? ? ?在用python的matplotlib和numpy庫繪制股票K線均線的整合效果（含從網絡接口爬取數據和驗證交易策略代碼）一文里，我講述了通過爬蟲接口得到股票數據并繪制出K線均線圖形的方式，在本文里，將在此基礎上再引入成交量效果圖，并結合量價理論，給出并驗證一些交易策略。
1?成交量對量化分析的意義
? ? 美國的股市分析家葛蘭碧（Joe Granville）在他所著的《股票市場指標》一書里提出著名的“量價理論”。“量價理論”的核心思想是，任何對股價的分析，如果離開了對成交量的分析，都將是無本之木，無水之源，因為成交量的增加或萎縮都表現出一定的股價趨勢。
? ? 成交量是指時間單位內已經成交的股數或總手數。成交量能反應出股市交易中的供求關系，其中道理是比較淺顯易懂的，當股票供不應求時，大家爭相購買，成交量就很大了，反之當供過于求時，則說明市場交易冷淡，成交量必然萎縮。
? ? 廣義的成交量包括成交股數（Volumn或Vol）、成交金額（AMOUNT，時間單位內已經成交的總金額數）和換手率（TUN，股票每天成交量除以股票的流通總股本所得的比率），而狹義則是指成交股數。我們用yahoo接口得到的數據里，有表示成交股數的Volumn列，其中的單位是“手”，一手為100股，在本部分里，我們是通過Volumn列數據繪制股票的成交量信息。
2?引入成交量
? ? 在K線和均線整合成交量的效果圖里，出于美觀的考慮，我們對整合的效果提出了如下三點要求。
? ? 第一，繪制上下兩個子圖，上圖放K線和均線，下圖放成交量效果。
? ? 第二，上下兩個子圖共享x軸，也就是說，兩者x軸的刻度標簽和間隔應該是一樣的。
? ? 第三，通過柱狀圖來繪制成交量圖，如果當天股票上漲，成交量圖是紅色，下跌則是綠色。? ?
? ? 在如下的drawKMAAndVol.py案例，我們將實現增加成交量圖的效果。
1
#
!/usr/bin/env python
2
#
coding=utf-8
3
import
pandas as pd
4
import
matplotlib.pyplot as plt
5
from
mpl
import
candlestick_ochl
6
from
matplotlib
import
MultipleLocator
7
#
根據指定代碼和時間范圍，獲取股票數據
8 df = pd.read_csv(
'
D:/stockData/ch7/600895.csv
'
,encoding=
'
gbk
'
)
9
#
設置大小，共享x坐標軸
10 figure,(axPrice, axVol) = plt.subplots(2, sharex=True, figsize=(15,8
))
11
#
調用方法，繪制K線圖
12 candlestick_ochl(ax = axPrice, opens=df[
"
Open
"
].values, closes=df[
"
Close
"
].values, highs=df[
"
High
"
].values, lows=df[
"
Low
"
].values,
13 width=0.75, colorup=
'
red
'
, colordown=
'
green
'
)
14 axPrice.set_title(
"
600895張江高科K線圖和均線圖
"
)
#
設置子圖標題
15 df[
'
Close
'
].rolling(window=3).plot(ax=axPrice,color=
"
red
"
,label=
'
3天均線
'
)
16 df[
'
Close
'
].rolling(window=5).plot(ax=axPrice,color=
"
blue
"
,label=
'
5天均線
'
)
17 df[
'
Close
'
].rolling(window=10).plot(ax=axPrice,color=
"
green
"
,label=
'
10天均線
'
)
18 axPrice.legend(loc=
'
best
'
)
#
繪制圖例
19 axPrice.set_ylabel(
"
價格（單位：元）
"
)
20 axPrice.grid(True)
#
帶網格線
21
#
如下繪制成交量子圖
22
#
直方圖表示成交量，用for循環處理不同的顏色
23
for
index, row
in
df.iterrows():
24
if
(row[
'
Close
'
] >= row[
'
Open
'
]):
25 axVol.bar(row[
'
Date
'
],row[
'
Volume
'
]/1000000,width = 0.5,color=
'
red
'
)
26
else
:
27 axVol.bar(row[
'
Date
'
],row[
'
Volume
'
]/1000000,width = 0.5,color=
'
green
'
)
28 axVol.set_ylabel(
"
成交量（單位：億手）
"
)
#
設置y軸標題
29 axVol.set_title(
"
600895張江高科成交量
"
)
#
設置子圖的標題
30 axVol.set_ylim(0,df[
'
Volume
'
].max()/100000000*1.2)
#
設置y軸范圍
31 xmajorLocator = MultipleLocator(5)
#
將x軸主刻度設置為5的倍數
32
axVol.xaxis.set_major_locator(xmajorLocator)
33 axVol.grid(True)
#
帶網格線
34
#
旋轉x軸的展示文字角度
35
for
xtick
in
axVol.get_xticklabels():
36 xtick.set_rotation(15
)
37 plt.rcParams[
'
font.sans-serif
'
]=[
'
SimHei
'
]
38 plt.show()
? ? 從第8行到第20行，我們一方面是從csv文件里讀取數據，另一方面在第一個子圖里繪制了K線和均線圖。這部分的代碼和之前很相似，不過請大家注意兩個點。
? ? 第一，在第10行里，不僅設置了繪圖區域的大小，更通過sharex=True語句，設置了axPrice和axVol這兩個子圖共享x軸。
? ? 第二，第二，在第14、18、19和第20行，由于是在K線圖和均線圖的axPrice子圖里操作，所以若干方法的調用主體是axPrice對象，而不是之前的pyplot.plt對象。
? ? 從第23行到第36行里，我們在axVol子圖里繪制了成交量圖的效果。請大家注意第23行到第27行的for循環，在其中，我們通過第24行的if語句，比較收盤價和開盤價，以判斷當天股票是漲是跌，在此基礎上，通過第25行或第27行的bar方法，設置當日成交量圖的填充顏色。從上述代碼能看出，成交量是在自于csv文件里的Volume列。
? ? 在繪制成交量圖的時候有兩個細節請大家注意一下。
? ? 第一，在第25行、第27行和第30行里，當我們設置y軸的刻度值和范圍時，我們除以了一個相同的數，這是因為在第28行我們設置y軸文字時，指定了y軸成交量的單位是“億手“。
? ? 第二， 本次是通過第35行和第36行的for循環，設置了“x軸文字旋轉”的效果，從代碼里我們能看到，本案例中的旋轉角度是15度。
? ? 上述代碼的運行效果如下圖所示，從中大家能看兩個x軸刻度一致的子圖，且在成交量子圖里，上漲日和下跌日的成交量填充色分別是紅色和綠色。
3 成交量與股價的關系
? ??成交量和股價間也存在著八大規律，通過下圖，我們能感受到這些規律，其中縱坐標表示價（即股價），橫坐標表示量（即成交量）。
? ? 我們能看出量價之間的八種關系，即量增價平、量增價升、量平價升、量縮價升、量減價平、量縮價跌、量平價跌、量跌價升，隨著上述周期過程，股價也完成了一個從漲到跌的完整循環，下面我們來具體解釋一下。
? ? 1．量增價平：股價經過持續下跌進入到低位狀態，出現了成交量增加但股價平穩的現象，此時不同天的成交量高度落差可能比較明顯，這說明該股在底部積聚上漲動力。
? ? 2．量增價升：成交量在低價位區持續上升，同時伴隨著股價上漲趨勢，這說明股價上升得到了成交量的支撐，后市將繼續看好，這是中短線的買入信號。
? ? 3．量平價升：在股價持續上漲的過程中，如果多日的成交量保持等量水平，建議在這一階段中可以適當增加倉位。
? ? 4．量縮價升：成交量開始減少，但股價依然在上升，此時應該視情況繼續持股。但如果還沒有買入的投資者就不宜再重倉介入，因為股價已經有了一定的漲幅，價位開始接近上限。
? ? 5．量減價平：股價經長期大幅度上漲后，成交量顯著減少，股價也開始橫向調整不再上升，這是高位預警的信號。這個階段里一旦有風吹草動，比如突然拉出大陽線和大陰線，建議應出貨離場，做到落袋為安。
? ?6．量縮價跌：成交量在高位繼續減少，股價也開始進入下降通道，這是明確的賣出信號。如果還出現縮量陰跌，這說明股價底部尚遠，不會輕易止跌。
? ? 7．量平價跌：成交量停止減少，但股價卻出現急速下滑現象，這說明市場并沒有形成一致看空的共識。股諺有“多頭不死，跌勢不止“的說法，出現“量平價跌”的情況，說明主力開始逐漸退出市場，這個階段里，應繼續觀望或者出貨，別輕易去買入以所謂的“搶反彈”。
? ? 8． 量增價跌：股價經長期大幅下跌之后，有可能出現成交量增加的情況，此時的操作原則是建議賣出，或者空倉觀望。如果低價區成交量有增加，則說明有資金在此價位區間接盤，預示后期有望形成底部并出現反彈。但如果出現量增價跌，則建議應清倉出局。
? ? 在下文里，我們將通過Python語言驗證量價理論中的兩個規則。
4 驗證“量增價平“的買點
? ??在如下的calBuyPointByVol.py案例中，我們將驗證“量增價平“的買點。在這段代碼里我們做了三件事，第一是通過yahoo接口得到了指定股票指定范圍內的交易數據，第二通過pandas接口保存得到的數據，以便日后驗證，第三通過遍歷dataframe對象，計算量和價的關系，從而獲得買點日期。? ??
1
#
!/usr/bin/env python
2
#
coding=utf-8
3
import
pandas_datareader
4
import
pandas as pd
5
import
numpy as np
6
#
漲幅是否大于指定比率
7
def
isMoreThanPer(lessVal,highVal,per):
8
if
np.abs(highVal-lessVal)/lessVal>per/100
:
9
return
True
10
else
:
11
return
False
12
#
漲幅是否小于指定比率
13
def
isLessThanPer(lessVal,highVal,per):
14
if
np.abs(highVal-lessVal)/lessVal
:
15
return
True
16
else
:
17
return
False
18 code=
'
600895.ss
'
19 stock = pandas_datareader.get_data_yahoo(code,
'
2018-09-01
'
,
'
2018-12-31
'
)
20
#
刪除最后一行，因為get_data_yahoo會多取一天數據
21 stock.drop(stock.index[len(stock)-1],inplace=
True)
22
#
保存在本地
23 stock.to_csv(
'
D:\\stockData\ch7\\60089520181231.csv
'
)
24
#
從文件里得到數據
25 df = pd.read_csv(
'
D:/stockData/ch7/60089520181231.csv
'
,encoding=
'
gbk
'
)
26 cnt=
0
27
while
cnt<=len(df)-1
:
28
try
:
29
#
規則1，連續三天收盤價變動不超過3%
30
if
isLessThanPer(df.iloc[cnt][
'
Close
'
],df.iloc[cnt+1][
'
Close
'
],3)
and
isLessThanPer(df.iloc[cnt][
'
close
'
],df.iloc[cnt+2][
'
Close
'
],3
) :
31
#
規則2,連續三天成交量漲幅超過75%
32
if
isMoreThanPer(df.iloc[cnt][
'
Volume
'
],df.iloc[cnt+1][
'
volume
'
],75)
and
isMoreThanPer(df.iloc[cnt][
'
Volume
'
],df.iloc[cnt+2][
'
Volume
'
],75
) :
33
print
(
"
Buy Point on:
"
+ df.iloc[cnt][
'
Date
'
])
34
except
:
35
pass
36 cnt=cnt+1
? ??在第7行定義的isMoreThanPer方法里，我們比較了高價和低價，以判斷是否超過由參數per指定的漲幅。在第13行的isLessThanPer方法里，我們判斷了跌幅是否超過per指定的范圍。由于這兩個功能經常會用到，所以我們把它們封裝成函數。
? ? 從第18行到第25行，我們完成了獲取并保存數據的動作，并用df對象保存了待遍歷的股票數據（即張江高科2018-09-01到2018-12-31的數據）。
? ? 在第27行到第36行按日期遍歷股票數據時，我們制定了如下規則，連續三天股票的收盤價變動范圍不超過5%（即價平）且3天成交量的漲幅過75%（即量增），把滿足條件的日期打印出來。 運行后，我們能看到11月2日這個買點。
? ? 在之前代碼基礎上改寫下，把時間范圍改成2018-09-01到2018-12-31，再運行下，能看到如下圖所示的效果。? ??
? ? 從中我們能看到驗證后的結果：在11月2日之后，股票的漲幅比較明顯，確實是個合適的買點，從中我們能看出 “量增價平”的指導意義。
5 驗證“量減價平“的賣點
? ??在如下calSellPointByVol.py案例中，我們同樣是分析張江高科2018-09-01到2018-12-31的交易數據，本次我們制定的策略是，第一，還是連續三天股票的收盤價變動范圍不超過5%（即價平），第二，較第一日相比，第二日和第三日的成交量下降幅度超過75%（即量減）。? ??
1
#
!/usr/bin/env python
2
#
coding=utf-8
3
import
pandas_datareader
4
import
pandas as pd
5
import
numpy as np
6
#
漲幅是否大于指定比率
7
def
isMoreThanPer(lessVal,highVal,per):
8
if
np.abs(highVal-lessVal)/lessVal>per/100
:
9
return
True
10
else
:
11
return
False
12
#
漲幅是否小于指定比率
13
def
isLessThanPer(lessVal,highVal,per):
14
if
np.abs(highVal-lessVal)/lessVal
:
15
return
True
16
else
:
17
return
False
18
#
本次直接從文件里得到數據
19 df = pd.read_csv(
'
D:/stockData/ch7/60089520181231.csv
'
,encoding=
'
gbk
'
)
20 cnt=
0
21
while
cnt<=len(df)-1
:
22
try
:
23
#
規則1，連續三天收盤價變動不超過3%
24
if
isLessThanPer(df.iloc[cnt][
'
Close
'
],df.iloc[cnt+1][
'
Close
'
],3)
and
isLessThanPer(df.iloc[cnt][
'
Close
'
],df.iloc[cnt+2][
'
close
'
],3
) :
25
#
規則2,連續三天成交量跌幅超過75%
26
if
isMoreThanPer(df.iloc[cnt+1][
'
Volume
'
],df.iloc[cnt][
'
Volume
'
],75)
and
isMoreThanPer(df.iloc[cnt+2][
'
Volume
'
],df.loc[cnt][
'
Volume
'
],75
) :
27
print
(
"
Sell Point on:
"
+ df.iloc[cnt][
'
Date
'
])
28
except
:
29
pass
30 cnt=cnt+1
? ? 上述代碼和之前calBuyPointByVol.py案例很相似，只不過我們適當變更了第26行判斷“成交量”的if條件。上述代碼運行后，我們能得到的賣點是2018-12-05，從上圖里我們能看出，在這段時間之后的若干交易日里，張江高科的股價確實有下跌現象。
6 求推薦，后文預告與版權說明
? ? 在本系列的后面文章中，將陸續通過python繪制成交量、KDJ、MACD、RSI，BIAS和OBV等指標，而且還會用Python編寫針對這些指標的交易策略，敬請關注。
? ? 本文用了我將近2個小時，如果大家感覺好，請幫忙推薦下。
? ??關于轉載有如下的說明。
? ? 1 本文文字和代碼均屬原創，可轉載，但謝絕用于商業用戶。
? ? 2 轉載時請用 鏈接 的方式，給出原文出處，同時寫明原作者是hsm_computer。
? ? 3 在轉載時，請原文轉載 ，如要 在轉載修改本文，請事先告知，謝絕在轉載時通過修改本文達到有利于轉載者的目的。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
