股票數據預處理與雙均線策略

macroeconomics

Author

Anthony Sung

Published

July 23, 2023

數據預處理

我們使用 yfinance 這個爬蟲套件，可以抓取 Yahoo奇摩股市上的股票資料，包含日期、開盤價、收盤價、最低/高價、交易量等。此外，我們使用 pandas 幫助我們進行一些數據處理。

import yfinance as yf
import pandas as pd

獲取資料與保存資料

假設我們想要看台積電(2330.TW)從 2020 年 1 月 1 日至 2023 年 1 月 1 日的股票資訊，我們使用 yf.download("股票代碼", "起始日期", "結束日期")獲取資料。

df = yf.download("2330.tw", "2020-01-01", "2023-01-01")

[*********************100%***********************]  1 of 1 completed

獲取數據後，我們一般會先查看資料是否正確：

df.head(6) # 查看 6 筆資料

	Open	High	Low	Close	Adj Close	Volume
Date
2020-01-02	332.5	339.0	332.5	339.0	313.791595	31754120
2020-01-03	344.0	345.0	335.5	339.5	314.254456	41811268
2020-01-06	333.0	334.5	332.0	332.0	307.312164	45343057
2020-01-07	332.5	333.0	326.5	329.5	304.998016	50879181
2020-01-08	325.0	333.0	325.0	329.5	304.998016	37567748
2020-01-09	335.0	337.5	333.5	337.5	312.403137	31481504

如果我們想要將數據保存下來，可以使用以下方式：

df.to_csv("2330.TW.csv")

為了後續處理之便，我們將剛剛儲存的資料讀取進來：

# 讀取檔案
df = pd.read_csv("2330.TW.csv")

資料型別

由於我們之後需要做一些計算，因此我們必須確認每筆資料是否為可以計算的型別。我們以開盤價為例：

# 逐一檢查型別
df['Open'].dtype

# 一次檢查所有欄位型別
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 734 entries, 0 to 733
Data columns (total 7 columns):
 #   Column     Non-Null Count  Dtype  
---  ------     --------------  -----  
 0   Date       734 non-null    object 
 1   Open       734 non-null    float64
 2   High       734 non-null    float64
 3   Low        734 non-null    float64
 4   Close      734 non-null    float64
 5   Adj Close  734 non-null    float64
 6   Volume     734 non-null    int64  
dtypes: float64(5), int64(1), object(1)
memory usage: 40.3+ KB

其結果為 float64，是可以進行計算的型別。

接下來我們要將日期先轉換為 Python 中可以進行計算的日期格式，接著將日期變成索引，以方便查找我們需要日期的數據。

# 轉換格式
df['Date'] = pd.to_datetime(df['Date'])

# 確認型別
df.info()

# 建立索引
df.set_index('Date', inplace = True)

# 查看結果
df.head(6)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 734 entries, 0 to 733
Data columns (total 7 columns):
 #   Column     Non-Null Count  Dtype         
---  ------     --------------  -----         
 0   Date       734 non-null    datetime64[ns]
 1   Open       734 non-null    float64       
 2   High       734 non-null    float64       
 3   Low        734 non-null    float64       
 4   Close      734 non-null    float64       
 5   Adj Close  734 non-null    float64       
 6   Volume     734 non-null    int64         
dtypes: datetime64[ns](1), float64(5), int64(1)
memory usage: 40.3 KB

	Open	High	Low	Close	Adj Close	Volume
Date
2020-01-02	332.5	339.0	332.5	339.0	313.791595	31754120
2020-01-03	344.0	345.0	335.5	339.5	314.254456	41811268
2020-01-06	333.0	334.5	332.0	332.0	307.312164	45343057
2020-01-07	332.5	333.0	326.5	329.5	304.998016	50879181
2020-01-08	325.0	333.0	325.0	329.5	304.998016	37567748
2020-01-09	335.0	337.5	333.5	337.5	312.403137	31481504

簡單股票分析

首先我們先輸出所有收盤價比開盤價上漲 \(3\%\) 以上的日期。用數學的方式表達即是 \[ \frac{\text{Close}_{t} - \text{Open}_{t}}{\text{Open}_{t}} > 0.03 \]

因此我們可以寫下以下程式碼：

(df['Close'] - df['Open']) / df['Open'] > 0.03

Date
2020-01-02    False
2020-01-03    False
2020-01-06    False
2020-01-07    False
2020-01-08    False
              ...  
2022-12-26    False
2022-12-27    False
2022-12-28    False
2022-12-29    False
2022-12-30    False
Length: 734, dtype: bool

可以發現回傳的值為布林值，因此可以作為行索引(row index)。

# 根據行索引選取並輸出日期
df.loc[(df['Close'] - df['Open']) / df['Open'] > 0.03].index

DatetimeIndex(['2020-03-13', '2020-03-20', '2021-01-21', '2022-05-31',
               '2022-07-07', '2022-11-09', '2022-11-15', '2022-11-22'],
              dtype='datetime64[ns]', name='Date', freq=None)

我們即可得知這些日期符合我們的搜尋標準(searching standard)。

如果我們現在將搜尋標準改為輸出所有開盤價比前日收盤價小於 \(2\%\) 的日期，我們可以用 shift(1) 來獲取前日的資料。以數學式表達即為

\[ \frac{\text{Open}_{t} - \text{Close}_{t-1}}{\text{Close}_{t-1}} < -0.02 \]

# 根據行索引選取並輸出日期
df.loc[(df['Open'] - df['Close'].shift(1)) / df['Close'].shift(1) < -0.02].index

DatetimeIndex(['2020-01-16', '2020-01-30', '2020-02-18', '2020-03-02',
               '2020-03-09', '2020-03-13', '2020-03-17', '2020-03-19',
               '2020-03-23', '2020-03-30', '2020-05-04', '2020-05-18',
               '2020-06-12', '2020-09-04', '2021-01-14', '2021-01-22',
               '2021-01-28', '2021-02-24', '2021-02-26', '2021-03-04',
               '2021-03-05', '2021-03-09', '2021-03-24', '2021-05-13',
               '2021-05-17', '2021-06-21', '2021-07-16', '2021-08-18',
               '2021-09-22', '2021-09-29', '2022-03-07', '2022-03-08',
               '2022-03-28', '2022-04-01', '2022-04-27', '2022-05-06',
               '2022-05-10', '2022-05-19', '2022-06-10', '2022-06-13',
               '2022-07-04', '2022-08-29', '2022-09-07', '2022-09-14',
               '2022-09-26', '2022-09-30', '2022-10-11', '2022-10-17',
               '2022-11-03', '2022-11-28', '2022-12-16', '2022-12-23'],
              dtype='datetime64[ns]', name='Date', freq=None)

雙均線策略

均線（Moving Average）是一種技術分析工具，常用於股票、外匯和其他金融市場的分析。它是通過計算一段時間內的價格平均值來平滑價格走勢，從而消除價格波動的短期噪音，使得長期趨勢更加清晰可見。

均線的計算很簡單，只需將一段時間內的收盤價相加，然後除以該段時間的天數即可得到均線值。常見的均線包括 5 日均線、10 日均線、20 日均線、50 日均線和 200 日均線等。

不同的均線代表了不同時間範圍的平均價格，長期均線（如 200 日均線）較為平滑，反映了較長時間的趨勢變化，而短期均線（如 5 日均線）較為敏感，更能反映近期價格變動。

均線的計算方式有許多種，大致可以分為以下三類：

簡單移動平均線(simple moving average，SMA)： \[ \text{MA} = \frac{1}{n} \sum_{i=1}^{n} P_i \]

\(n\)代表計算均線的天數，\(P_i\)代表第 \(i\) 天的價格。

加權移動平均線(weighted moving average，WMA)： \[ \text{WMA} = \frac{\sum_{i=1}^{n} w_i \cdot P_i}{\sum_{i=1}^{n} w_i} \]

\(w_i\) 代表第 \(i\) 天的權重。

指數移動平均線(exponential moving average，EMA)： \[ \text{EMA}_t = \alpha \cdot P_t + (1-\alpha) \cdot \text{EMA}_{t-1} \]

\(\text{EMA}_t\) 代表第 \(t\) 天的指數移動平均值，\(\alpha\) 是平滑指數，通常取 \(2/(n+1)\)，其中 \(n\) 為計算均線的天數。

求均線方式

假設我們分別要求算收盤價的 5 日均線與 10 日均線，我們可以透過 rolling() 與 mean() 這兩個函數進行以下操作：

ma5 = df['Close'].rolling(5).mean()
ma30 = df['Close'].rolling(30).mean()

接著我們利用 matplotlib 套件繪製均線。

# 引入套件
import matplotlib.pyplot as plt
%matplotlib inline
# 繪製均線
plt.plot(ma5, color = "#1c39bb")
plt.plot(ma30, color = "#d70062")

黃金交叉與死亡交叉

均線常用於分析股價走勢、判斷趨勢的轉折點以及進行交叉分析。當短期均線穿越長期均線時，被稱為「黃金交叉」，被認為是一個多頭信號，暗示著股價可能上漲；相反，當短期均線跌破長期均線時，被稱為「死亡交叉」，是一個空頭信號，暗示著股價可能下跌。我們根據黃金交叉與死亡交叉的定義建立自定義函式：

def golden_death_cross_strategy(prices, short_window=5, long_window=30):
    # 計算短期均線和長期均線
    short_ma = pd.Series(prices).rolling(window=short_window, min_periods=1).mean()
    long_ma = pd.Series(prices).rolling(window=long_window, min_periods=1).mean()

    # 判斷黃金交叉和死亡交叉
    signals = pd.Series(0, index=range(len(prices)))  
    # 交叉信號：0表示無交叉，1表示黃金交叉，-1表示死亡交叉
    for i in range(1, len(prices)):
        if short_ma[i] > long_ma[i] and short_ma[i - 1] <= long_ma[i - 1]:
            signals[i] = 1  # 黃金交叉
        elif short_ma[i] < long_ma[i] and short_ma[i - 1] >= long_ma[i - 1]:
            signals[i] = -1  # 死亡交叉

    return signals

# 呼叫函數，得到交叉信號
closing_prices = df['Close']
signals = golden_death_cross_strategy(closing_prices)

# 輸出交叉信號
for i, signal in enumerate(signals):
    if signal == 1:
        print(f"黃金交叉：第 {i+1} 天")
    elif signal == -1:
        print(f"死亡交叉：第 {i+1} 天")

死亡交叉：第 6 天
黃金交叉：第 9 天
死亡交叉：第 14 天
黃金交叉：第 25 天
死亡交叉：第 27 天
黃金交叉：第 66 天
死亡交叉：第 89 天
黃金交叉：第 90 天
死亡交叉：第 91 天
黃金交叉：第 100 天
死亡交叉：第 167 天
黃金交叉：第 169 天
死亡交叉：第 179 天
黃金交叉：第 186 天
死亡交叉：第 201 天
黃金交叉：第 206 天
死亡交叉：第 280 天
黃金交叉：第 304 天
死亡交叉：第 313 天
黃金交叉：第 317 天
死亡交叉：第 320 天
黃金交叉：第 339 天
死亡交叉：第 364 天
黃金交叉：第 370 天
死亡交叉：第 375 天
黃金交叉：第 386 天
死亡交叉：第 392 天
黃金交叉：第 403 天
死亡交叉：第 419 天
黃金交叉：第 438 天
死亡交叉：第 465 天
黃金交叉：第 470 天
死亡交叉：第 476 天
黃金交叉：第 486 天
死亡交叉：第 509 天
黃金交叉：第 514 天
死亡交叉：第 515 天
黃金交叉：第 546 天
死亡交叉：第 547 天
黃金交叉：第 584 天
死亡交叉：第 593 天
黃金交叉：第 619 天
死亡交叉：第 647 天
黃金交叉：第 699 天
死亡交叉：第 726 天

Reuse

CC BY 4.0

Citation

BibTeX citation:

@online{sung2023,
  author = {Sung, Anthony},
  title = {股票數據預處理與雙均線策略},
  date = {2023-07-23},
  url = {https://yueswater-blog.netlify.app/posts/2023-07-23-trading-preprocessing-and-dual-MA/},
  langid = {en}
}

For attribution, please cite this work as:

Sung, Anthony. 2023. “股票數據預處理與雙均線策略.” July 23, 2023. https://yueswater-blog.netlify.app/posts/2023-07-23-trading-preprocessing-and-dual-MA/.