如何写五日均线函数Python

如何写五日均线函数Python

五日均线函数的核心在于计算、平滑、预测股票趋势、简单实现。其中最重要的一点是计算，因为它是所有均线算法的基础。下面我们将详细描述如何在Python中实现一个五日均线函数，并讲解相关的技术细节和方法。

一、计算五日均线

计算五日均线的基本原理是取最近五个交易日的收盘价的平均值。以下是详细步骤：

1、获取股票数据

获取股票数据是实现五日均线的第一步。我们可以使用一些第三方库，比如yfinance或pandas_datareader来获取股票的历史数据。

import yfinance as yf
获取苹果公司的历史数据
df = yf.download('AAPL', start='2022-01-01', end='2023-01-01')
print(df.head())

2、计算五日均线

一旦我们有了股票的历史数据，接下来就是计算五日均线。我们可以使用pandas库中的rolling函数来实现。

import pandas as pd
计算五日均线
df['5_day_MA'] = df['Close'].rolling(window=5).mean()
print(df.head(10))

二、平滑五日均线

平滑五日均线可以帮助我们更好地观察股票的长期趋势，减少短期波动的影响。常见的平滑方法包括指数移动平均线（EMA）和加权移动平均线（WMA）。

1、指数移动平均线（EMA）

指数移动平均线是一种加权移动平均线，给最近的价格赋予更大的权重。以下是计算EMA的代码：

def ema(data, window):
    ema_data = data.ewm(span=window, adjust=False).mean()
    return ema_data
计算五日EMA
df['5_day_EMA'] = ema(df['Close'], 5)
print(df.head(10))

2、加权移动平均线（WMA）

加权移动平均线是另一种平滑技术，给数据赋予不同的权重。以下是计算WMA的代码：

def wma(data, window):
    weights = np.arange(1, window + 1)
    wma_data = data.rolling(window).apply(lambda prices: np.dot(prices, weights) / weights.sum(), raw=True)
    return wma_data
计算五日WMA
df['5_day_WMA'] = wma(df['Close'], 5)
print(df.head(10))

三、预测股票趋势

五日均线不仅用于观察股票的历史趋势，还可以用于预测未来的股票趋势。这需要结合其他技术分析工具和方法，如相对强弱指数（RSI）和布林带（Bollinger Bands）。

1、相对强弱指数（RSI）

相对强弱指数（RSI）是一种动量振荡器，衡量股票价格变动的速度和变化。以下是计算RSI的代码：

def rsi(data, window):
    delta = data.diff(1)
    gain = (delta.where(delta > 0, 0)).fillna(0)
    loss = (-delta.where(delta < 0, 0)).fillna(0)
    avg_gain = gain.rolling(window=window, min_periods=1).mean()
    avg_loss = loss.rolling(window=window, min_periods=1).mean()
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi
计算14日RSI
df['14_day_RSI'] = rsi(df['Close'], 14)
print(df.head(10))

2、布林带（Bollinger Bands）

布林带由一个中心移动平均线和上下两个标准差带组成。以下是计算布林带的代码：

def bollinger_bands(data, window, no_of_std):
    rolling_mean = data.rolling(window).mean()
    rolling_std = data.rolling(window).std()
    upper_band = rolling_mean + (rolling_std * no_of_std)
    lower_band = rolling_mean - (rolling_std * no_of_std)
    return rolling_mean, upper_band, lower_band
计算20日布林带
df['20_day_MA'], df['Upper_band'], df['Lower_band'] = bollinger_bands(df['Close'], 20, 2)
print(df.head(10))

四、简单实现五日均线

为了方便用户使用，我们可以将五日均线的计算封装成一个函数。以下是完整的代码实现：

import yfinance as yf
import pandas as pd
import numpy as np
def get_stock_data(ticker, start, end):
    df = yf.download(ticker, start=start, end=end)
    return df
def calculate_moving_averages(df, window):
    df[f'{window}_day_MA'] = df['Close'].rolling(window=window).mean()
    return df
def ema(data, window):
    ema_data = data.ewm(span=window, adjust=False).mean()
    return ema_data
def wma(data, window):
    weights = np.arange(1, window + 1)
    wma_data = data.rolling(window).apply(lambda prices: np.dot(prices, weights) / weights.sum(), raw=True)
    return wma_data
def rsi(data, window):
    delta = data.diff(1)
    gain = (delta.where(delta > 0, 0)).fillna(0)
    loss = (-delta.where(delta < 0, 0)).fillna(0)
    avg_gain = gain.rolling(window=window, min_periods=1).mean()
    avg_loss = loss.rolling(window=window, min_periods=1).mean()
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi
def bollinger_bands(data, window, no_of_std):
    rolling_mean = data.rolling(window).mean()
    rolling_std = data.rolling(window).std()
    upper_band = rolling_mean + (rolling_std * no_of_std)
    lower_band = rolling_mean - (rolling_std * no_of_std)
    return rolling_mean, upper_band, lower_band
def main():
    ticker = 'AAPL'
    start = '2022-01-01'
    end = '2023-01-01'
    df = get_stock_data(ticker, start, end)
    df = calculate_moving_averages(df, 5)
    df['5_day_EMA'] = ema(df['Close'], 5)
    df['5_day_WMA'] = wma(df['Close'], 5)
    df['14_day_RSI'] = rsi(df['Close'], 14)
    df['20_day_MA'], df['Upper_band'], df['Lower_band'] = bollinger_bands(df['Close'], 20, 2)
    print(df.head(10))
if __name__ == "__main__":
    main()