根據(jù)指定股票通道指標(biāo)的算法，能用過去一定時間段的交易數(shù)據(jù)繪制出上下兩條通道線，即價格通道里的上下軌道。一般來說，當(dāng)股價向上突破上軌時，即預(yù)測后市將漲，反之當(dāng)股價向下突破下軌時，即預(yù)測后市將跌。

這里將根據(jù)若干算法，計算并繪制多種價格通道，從中大家一方面可以積累股市分析的經(jīng)驗，另一方面還能進一步掌握基于pandas的數(shù)據(jù)分析方法，以及基于matplotlib的可視化技巧。

1 計算并繪制唐奇安通道

唐奇安通道是由上阻力線、下支撐線和中心線這三條線組成。

上阻力線 = 過去N天的最高價

下支撐線 = 過去N天的最低價

中心線 =（上線 + 下線）除以 2

在實際的分析場景里，N的取值一般是20，在如下的DisplayDonChannel.py范例中，就用20天為周期，來計算并繪制唐奇安通道。

01    # coding=utf-8
02    import pandas as pd
03    import matplotlib.pyplot as plt
04    from mpl_finance import candlestick2_ochl
05    # 讀數(shù)據(jù)
06    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
07    fig, ax = plt.subplots()
08    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red', colordown='green')
09    stockDf['up'] = stockDf['High'].rolling(window=20).max()
10    stockDf['up'].plot(color="green",label='上阻力線')
11    stockDf['down'] = stockDf['Low'].rolling(window=20).min()
12    stockDf['down'].plot(color="navy",label='下支撐線')
13    stockDf['mid'] = (stockDf['up']+stockDf['down'])/2
14    stockDf['mid'].plot(color="red",label='中心線')
15    ax.set_ylabel("收盤價（元）")
16    ax.grid()         # 帶網(wǎng)格線
17    ax.legend()     # 繪制圖例
18    #設(shè)置x軸文字間隔和旋轉(zhuǎn)角度
19    index=stockDf.index[stockDf.index%7==0]
20    xtics=stockDf['Date'][stockDf.index%7==0]
21    plt.xticks(index,xtics)
22    plt.setp(plt.gca().get_xticklabels(), rotation=30)
23    plt.rcParams['font.sans-serif']=['SimHei']
24    plt.title("600530交大昂立20天唐奇安通道效果圖")
25    plt.show()

在第5行到第8行的代碼里，從csv文件里讀到了股票交易數(shù)據(jù)，并通過調(diào)用candlestick2_ochl方法繪制了k線圖。在第9行里，通過rolling(window=20)方法得到了過去20天的最高價集合，在此基礎(chǔ)上通過max()方法得到了過去20天的最高價，隨后用第10行的plot方法繪制了上阻力線。

隨后用同樣的方法，用第11行和第12行的代碼計算并繪制了下支撐線。在第13行里，設(shè)置了中心線為上阻力線和下支撐線的均值，并在第14行繪制了中心線。

由于在繪制上阻力線、下支撐線和中心線的時候都通過label參數(shù)設(shè)置了圖例，隨后在第17行用legend方法繪制了圖例效果。為了能更直觀地對比數(shù)據(jù)，所以在第16行里用grid方法設(shè)置了網(wǎng)格效果。

這里同樣是通過第19行到第22行的代碼，設(shè)置了x軸文字的間隔以及旋轉(zhuǎn)角度，并在第24行里用title方法設(shè)置了標(biāo)題。為了能顯示中文標(biāo)題，所以還需要加上第23行的語句。運行本范例，能看到如下圖所示的效果，由于計算周期是20日，所以之前19日看不到對應(yīng)的價格通道。而且從圖上看，股價均在通道內(nèi)運動，并沒有向上和向下突破的動作，也就是說，從這些天的交易數(shù)據(jù)里，看不到基于20日唐奇安通道的買賣信號。

2 計算并繪制布林帶通道

和上文描述的唐奇安通道類似，布林帶通道也是通過上阻力線、下支撐線和中心線來繪制價格通道，這里的三條線算法如下所示。

中心線 = N日移動均線

上阻力線 = 中心線+兩倍過去N天收盤價的標(biāo)準(zhǔn)差

下支撐線 = 中心線-兩倍過去N天收盤價的標(biāo)準(zhǔn)差

而N的取值一般也是20。在如下的DisplayBollingerBands.py范例中，將演示計算并繪制20日周期布林帶通道的做法。

01    # coding=utf-8
02    import pandas as pd
03    import matplotlib.pyplot as plt
04    from mpl_finance import candlestick2_ochl
05    # 讀數(shù)據(jù)
06    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
07    fig, ax = plt.subplots()
08    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red', colordown='green')
09    stockDf['mid'] = stockDf['Close'].rolling(window=20).mean()
10    stockDf['std'] = stockDf['Close'].rolling(window=20).std()
11    stockDf['up'] = stockDf['mid'] + 2*stockDf['std']
12    stockDf['down'] = stockDf['mid'] - 2*stockDf['std']
13    stockDf['up'].plot(color="green",label='上阻力線')
14    stockDf['down'].plot(color="navy",label='下支撐線')
15    stockDf['mid'].plot(color="red",label='中心線')
16    ax.set_ylabel("收盤價（元）")
17    ax.grid() # 帶網(wǎng)格線
18    ax.legend()     # 繪制圖例
19    #設(shè)置x軸文字間隔和旋轉(zhuǎn)角度
20    index=stockDf.index[stockDf.index%7==0]
21    xtics=stockDf['Date'][stockDf.index%7==0]
22    plt.xticks(index,xtics)
23    plt.setp(plt.gca().get_xticklabels(), rotation=30)
24    plt.rcParams['font.sans-serif']=['SimHei']
25    plt.title("600530交大昂立20天布林帶通道效果圖")
26    plt.show()

本范例和之前的唐奇安通道的范例很相似，區(qū)別主要集中在第9行到第15行。在第9行里，先用rolloing和 mean方法計算過去20天的均值，以此作為中心線，再通過第10行的rolling和std方法，計算過去20天收盤價的標(biāo)準(zhǔn)差，在此基礎(chǔ)上再通過第11行和第12行的代碼計算上阻力線和下支撐線。

完成計算后，是通過第13行到第15行的plot方法繪制三條線，同時用label參數(shù)設(shè)置了圖例。運行本范例，能看到如下圖所示的效果。其中布林帶通道的寬度是由過去20天收盤價的標(biāo)準(zhǔn)差決定，也就是說，如果過去20天收盤價波動比較大，那么布林帶通道就比較寬，反之就比較狹窄。而且，雖然有個別價格向上或向下突破通道，但未形成“有效突破”，所以后期價格依然在通道內(nèi)波動，由此大家能感受到“上阻力線”和“下支撐線”的“阻力”和“支撐”效果。

3 計算并繪制鱷魚組線

鱷魚組線其實不屬于價格通道指標(biāo)，但也是通過三條線來研判股價的走勢，在鱷魚組線里，三條線分別叫上唇、牙齒和下顎，具體算法如下所述。

上唇線是5天周期的價格平滑移動平均線（ SMMA ），向未來延后3天，也就是說第8天才會開始展示上唇線，上唇線一般用綠線繪制。

牙齒線是由8天周期的價格平滑移動平均線，向未來延后5天，一般用紅線繪制。

下顎線由13天周期的價格平滑移動平均線向未來延后8天，一般用藍色繪制。

這里的平滑移動平均線SMMA也叫流暢移動平均線，這里以5天周期為例，講下具體的算法。

第1個SMMA值（即第5天的平滑平均值） = 前五天收盤價的均價

第6天的值 = （該周期內(nèi)收盤價的和 –第1個SMMA值 + 第6天的收盤價）/5

第7天的值 = （該周期內(nèi)收盤價的和 – 第2個SMMA值 + 第7天的收盤價）/5

依次類推，第n天的值 = （該周期內(nèi)收盤價的和 –上個SMMA值 + 第n日收盤價）/5

這里的算法涉及到計算平滑移動平均線，在如下的DisplayCrocodileLines.py范例中，就將演示用pandas庫計算相關(guān)數(shù)值，并用matplotlib繪制鱷魚組線的做法。

01    # coding=utf-8
02    import pandas as pd
03    import matplotlib.pyplot as plt
04    from mpl_finance import candlestick2_ochl
05    #計算各種SMMA值
06    def setSMMAVal(df, period):
07        for i in range(len(df)):
08            if i<period:
09                df['SMMA' + str(period)] = df.ix[i,'MA'+  str(period)]
10            else: #按算法計算SMMA值
11               df.ix[i,'SMMA'+ str(period)]=df.ix[i,'MA'+ str(period)] + (df.ix[i,'Close'] - df.ix[i-1,'SMMA'+ str(period)])/period
12        return df

在第6行的setSMMAVal方法里，是根據(jù)參數(shù)period指定的周期，計算各種SMMA值。具體而言，在第7行的for循環(huán)里，如果當(dāng)前遍歷的索引號小于周期值，則設(shè)置SMMA值為當(dāng)天的MA均值，否則的話，則通過第11行的代碼，按SMMA的算法，計算當(dāng)天的值。

請注意這里的列名是動態(tài)拼接的，比如在第9行，如果當(dāng)前參數(shù)是5，那么其實是用df['MA5'] 的值來填充df['SMMA' + str(period)]值。

13    #計算三條鱷魚組線
14    def setCrocodileVal(df):
15        #  用shift方法，把數(shù)據(jù)順延
16        df['up'] = df['SMMA5'].shift(3)
17        df['mid'] = df['SMMA8'].shift(5)
18        df['down'] = df['SMMA13'].shift(8)
19        return df

在得到SMMA的值以后，可以通過第14行的setCrocodileVal方法來計算3條鱷魚組線的值，這里的技巧是shift方法，比如在第16行里，使用df['SMMA5'].shift(3)代碼，把當(dāng)天的SMMA5值向后順延3天，以此設(shè)置上唇線的值。在第17行和第18行里，也是用shift方法，順延對應(yīng)的SMMA值，得到牙齒線和下顎線的值。

20    # 讀數(shù)據(jù)
21    stockDf = pd.read_csv('D:/work/data/ch11/600530.ss.csv')
22    #算均值
23    stockDf['MA5'] = stockDf['Close'].rolling(window=5).mean()
24    stockDf['MA8'] = stockDf['Close'].rolling(window=8).mean()
25    stockDf['MA13'] = stockDf['Close'].rolling(window=13).mean()
26    #算三個SMMA值
27    stockDf = setSMMAVal(stockDf, 5)
28    stockDf = setSMMAVal(stockDf, 8)
29    stockDf = setSMMAVal(stockDf, 13)
30    #計算三個鱷魚組線的值
31    stockDf = setCrocodileVal(stockDf)

通過第21行的代碼得到csv里股票數(shù)據(jù)后，先通過第23行到第25行的代碼，計算5天、8天和13天的均價，并通過第27行到第29行的代碼計算三個SMMA值，隨后再通過第31行的代碼計算三個鱷魚組線的值，至此完成計算，在后文里開始繪圖。

32    fig, ax = plt.subplots()
33    #為了突出三條組線，設(shè)置了透明度為0.5
34    candlestick2_ochl(ax = ax, opens=stockDf["Open"].values, closes=stockDf["Close"].values, highs=stockDf["High"].values, lows=stockDf["Low"].values, width=0.75, colorup='red',alpha=0.5, colordown='green')
35    #繪制三條組線
36    stockDf['up'].plot(color="green",label='上唇線')
37    stockDf['down'].plot(color="red",label='牙齒線')
38    stockDf['mid'].plot(color="blue",label='下顎線')
39    ax.set_ylabel("收盤價（元）")
40    ax.grid() # 帶網(wǎng)格線
41    ax.legend()     # 繪制圖例
42    #設(shè)置x軸文字間隔和旋轉(zhuǎn)角度
43    index=stockDf.index[stockDf.index%7==0]
44    xtics=stockDf['Date'][stockDf.index%7==0]
45    plt.xticks(index,xtics)
46    plt.setp(plt.gca().get_xticklabels(), rotation=30)
47    plt.rcParams['font.sans-serif']=['SimHei']
48    plt.title("600530交大昂立鱷魚組線效果圖")
49    plt.show()

在第36行到第38行的代碼里，是通過plot方法繪制了三條鱷魚組線，同時通過color參數(shù)分別設(shè)置了顏色，通過label參數(shù)設(shè)置了圖例。其他的可視化代碼之前都已經(jīng)分析過，這里就不再講述了。運行本范例，能看到如下圖所示的效果。

由于在繪制K線圖時通過alpha參數(shù)設(shè)置了透明度，所以這里三條鱷魚組線更加明顯。

按照股市分析理論，如果上唇線在牙齒線之上，同時牙齒線在下顎線之上，說明當(dāng)前進入股價上升階段。如果相反，上唇線在牙齒線之下，而牙齒線在下顎線之下，則說明股價進入下跌階段。如果上圖那樣三條線相互交錯纏繞，則通過該指標(biāo)說明當(dāng)前市場沒有發(fā)出明確的買賣交易信號。不過本范例的主題是數(shù)據(jù)分析，所以請更關(guān)注計算三條線時用到的相關(guān)Python方法。

最后，小編想說：我是一名python開發(fā)工程師，整理了一套最新的python系統(tǒng)學(xué)習(xí)教程，想要這些資料的可以關(guān)注私信小編“01”即可（免費分享哦）希望能對你有所幫助。