台湾生活网_台湾人的网上生活家园 -

分分飞艇开奖结果_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:6

    此人 并且写过若干“给线程池池员加财商”的系列文,目的是通过股票案例讲述Python知识点,让我们有的是学习Python的一起去还能掌握相关的股票知识,所谓一举两得。

    在并且的系列文里,让我们能都看K线,均线,成交量的案例,在本文里,让我们能都看通过RSI案例讲述Python邮件编程的知识点,在后继系列文里,让我们还能都看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)是通过比较某个半时 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,太少太少 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(相对波特率)=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)=5000-5000÷(1+RS)

    请注意,这里“均值“的计算妙招还可不里可以是简单移动平均(SMA),还可以还可以是加权移动平均(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,太少太少软件采用的是后一种平均算法。采用不同的平均算法会意味着RSI的值不同,但趋势可以 改变,对交易的指导意义太少太少 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,以此妙招得到6个数值,哪些数值中含正有负。并且再按如下四个步骤计算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表示相对波特率

    第四步,RSI(相对强弱指标)=5000-5000÷(1+RS)

    不可能 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=5000x(up) ÷(up+down),也太少太少 说,RSI等于5000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,说明你这一时间段内股票越强势,反之不可能 百分比越小,则说明股票弱势程度强。

    从上述公式中让我们能都看,RSI的值介于0到5000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,也太少太少 说,目前沪深股市中RSI指标线是由一根绳子 绳子 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,让我们将根据上述算法绘制5000584(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,相关内容让我们还可不里可以阅读并且博文。在本案例中,有的是把由matplotlib生成的图形存为png格式,以方便并且用邮件的形式发送。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	import matplotlib.pyplot as plt
5	#计算RSI的妙招,入参periodList传入周期列表 
6	def calRSI(df,periodList):
7	    #计算和上一一四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)] = 5000 - 5000/((df['upAvg'+str(period)]/df['downAvg'+str(period)]+1))
23	    return df

    在第5行里,让我们定义了用于计算RSI值的calRSI妙招,该妙招第一一四个参数是中含日期收盘价等信息的dataframe类型的df对象,第四个参数是周期列表。

    在第8行里,让我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。不可能 第一行的diff值是NaN,太少太少 前要用第9行的fillna妙招把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,太少太少 一来,up列里就只中含了“N日内收盘价的涨数”。在第13行和第15行里,用同样的妙招,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”。

    并且是通过第17行的for循环,遍历存储在periodList中的周期对象,嘴笨 通过下面第26行的代码,让我们能都看计算RSI的周期分别是6天、12天和2半年。针对每个周期,先是在第18行,算出了你这一周期内收盘价涨数和的均值,并把你这一均值存入df对象中的'upAvg'+str(period)列中,比如当前周期是6,越来越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,并里装去df对象中的'RSI'+str(period)里。 

24    filename='D:\\stockData\ch10\\50005842018-09-012019-05-31.csv'
25    df = pd.read_csv(filename,encoding='gbk')
26    list = [6,12,24] #周期列表
27    #调用妙招计算RSI
28    stockDataFrame = calRSI(df,list) 
29    #print(stockDataFrame)
500    #结束绘图
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=500) 
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\\50005842018-09-012019-05-31.png')
46    plt.show()

     在第25行里,让我们从指定csv文件里得到了中含日期收盘价等信息的数据,并在第26行指定了一一四个计算周期。在第28行里,让我们调用了calRSI妙招计算了一一四个周期的RSI值,并存入stockDataFrame对象,当前第29行的输出话语是注释掉的,在打开后,让我们能都看计算后的结果值,其中中含upAvg6、downAvg6和RSI6等列。

    在得到RSI数据后,从第31行结束绘图,其中比较重要的步骤是通过第32行到第34行的代码,用plot妙招绘制一根绳子 绳子 曲线,并且通过第35行的legend妙招设置图例,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妙招绘图前,让我们通过第45行的代码,用savefig妙招把图形保存到了指定目录,请注意这句话前要里装去show妙招前,否则 保存的图片就会是空的。

    运行上述代码,能都看如下图所示的RSI效果图。前要说明的是,不可能 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,太少太少 绘制出来的图形不可能 和太少太少软件里的不一致,但趋势相同。否则 ,在指定目录里,能都看png图片。

     

3  整合K线后用邮件发送

    在DrawKwithRSI.py代码里,让我们将完成如下一一四个工作,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的妙招,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,让我们引入了相关的库文件,第12行定义的calRSI妙招和并且案例中的完整版一致,太少太少 就不再给出代码。    

14	filename='D:\\stockData\ch10\\50005842018-09-012019-05-31.csv'
15	df = pd.read_csv(filename,encoding='gbk')
16	list = [6,12,24] #周期列表
17	#调用妙招计算RSI
18	stockDataFrame = calRSI(df,list) 
19	figure = plt.figure()
20	#创建子图     
21	(axPrice, axRSI) = figure.subplots(2, sharex=True)
22	#调用妙招,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='半年均线')
26	stockDataFrame['Close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='半年均线')
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)")
500	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=500) 
44	plt.savefig('D:\\stockData\ch10\\5000584RSI.png')

    在第18行里,让我们通过调用calRSI妙招得到了一一四个周期的RSI数据。在第21行里,设置了axPrice和axRSI你这一人所有子图共享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日的一根绳子 绳子 RSI指标图。在第44行里通过savefig妙招,把中含K线、均线和RSI指标线的图形趋于稳定指定目录中。     

45	#发送邮件
46	def sendMail(username,pwd,from_addr,to_addr,msg):
47	    和并且sendMailWithPicAttachment.py案例中的一致
48	def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
49	    message = MIMEMultipart()
500	    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妙招和并且案例中的完整版一致,太少太少 就不给出完整版的代码。本案例与并且不同的是,在第48行里,专门定义了buildMail妙招,用来组装邮件对象,邮件的诸多每项由该妙招的参数所定义。

    具体而言,在第49行里定义邮件类型是MIMEMultipart,也太少太少 说带附件的邮件,在第500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妙招把附件并入邮件正文。    

500	subject='RSI效果图'
61	attachfolder='D:\\stockData\\ch10\\'
62	attachFileName='5000584RSI.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500行到第66行,让我们设置了邮件的相关属性值,并在第66行里,通过调用buildMail妙招创建了邮件对象message,在第第67行里,通过调用sendMail妙招发送邮件,最后在第69行通过show妙招绘制了图形。请让我们注意本案例中的一一四个细节。

    第一,           第64行cid的值前要和第56行的Content-ID值一致,否则 图片还可不里可以了以附件的形式发送,无法在邮件正文里以富文本的格式展示。

    第二,           让我们有的是先构建和发送邮件,再通过第69行的代码绘制图形,不可能 次序颠倒先绘制图形后发送邮件话语,show妙招被调用后线程池池会阻塞在你这一位置,代码无法继续执行。要等到手动关闭掉由show妙招弹出的窗口后,才会触发sendMail妙招发送邮件。

    第三,           在本案例的第48行,让我们专门封装了用于构建邮件对象的buildMail妙招,在其中通过参数动态地构建邮件,太少太少 不可能 要发送其它邮件,则还可不里可以调用该妙招,从而能提升代码的重用性。

    运行上述代码,让我们能在弹出的窗口里都看K线、均线和RSI指标图整合后的效果图,否则 能在邮件的正文里都看相同的图。

     

4  RSI指标对买卖点的指导意义

    一般来说,让我们把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指标有的是 超买和超卖区。

    具体而言,当RSI值在500到70间波动时,表示当前属于强势请况,如继续上升,超过500时,则到超买区,极不可能 在短期内转升为跌。反之RSI值在20到500之间时,说明当前市场趋于稳定相对弱势,如下降到20以下,则进入超卖区,股价不可能 老出反弹。

    在讲述RSI交易策略前,让我们先来讲述下在实际操作中总结出来的RSI指标的过低。

    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,但灵敏度过低,一一四个劲会“滞后”的请况。

    第二,当数值在40到500间波动时,往往参考价值不大,具体而言,当数值向上突破500临界点时,表示股价已转强,反之向下跌破500时则表示转弱,不过在实践过程中,一一四个劲会老出RSI跌破500后股价却不下跌,而突破500后股价不涨。

    综合RSI算法、相关理论以及过低,让我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)趋于稳定黄金交叉,即6日线上穿12日或24日线,则说明即将趋于稳定反弹行情,不可能 其它技术或政策等方面没太少问题报告 ,还可不里可以适当买进。

    第二,反之,RSI短期指标(6日)在500以上超买区与中长期RSI(12日或24日)趋于稳定死亡交叉,即6日线下穿12日或24日线,则说明不可能 会老出高位反转的请况,不可能 越来越其它利特大喜信,还可不里可以考虑卖出。

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)趋于稳定黄金交叉。在如下的calRSIBuyPoints.py案例中,让我们据此策略计算5000584(长电科技)从2018年9月到2019年5月间的卖点,否则 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的妙招,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\\50005842018-09-012019-05-31.csv'
12	df = pd.read_csv(filename,encoding='gbk')
13	list = [6,12,24] #周期列表
14	#调用妙招计算RSI
15	stockDataFrame = calRSI(df,list) 

    在上述代码的第15行里,让我们通过调用calRSI妙招计算RSI指标值,这每项和10.3.2每项的calRSIBuyPoints.py相关代码非常类事,太少太少 就不再重复说明。   

16	cnt=0    
17	sellDate=''
18	while cnt<=len(stockDataFrame)-1:
19	    if(cnt>=500):#前几天有误差,从第500天算起
20	        try:        
21	            #规则1,这天RSI6高于500
22	            if stockDataFrame.iloc[cnt]['RSI6']<500:
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'] + ','
500	        except:
31	            pass                
32	    cnt=cnt+1
33	print(sellDate)

    在第18行到第32行的while循环里,让我们计算了基于RSI的卖点,在第22行的话语里,让我们制定了第一一四个规则:RSI6数值大于500,在第23行和第27行,让我们有的是规则一的基础上制定了一一四个并行的规则,通过上述代码,让我们会在sellDate对象里存放RSI6大于500否则 RSI6下穿RSI12(或RSI24)的交易日,哪些交易日即为卖点。    

34	def sendMail(username,pwd,from_addr,to_addr,msg):
35	    和并且calRSIBuyPoints.py案例中的完整版一致
36	def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
37	    和并且calRSIBuyPoints.py案例中的完整版一致
38	subject='RSI卖点分析'
39	attachfolder='D:\\stockData\\ch10\\'
40	attachFileName='5000584RSI.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行的一一四个用于发送邮件和构建构建的妙招和并且案例的完整版一致,太少太少 就不再额外说明。

   在第38行让我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,让我们存放的也是“卖点日期”,最终是通过第46行调用sendMail妙招发送邮件。

    运行上述代码,让我们能都看如下图所示的邮件,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,哪些日期并且,股价多有下跌请况。

        

6 总结和版权说明

    本文是给线程池池员加财商系列,并且的系列文如下:

    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)  

    本文力争做到完整版,比如代码按行编号,并针对行号完整版解释,且图文并茂,太少太少 不可能 让我们感觉还可不里可以,请尽量帮忙推荐一下。

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

    

    有不少日本日本日本日本网友转载和愿意转载我的博文,此人 感到十分荣幸,这也是此人 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,可以 告知,转载时请用链接的妙招,给出原文出处,别简单地通过文本妙招给出,一起去写明原作者是hsm_computer。

    2 在转载时,请原文转载 ,谢绝洗稿。否则 此人 保留追究法律责任的权利。