【量化】股市技术分析利器之 TA-Lib（一）

2021 年 12 月 01 日
本文字数：3043 字
阅读完需：约 10 分钟

作者：未来大佬
来源：恒生LIGHT云社区

1、TA-Lib 简介

TA-Lib，全称“Technical Analysis Library”, 即技术分析库，是 Python 金融量化的高级库，涵盖了 158 种股票、期货交易软件中常用的技术分析指标，如 MACD、RSI、KDJ、动量指标、布林带等等。talib 的技术指标可分为 10 个类别，如下图所示：

3820

2、TA-Lib 安装

TA-Lib 下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/

打开网址后搜索 TA-Lib，根据自己系统和 python 版本选择相应的安装包，我们选择最新版本的，因为我电脑已经安装了 python 3.10.0

3821

下载后是一个 whl 文件：TA_Lib-0.4.21-cp310-cp310-win_amd64.whl。

打开下载文件所在目录，打开 cmd 命令行（在文件路径中输入 cmd 然后回车，或者按住 shit 键然后鼠标右键选择在此处打开 powershell 窗口），在命令行窗口执行命令:

pip install TA_Lib-0.4.21-cp310-cp310-win_amd64.whl

很快就提示安装成功。

3、查看 TA-Lib 提供的技术指标

import talibimport pandas as pd#查所有函数指标，一共158个functions = talib.get_functions()print(len(functions),functions)#指标太多看不过来，没关系，还可以使用分类查看groups = talib.get_function_groups()print(groups)#单独查看分类名称print(groups.keys())#查看每个分类的函数指标个数table = pd.DataFrame({'技术指标类别名称': list(groups.keys()),'该类别指标个数': list(map(lambda x: len(x), groups.values()))})print(table)

复制代码

3822

各个指标详细的参数说明：http://mrjbq7.github.io/ta-lib/doc_index.html

指标中文文档可以参考大神的文档：https://github.com/HuaRongSAO/talib-document

4、TA-Lib 指标的使用

下面介绍一下布林带指标的使用，并且在 K 线图上画出来

布林带(Bollinger Band)，由压力线、支撑线价格平均线组成，一般情况价格线在压力线和支撑线组成的上下区间中游走，区间位置会随着价格的变化而自动调整。布林线的理论使用原则是：当股价穿越最外面的压力线（支撑线）时，表示卖点（买点）出现。当股价延着压力线（支撑线）上升（下降）运行，虽然股价并未穿越，但若回头突破第二条线即是卖点或买点。在实际应用中，布林线有其滞后性，相对于其他技术指标在判断行情反转时参考价值较低，但在判断盘整行情终结节点上成功率较高。

计算方法：首先计出过去 N 日收巿价的标准差 SD(Standard Deviation) ，通常再乘 2 得出 2 倍标准差， Up 线为 N 日平均线加 2 倍标准差， Down 线则为 N 日平均线减 2 倍标准差。

4.1 获取行情数据

本文使用恒有数获取股票行情数据，源代码如下：

import talibimport hs_udata as hsimport datetimeimport timeimport talibimport pandas as pdimport openpyxl
#获取一段时间的股票日行情数据def Get_stock_quote_daily(stocklist,datelist):    #单次获取股票代码数量    stock_num = 500    #变量初始化    data_i = []    for Date_i in datelist['trading_date'].to_list():        #开始计时        t1 = time.time()        #对股票列表进行循环        for i in range(0,len(stocklist),stock_num):            list_i=','.join(stocklist[i:i+stock_num])            #获取日行情数据，接口说明见 https://udata.hs.net/datas/332/            #adjust_way枚举值为：0-不复权，1-前复权，2-后复权，此处取前复权            data_i.append(hs.stock_quote_daily(en_prod_code=list_i,trading_date=Date_i,adjust_way = 1))            t2 = time.time()            # 结束计时            #打印耗时            print("{0}日行情数据，耗时为：{1}秒".format(Date_i,round(t2-t1,4)))
    #拼接各段行情数据    data = pd.concat(data_i, ignore_index=True)    return  data
if __name__ == '__main__':    #设置Token,注册后，获取并替换token    hs.set_token(token='SXt-DJbOiOxA5C-GXyzwaTehKvr41T564D8AQ1cgw5ZRW-gZTB_KIerid4U9Oy3S')    #获取股票列表    stocklist = ['600570.SH']    #下载2021-01-01~2021-11-23 的股票日行情数据    start='2021-01-01'    end  ='2021-11-23'    #获取时间区间内，secu_market=83-沪深证券交易所交易日列表    datelist = hs.trading_calendar(secu_market='83',start_date=start,end_date=end,if_trading_day='1',fields='trading_date')    #调用函数    data = Get_stock_quote_daily(stocklist,datelist)    #导出Excel文件，方便后续本地快速调试    data.to_excel('股票日行情{0}-{1}.xlsx'.format(start, end))    print('下载数据条数为：{0}'.format(len(data)))    print(data.head())

复制代码

3824

4.2 调用布林线指标及绘图

调用 TA-Lib 的 BBANDS 指标生成 BOLL 线数据，并且使用 mplfinance 画出 K 线和布林线。源代码如下：

import talibimport pandas as pdfrom talib import MA_Typeimport mplfinance as mpf
def showPlot(data):close_p = data['close_price'].values
#BBANDS Bollinger Bands，布林线指标#upperband, middleband, lowerband = BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)
data["BBANDS_upper"], data["BBANDS_middle"], data["BBANDS_lower"] = talib.BBANDS(    close_p, timeperiod=20, matype=MA_Type.SMA)
#数据处理#剔除非交易日data = data.loc[data.turnover_status == '交易']#选取日期、高开低收价格、成交量数据data_price = data[['trading_date', 'open_price', 'high_price', 'low_price', 'close_price', 'business_amount']]
#更换列名，为后面函数变量做准备data_price = data_price.rename(    columns={'trading_date': 'Date', 'open_price': 'Open', 'close_price': 'Close', 'high_price': 'High',             'low_price': 'Low', 'business_amount': 'Volume'})#设置date列为索引，覆盖原来索引,这个时候索引还是 object 类型，就是字符串类型。data_price.set_index('Date', inplace=True)#将object类型转化成 DateIndex 类型，pd.DatetimeIndex 是把某一列进行转换，同时把该列的数据设置为索引 index。data_price.index = pd.DatetimeIndex(data_price.index)data_price = data_price.sort_index(ascending=True)my_color = mpf.make_marketcolors(up='red', down='green', edge='i', wick='i', volume='in')my_style = mpf.make_mpf_style(marketcolors=my_color, gridaxis='both', gridstyle='-.', y_on_right=False)#mav(5,10,20)显示5日，10日，20日移动均线#mpf.plot(data_price, type='candle', mav=(5, 10, 20),style=my_style, volume=True, show_nontrading=False)
#将要额外添加的图线按照下边这种格式，放在一个列表中。然后传给mpf.plot的参数addplot就可以了。add_plot = [    mpf.make_addplot(data["BBANDS_upper"]),    mpf.make_addplot(data["BBANDS_middle"]),    mpf.make_addplot(data["BBANDS_lower"])]
#显示K线，布林线，成交量mpf.plot(data_price, type='candle', addplot=add_plot, style=my_style, volume=True, show_nontrading=False)
if __name__ == '__main__':data = pd.read_excel('股票日行情2021-01-01-2021-11-19.xlsx')showPlot(data)