用Python超簡單計算：158種常見技術指標

woff

這篇接續著Python時間序列實做，先複習一下，上回合結束，我們有一個最重要的成果：close，它的columns是所有的股票代號，而index是日期。

1. close = pd.DataFrame({k:d['收盤價'] for k,d in data.items()}).transpose()
   
2. close.index = pd.to_datetime(close.index)
   
3. close

複製代碼

還記得嗎？上方式是上次的code，將data，把每個股票的收盤價拿出來。因為很重要所以說三遍：

1. open = pd.DataFrame({k:d['開盤價'] for k,d in data.items()}).transpose()
   
2. open.index = pd.to_datetime(open.index)
   
3. 
   
4. high = pd.DataFrame({k:d['最高價'] for k,d in data.items()}).transpose()
   
5. high.index = pd.to_datetime(high.index)
   
6. 
   
7. low = pd.DataFrame({k:d['最低價'] for k,d in data.items()}).transpose()
   
8. low.index = pd.to_datetime(low.index)
   
9. 
   
10. volume = pd.DataFrame({k:d['成交股數'] for k,d in data.items()}).transpose()
    
11. volume.index = pd.to_datetime(volume.index)

複製代碼

大家有沒有發現，相同的東西抄了五次，但我們拿出來的不是close，是open、high、low 跟 volume。把所有的東西都統整好。
統整好後，再將我們想看的股票拿出來，我們以近年超紅的台積電。

把其中的股票拿出來，變成 dict 結構

1. tsmc = {
   
2.     'close':close['2330']['2017'].dropna().astype(float),
   
3.     'open':open['2330']['2017'].dropna().astype(float),
   
4.     'high':high['2330']['2017'].dropna().astype(float),
   
5.     'low':low['2330']['2017'].dropna().astype(float),
   
6.     'volume': volume['2330']['2017'].dropna().astype(float),
   
7. }
   
8. 
   
9. tsmc['close'].plot()

複製代碼

花這麼久時間，tsmc 這個結構有什麼用？來，接下來我們配合一個超厲害的python package：talib。
安裝talib不是直接pip install那麼簡單，請參考python talib 的網頁 來安裝。

接下來任意找出105種指標！

內容目錄 隱藏
1 KD 值計算
2 MACD 計算
3 OBV計算
4 威廉指數計算
5 ATR 計算
6 改變參數


KD 值計算

1. from talib import abstract
   
2. 
   
3. def talib2df(talib_output):
   
4.     if type(talib_output) == list:
   
5.         ret = pd.DataFrame(talib_output).transpose()
   
6.     else:
   
7.         ret = pd.Series(talib_output)
   
8.     ret.index = tsmc['close'].index
   
9.     return ret;
   
10. 
    
11. talib2df(abstract.STOCH(tsmc)).plot()
    
12. tsmc['close'].plot(secondary_y=True)

複製代碼

其中，最重要的是第 9 行，我們利用 abstract.STOCH 這個函式，來計算KD值，計算好後，再由talib2df將格式轉換成 dataframe 方便我們畫圖。第 10 行是說，我們想要同時顯示tsmc的收盤價，secondary_y 是說我們需要用第二個 y軸，因為KD我們知道是在0～100之間，而台積電股價在200左右。

以下就是我們的成品，橘色、藍色代表的就是KD值。而紫色的就是收盤價！

收盤價對應到右邊的 y 軸，而左邊的y 軸則是 KD 值。

MACD 計算

這還不夠酷炫，以上的鋪陳都是為了接下來的爽：

1. talib2df(abstract.MACD(tsmc)).plot()
   
2. tsmc['close'].plot(secondary_y=True)

複製代碼

只要把STOCH改成MACD就好了，各種指標隨便用：

OBV計算

1. talib2df(abstract.OBV(tsmc)).plot()
   
2. tsmc['close'].plot(secondary_y=True)

複製代碼

威廉指數計算

WILLR 計算

1. talib2df(abstract.WILLR(tsmc)).plot()
   
2. tsmc['close'].plot(secondary_y=True)

複製代碼

ATR 計算

1. talib2df(abstract.ATR(tsmc)).plot()
   
2. tsmc['close'].plot(secondary_y=True)

複製代碼

我的天所以到底有幾種指標？！總共有

1. talib.get_functions()

複製代碼

這些就是可以用的指標，總共有158種，慢慢看，學也學不完XDD。

改變參數

之前不是說KD指標有三個參數：（9、3、3），假如今天我想要客製化，怎麼修改呢？
我們現在只知道KD指標是 abstract.STOCH 這個function，要如何看如何設定呢？直接 print 這個函式看看：

function detail

1. print(abstract.STOCH)

複製代碼

我們可以改變得參數是 Parameters 項目中的五個，可以看到假如什麼都不輸入的話，它的值預設是（5、3、0、3、0），這邊的0代表的就是平滑的演算法式哪一種，例如我們希望它的三個參數不要是（5、3、3），想改成台灣常用的（9、3、3），也就是我們想把 fast_period從原本的5改成9，只要在呼叫 talib.abstract.STOCH 的時候輸入 fastk_period=9 就可以了：

MACD 計算

1. talib2df(abstract.STOCH(tsmc, fastk_period=9)).plot()
   
2. tsmc['close'].plot(secondary_y=True)

複製代碼

今天教了大家這麼多的index，大家幾乎可以做自己的玩股網，Cmoney了，再配合上次教的用pandas選股，一個系統就快被搭建起來了！

接下來，你應該會想要建立自己的回測系統吧！不妨看一下這篇文章喔！

文章出處