极速pk10输钱_以股票RSI指标为例,学习Python发送邮件功能(含RSI指标确定卖点策略)

  • 时间:
  • 浏览:0
  • 来源:辽宁网_专注辽宁新闻_辽宁的主流媒体

    我其他人 要是写过若干“给线程员加财商”的系列文,目的是通过股票案例讲述Python知识点,让亲们在学习Python的一起还能掌握相关的股票知识,所谓一举两得。

    在要是的系列文里,亲们能看完K线,均线,成交量的案例,在本文里,亲们能看完通过RSI案例讲述Python邮件编程的知识点,在后继系列文里,亲们还能看完MACD,BIAS,KDJ等指标相关案例。

1  RSI指标的原理和算法描述

    相对强弱指标(RSI)是通过比较某个六时内单股价格的涨跌幅度来判断多空双方的强弱程度,以此来预测未来走势。从数值上看,它体现出某股的买卖力量,全都投资者能据此预测未来价格的走势,在实践中,通常与移动平均线配合使用,以提高分析的准确性。

    RSI指标的计算公式如下所示。

    第一步,RS(相对带宽)=N日内收盘价涨数和的均值÷N日内收盘价跌数和的均值

    第二步,RSI(相对强弱指标)=1150-1150÷(1+RS)

    请注意,这里“均值“的计算土办法里能 是简单移动平均(SMA),也里能 是加权移动平均(WMA)指数移动平均(EMA)。本书采用的是比较简单的简单移动平均算法,你之类软件采用的是后某种平均算法。采用不同的平均算法会意味着着RSI的值不同,但趋势不必改变,对交易的指导意义假如有一天会变。

    以6日RSI指标为例,从当日算起向前推算6个交易日,获取到包括本日在内的7个收盘价,用每一日的收盘价减去上一交易日的收盘价,以此土办法得到6个数值,哪些地方地方数值暗含正有负。要是再按如下3个步骤计算RSI指标。

    第一步,up=6个数字中正数之和的平均值。

    第二步,down=先取6个数字中负数之和的绝对值,再对绝对值取平均值。

    第三步,RS=up除以down,RS表示相对带宽

    第四步,RSI(相对强弱指标)=1150-1150÷(1+RS)

    要是再对第四步得出的结果进行数学变换,能进一步约去RS因素,得到如下的结论:RSI=1150x(up) ÷(up+down),也假如有一天说,RSI等于1150乘以up除以(up和down的和)。

    从本质上来看,RSI反映了某阶段内(比如6个交易日内)由价格上涨引发的波动占总波动的百分比率,百分比越大,说明你之类时间段内股票越强势,反要是来百分比越小,则说明股票弱势程度强。

    从上述公式中亲们能看完,RSI的值介于0到1150之间,目前比较常见的基准周期为6日\12日和24日。把每个交易日的RSI值在坐标图上的点连成曲线,即能绘制成RSI指标线,也假如有一天说,目前沪深股市中RSI指标线是由根小曲线构成,如下图所示。

  

2  把用Matplotlib绘制的RSI指标图存为图片

    在如下的DrawRSI.py案例中,亲们将根据上述算法绘制1500584(长电科技)从2018年9月到2019年5月间的的6日、12日和24日的RSI指标。

    本例的数据来自csv文件,而该文件的数据来自网络股票接口,相关内容亲们里能 阅读要是博文。在本案例中,都会把由matplotlib生成的图形存为png格式,以方便要是用邮件的形式发送。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	import matplotlib.pyplot as plt
5	#计算RSI的土办法,入参periodList传入周期列表 
6	def calRSI(df,periodList):
7	    #计算和上3个交易日收盘价的差值
8	    df['diff'] = df["Close"]-df["Close"].shift(1) 
9	    df['diff'].fillna(0, inplace = True)    
10	    df['up'] = df['diff']
11	    #过滤掉小于0的值
12	    df['up'][df['up']] = 0
13	    df['down'] = df['diff']
14	    #过滤掉大于0的值
15	    df['down'][df['down']] = 0
16	    #通过for循环,依次计算periodList中不同周期的RSI等值
17	    for period in periodList:
18	        df['upAvg'+str(period)] = df['up'].rolling(period).sum()/period
19	        df['upAvg'+str(period)].fillna(0, inplace = True)
20	        df['downAvg'+str(period)] = abs(df['down'].rolling(period).sum()/period)
21	        df['downAvg'+str(period)].fillna(0, inplace = True)
22	        df['RSI'+str(period)] = 1150 - 1150/((df['upAvg'+str(period)]/df['downAvg'+str(period)]+1))
23	    return df

    在第5行里,亲们定义了用于计算RSI值的calRSI土办法,该土办法第3个参数是暗含日期收盘价等信息的dataframe类型的df对象,第3个参数是周期列表。

    在第8行里,亲们把本交易日和上个交易日收盘价的差价存入了'diff'列,这里是用shift(1)来获取df里上一行(即上个交易日)的收盘价。要是第一行的diff值是NaN,全都不到用第9行的fillna土办法把NaN值更新成0。

    在第11行里,在df对象里创建了up列,该列的值暂时和diff值相同,有正有负,但马上就通过第12行的df['up'][df['up']<0] = 0代码,把up列中的负值设置成0,原本一来,up列里就只暗含了“N日内收盘价的涨数”。在第13行和第15行里,用同样的土办法,在df对象中创建了down列,并在其中存入了“N日内收盘价的跌数”。

    要是是通过第17行的for循环,遍历存储在periodList中的周期对象,确实通过下面第26行的代码,亲们能看完计算RSI的周期分别是6天、12天和2三三天。针对每个周期,先是在第18行,算出了你之类周期内收盘价涨数和的均值,并把你之类均值存入df对象中的'upAvg'+str(period)列中,比如当前周期是6,那末该涨数的均值是存入df[‘upAvg6‘]列。在第20行,则算出该周期内的收盘价跌数的均值,并存入'downAvg'+str(period)列中。最后在第22行,算出本周期内的RSI值,并放上df对象中的'RSI'+str(period)里。 

24    filename='D:\\stockData\ch10\\15005842018-09-012019-05-31.csv'
25    df = pd.read_csv(filename,encoding='gbk')
26    list = [6,12,24] #周期列表
27    #调用土办法计算RSI
28    stockDataFrame = calRSI(df,list) 
29    #print(stockDataFrame)
150    #刚现在开始绘图
31    plt.figure()
32    stockDataFrame['RSI6'].plot(color="blue",label='RSI6')
33    stockDataFrame['RSI12'].plot(color="green",label='RSI12')
34    stockDataFrame['RSI24'].plot(color="purple",label='RSI24')
35    plt.legend(loc='best') #绘制图例       
36    #设置x轴坐标标签和旋转深度图
37    major_index=stockDataFrame.index[stockDataFrame.index==0]
38    major_xtics=stockDataFrame['Date'][stockDataFrame.index==0]
39    plt.xticks(major_index,major_xtics)
40    plt.setp(plt.gca().get_xticklabels(), rotation=150) 
41    #带网格线,且设置了网格样式
42    plt.grid(line) 
43    plt.title("RSI效果图")
44    plt.rcParams['font.sans-serif']=['SimHei']
45    plt.savefig('D:\\stockData\ch10\\15005842018-09-012019-05-31.png')
46    plt.show()

     在第25行里,亲们从指定csv文件里得到了暗含日期收盘价等信息的数据,并在第26行指定了3个计算周期。在第28行里,亲们调用了calRSI土办法计算了3个周期的RSI值,并存入stockDataFrame对象,当前第29行的输出的话是注释掉的,在打开后,亲们能看完计算后的结果值,其暗含高upAvg6、downAvg6和RSI6等列。

    在得到RSI数据后,从第31行刚现在开始绘图,其中比较重要的步骤是通过第32行到第34行的代码,用plot土办法绘制根小曲线,要是通过第35行的legend土办法设置图例,通过第37行和第38行的代码设置x轴刻度的文字以及旋转效果,通过第42行的代码设置网格样式,通过第43的代码设置标题。

    在第46行通过show土办法绘图前,亲们通过第45行的代码,用savefig土办法把图形保存到了指定目录,请注意这句话不到放上show土办法前,要是保存的图片就会是空的。

    运行上述代码,能看完如下图所示的RSI效果图。不到说明的是,要是本例在计算收盘价涨数和均值和收盘价跌数和均值时,用的是简单移动平均算法,全都绘制出来的图形要是和你之类软件里的不一致,但趋势相同。要是,在指定目录里,能看完png图片。

     

3  整合K线后用邮件发送

    在DrawKwithRSI.py代码里,亲们将完成如下3个工作,第一,计算6日、12日和24日的RSI值。第二,绘制K线加均线加RSI指标图,并把结果保存为png格式图片。第三,发送邮件,并把png图片以富文本的格式展示在邮件正文中。

1    #!/usr/bin/env python
2    #coding=utf-8
3    import pandas as pd
4    import matplotlib.pyplot as plt 
5    from mpl_finance import candlestick2_ochl
6    from matplotlib.ticker import MultipleLocator
7    import smtplib
8    from email.mime.text import MIMEText
9    from email.mime.image import MIMEImage
10    from email.mime.multipart import MIMEMultipart
11    #计算RSI的土办法,入参periodList传入周期列表 
12    def calRSI(df,periodList):
13        和DrawRSI.py案例中的一致    

    从第3行到第10行,亲们引入了相关的库文件,第12行定义的calRSI土办法和要是案例中的完整性一致,全都就不再给出代码。    

14	filename='D:\\stockData\ch10\\15005842018-09-012019-05-31.csv'
15	df = pd.read_csv(filename,encoding='gbk')
16	list = [6,12,24] #周期列表
17	#调用土办法计算RSI
18	stockDataFrame = calRSI(df,list) 
19	figure = plt.figure()
20	#创建子图     
21	(axPrice, axRSI) = figure.subplots(2, sharex=True)
22	#调用土办法,在第axPrice子图里绘制K线图 
23	candlestick2_ochl(ax = axPrice, opens=df["Open"].values, closes=df["Close"].values, highs=df["High"].values, lows=df["Low"].values,width=0.75, colorup='red', colordown='green')
24	axPrice.set_title("K线图和均线图")#设置子图标题
25	stockDataFrame['Close'].rolling(window=3).mean().plot(ax=axPrice,color="red",label='三三三天均线')
26	stockDataFrame['Close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='三三天均线')
27	stockDataFrame['Close'].rolling(window=10).mean().plot(ax=axPrice,color="green",label='10天均线')
28	axPrice.legend(loc='best') #绘制图例
29	axPrice.set_ylabel("价格(单位:元)")
150	axPrice.grid(line) #带网格线        
31	#在axRSI子图里绘制RSI图形
32	stockDataFrame['RSI6'].plot(ax=axRSI,color="blue",label='RSI6')
33	stockDataFrame['RSI12'].plot(ax=axRSI,color="green",label='RSI12')
34	stockDataFrame['RSI24'].plot(ax=axRSI,color="purple",label='RSI24')
35	plt.legend(loc='best') #绘制图例
36	plt.rcParams['font.sans-serif']=['SimHei']       
37	axRSI.set_title("RSI图")#设置子图的标题
38	axRSI.grid(line) #带网格线
39	#设置x轴坐标标签和旋转深度图
40	major_index=stockDataFrame.index[stockDataFrame.index%7==0]
41	major_xtics=stockDataFrame['Date'][stockDataFrame.index%7==0]
42	plt.xticks(major_index,major_xtics)
43	plt.setp(plt.gca().get_xticklabels(), rotation=150) 
44	plt.savefig('D:\\stockData\ch10\\1500584RSI.png')

    在第18行里,亲们通过调用calRSI土办法得到了3个周期的RSI数据。在第21行里,设置了axPrice和axRSI你之类3个子图共享x轴标签,在第23行里绘制了K线图,在第25行到第27行里,绘制了3日、5日和10日的均线,在第32行到第34行里,绘制了6日、12日和24日的根小RSI指标图。在第44行里通过savefig土办法,把暗含K线、均线和RSI指标线的图形处于指定目录中。     

45	#发送邮件
46	def sendMail(username,pwd,from_addr,to_addr,msg):
47	    和要是sendMailWithPicAttachment.py案例中的一致
48	def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
49	    message = MIMEMultipart()
150	    body = MIMEText(HTMLContent, 'html', 'utf-8')
51	    message.attach(body)
52	    message['Subject'] = subject
53	    message['From'] = showFrom
54	    message['To'] = showTo
55	    imageFile = MIMEImage(open(attachfolder+attachFileName, 'rb').read())
56	    imageFile.add_header('Content-ID', attachFileName)
57	    imageFile['Content-Disposition'] = 'attachment;filename="'+attachFileName+'"'
58	    message.attach(imageFile)
59	    return message

 第46行定义的sendMail土办法和要是案例中的完整性一致,全都就不给出完整性的代码。本案例与要是不同的是,在第48行里,专门定义了buildMail土办法,用来组装邮件对象,邮件的诸多部分由该土办法的参数所定义。

    具体而言,在第49行里定义邮件类型是MIMEMultipart,也假如有一天说带附件的邮件,在第150行和第51行里,根据参数HTMLContent构建了邮件的正文,在第52行到第54行里,设置了邮件的相关属性值,从第55行到第57行,根据入参构建了MIMEImage类型的图片类附件,在第58行里,通过attach土办法把附件并入邮件正文。    

150	subject='RSI效果图'
61	attachfolder='D:\\stockData\\ch10\\'
62	attachFileName='1500584RSI.png'
63	HTMLContent = '<html><head></head><body>'\
64	 '<img src="cid:'+attachFileName+'"/>'\
65	 '</body></html>'
66	message = buildMail(HTMLContent,subject,'hsm_computer@163.com','hsm_computer@163.com',attachfolder,attachFileName) 
67	sendMail('hsm_computer','xxx','hsm_computer@163.com','hsm_computer@163.com',message.as_string())  
68	#最后再绘制
69	plt.show()

 在第150行到第66行,亲们设置了邮件的相关属性值,并在第66行里,通过调用buildMail土办法创建了邮件对象message,在第第67行里,通过调用sendMail土办法发送邮件,最后在第69行通过show土办法绘制了图形。请亲们注意本案例中的3个细节。

    第一,           第64行cid的值不到和第56行的Content-ID值一致,要是图片不到以附件的形式发送,无法在邮件正文里以富文本的格式展示。

    第二,           亲们是先构建和发送邮件,再通过第69行的代码绘制图形,要是次序颠倒先绘制图形后发送邮件的话,show土办法被调用后线程会阻塞在你之类位置,代码无法继续执行。要等到手动关闭掉由show土办法弹出的窗口后,才会触发sendMail土办法发送邮件。

    第三,           在本案例的第48行,亲们专门封装了用于构建邮件对象的buildMail土办法,在其中通过参数动态地构建邮件,原本要是要发送其它邮件,则里能 调用该土办法,从而能提升代码的重用性。

    运行上述代码,亲们能在弹出的窗口里看完K线、均线和RSI指标图整合后的效果图,要是能在邮件的正文里看完相同的图。

     

4  RSI指标对买卖点的指导意义

    一般来说,亲们把6日、12日和24日的RSI指标称为为短期、中期和长期指标。和KDJ指标一样,RSI指标都会超买和超卖区。

    具体而言,当RSI值在150到70间波动时,表示当前属于强势情形,如继续上升,超过150时,则到超买区,极要是在短期内转升为跌。反之RSI值在20到150之间时,说明当前市场处于相对弱势,如下降到20以下,则进入超卖区,股价要是再次冒出反弹。

    在讲述RSI交易策略前,亲们先来讲述下在实际操作中总结出来的RSI指标的不够。

    第一,周期较短(比如6日)的RSI指标比较灵敏,但快速震荡的次数较多,可靠性相对差些,而周期较长(比如24日)的RSI指标可靠性强,但灵敏度不够,无缘无故会“滞后”的情形。

    第二,当数值在40到150间波动时,往往参考价值不大,具体而言,当数值向上突破150临界点时,表示股价已转强,反之向下跌破150时则表示转弱,不过在实践过程中,无缘无故会再次冒出RSI跌破150后股价却不下跌,而突破150后股价不涨。

    综合RSI算法、相关理论以及不够,亲们来讲述下实际操作中常用的基于该指标的卖策略。

    第一,RSI短期指标(6日)在20以下超卖区与中长期RSI(12日或24日)处于黄金交叉,即6日线上穿12日或24日线,则说明即将处于反弹行情,要是其它技术或政策等方面没越多大现象,里能 适当买进。

    第二,反之,RSI短期指标(6日)在150以上超买区与中长期RSI(12日或24日)处于死亡交叉,即6日线下穿12日或24日线,则说明要是会再次冒出高位反转的情形,要是那末其它利喜讯怎么写怎么写,里能 考虑卖出。

5 计算卖点,以邮件的形式发送

    根据上文描述,这里采用的基于RSI的买点策略是,RSI6日线在20以下与中长期RSI(12日或24日)处于黄金交叉。在如下的calRSIBuyPoints.py案例中,亲们据此策略计算1500584(长电科技)从2018年9月到2019年5月间的卖点,要是通过邮件发送买点日期。     

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	import smtplib
5	from email.mime.text import MIMEText
6	from email.mime.image import MIMEImage
7	from email.mime.multipart import MIMEMultipart
8	#计算RSI的土办法,入参periodList传入周期列表 
9	def calRSI(df,periodList):
10	    和DrawRSI.py案例中的一致,省略相关代码
11	filename='D:\\stockData\ch10\\15005842018-09-012019-05-31.csv'
12	df = pd.read_csv(filename,encoding='gbk')
13	list = [6,12,24] #周期列表
14	#调用土办法计算RSI
15	stockDataFrame = calRSI(df,list) 

    在上述代码的第15行里,亲们通过调用calRSI土办法计算RSI指标值,这部分和10.3.2部分的calRSIBuyPoints.py相关代码非常之类,全都就不再重复说明。   

16	cnt=0    
17	sellDate=''
18	while cnt<=len(stockDataFrame)-1:
19	    if(cnt>=150):#前几天有误差,从第150天算起
20	        try:        
21	            #规则1,这天RSI6高于150
22	            if stockDataFrame.iloc[cnt]['RSI6']<150:
23	                #规则2.1,当天RSI6下穿RSI12
24	                if  stockDataFrame.iloc[cnt]['RSI6']<stockDataFrame.iloc[cnt]['RSI12'] and stockDataFrame.iloc [cnt-1]['RSI6']>stockDataFrame.iloc[cnt-1]['RSI12']:
25	                    sellDate = sellDate+stockDataFrame.iloc[cnt]['Date'] + ','
26	                    #规则2.2,当天RSI6下穿RSI24
27	                if  stockDataFrame.iloc[cnt]['RSI6']<stockDataFrame.iloc[cnt]['RSI24'] and stockDataFrame.iloc[cnt-1] ['RSI6']>stockDataFrame.iloc[cnt-1]['RSI24']:
28	                    if sellDate.index(stockDataFrame.iloc[cnt]['Date']) == -1:
29	                        sellDate = sellDate+stockDataFrame.iloc[cnt]['Date'] + ','
150	        except:
31	            pass                
32	    cnt=cnt+1
33	print(sellDate)

    在第18行到第32行的while循环里,亲们计算了基于RSI的卖点,在第22行的的话里,亲们制定了第3个规则:RSI6数值大于150,在第23行和第27行,亲们在规则一的基础上制定了3个并行的规则,通过上述代码,亲们会在sellDate对象里存放RSI6大于150要是RSI6下穿RSI12(或RSI24)的交易日,哪些地方地方交易日即为卖点。    

34	def sendMail(username,pwd,from_addr,to_addr,msg):
35	    和要是calRSIBuyPoints.py案例中的完整性一致
36	def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
37	    和要是calRSIBuyPoints.py案例中的完整性一致
38	subject='RSI卖点分析'
39	attachfolder='D:\\stockData\\ch10\\'
40	attachFileName='1500584RSI.png'
41	HTMLContent = '<html><head></head><body>'\
42	 '卖点日期' + sellDate + \
43	 '<img src="cid:'+attachFileName+'"/>'\
44	 '</body></html>'
45	message = buildMail(HTMLContent,subject,'hsm_computer@163.com','hsm_computer@163.com',attachfolder,attachFileName) 
46	sendMail('hsm_computer','xxx','hsm_computer@163.com','hsm_computer@163.com',message.as_string()) 

 第34行和第36行的3个用于发送邮件和构建构建的土办法和要是案例的完整性一致,全都就不再额外说明。

   在第38行亲们定义的邮件标题是“RSI卖点分析”,在第41行定义的描述正文的HTMLContent对象里,亲们存放的也是“卖点日期”,最终是通过第46行调用sendMail土办法发送邮件。

    运行上述代码,亲们能看完如下图所示的邮件,其中包括了卖点日期和指标图。这里通过计算得出的卖点日期比较多,经分析,哪些地方地方日期要是,股价多有下跌情形。

        

6 总结和版权说明

    本文是给线程员加财商系列,要是的系列文如下:

    以预测股票涨跌案例入门基于SVM的机器学习  

    用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果(含量化验证交易策略代码)  

    本文力争做到完整性,比如代码按行编号,并针对行号完整性解释,且图文并茂,全都要是亲们感觉里能 ,请尽量帮忙推荐一下。

本文的内容即将出书,在出版的书里,是用股票案例和亲们讲述Python入门时的知识点,敬请期待

    

    有不少前外国外国网友转载和愿意转载我的博文,我其他人 感到十分荣幸,这也是我其他人 不断写博文的动力。关于本文的版权有如下统一的说明,抱歉就不逐一回复了。

    1 本文可转载,不必告知,转载时请用链接的土办法,给出原文出处,别简单地通过文本土办法给出,一起写明原作者是hsm_computer。

    2 在转载时,请原文转载 ,谢绝洗稿。要是我其他人 保留追究法律责任的权利。