
fin_chart.Show()

指數移動平均線(EMA)

指數移動平均線，會依據K線的距離時程給予不同的的權重，越接近當天的權重越高，因此相較於SMA，更能反映出近期的股價走勢，當行情出現反轉情勢，EMA的反應速度會比SMA來的更快，使用函數EMA(資料,時間週期)

ema_5=EMA(data,timeperiod=5)
ema_20=EMA(data,timeperiod=20)

fin_chart = chart(data)
fin_chart.TA(ema_5,panel=0,type="line",color="orange")
fin_chart.TA(ema_20,panel=0,type="line",color="gray")
fin_chart.Show()

加權移動平均線(WMA)

加權移動平均線，會依據K線的距離時程給予不同的的權重，越近期的權重越高，與EMA不同的是，WMA呈現線性遞減，EMA為指數遞減，使用函數WMA(資料,時間週期)

wma_5=WMA(data,timeperiod=5)
wma_20=WMA(data,timeperiod=20)

fin_chart = chart(data)
fin_chart.TA(wma_5,panel=0,type="line",color="Brown")
fin_chart.TA(wma_20,panel=0,type="line",color="blue")
fin_chart.Show()

考夫曼自適應移動平均線(KAMA)

考夫曼自適應移動平均線，由當期收盤價與前一期KAMA計算而成，與EMA計算方式類似，區別在於KAMA的權重值會受到效率比的影響而浮動，所謂的效率比是用來衡量均線的變化態勢，越接近1表示越平滑，代表明顯的多或空頭走勢；反之則代表曲折，呈現劇烈的盤整波動現象，使用函數KAMA(資料,時間週期)

kama_5=KAMA(data,timeperiod=5)
kama_20=KAMA(data,timeperiod=20)

fin_chart = chart(data)
fin_chart.TA(kama_5,panel=0,type="line",color="purple")
fin_chart.TA(kama_20,panel=0,type="line",color="red")
fin_chart.Show()