輕鬆學會程式交易 | Chapter 5 | 建立自己的交易系統

輕鬆學會程式交易 | Chapter 5 | 建立自己的交易系統
5-4 Ta-lib
5-5 技術指標
- 呼叫套件
- 取得數據
- 缺失值處理
- RSI
- KD
5-6 繪製技術指標圖
- matplotlib
  - 安裝
  - qt5
- MA
- RSI
5-7 建立條件(condition)
- 比較法
- 設定條件庫的步驟
5-8 建立條件
5-9 為什麼要建立「訊號」
- 交易方法種類
5-10 建立進出場訊號
- 建立條件
- 生成訊號
  - 信號處理
5-12 買賣權益生成
5-13 第三次作業
- 制定一個策略，與大盤比較績效，並產生權益圖

5-4 Ta-lib

下載步驟

請依序嘗試以下三種方法

windows或Mac作業系統可直接在Ipython Console中下載

pip install TA-Lib

Mac可以使用brew下載，不過需注意要加上!

!brew install ta-lib

windows還可以直接使用wheel檔下載:
(a) 請點網址
(b) 找尋適合的版本的檔案
ex:
TA_Lib‑0.4.17‑cp37‑cp37m‑win_amd64.whl (cp右邊的是python版本，‑win_amd右邊是windows位元)

如何看python版本
    1.spyder視窗上方
    2.IPython console顯示

如何看windows位元
    1.點選左下角搜尋
    2.搜尋'系統資訊'
    3.一堆項目中找到系統類型

測試





import talib
import pandas as pd

tech = pd.Series([1,2,3,4,5,6,7,8])
print(talib.MA(tech,5))

github、文檔

(1)英文github
https://github.com/mrjbq7/ta-lib
文檔
https://mrjbq7.github.io/ta-lib/doc_index.html

(2)中文翻譯github
https://github.com/HuaRongSAO/talib-document

5-5 技術指標

呼叫套件



import talib
import pandas_datareader as pdr
import numpy as np

取得數據





data = pdr.DataReader('0050.TW', 'yahoo') # 從yahoo數據庫得到數據
close = data['Close'] # 股票收盤價
# 印出來看看！
ma5 = talib.MA(close,5) # 5日均線
print(ma5)

缺失值處理

Image Not Showing Possible Reasons

The image file may be corrupted
The server hosting the image is unavailable
The image path is incorrect
The image format is not supported

Learn More →

talib遇到缺失值，後面算出來得都會是缺失值
先做實驗，將倒數第10個值改成缺失值，並填補空缺

補充
numpy的np.nan在pandas中視為None(空)值。
不過使用bool()函數轉型，python視為True













# 將倒數第10個值改成缺失值
close.iloc[-10] = np.nan # np.nan類似None
# 查看是不是變成缺失值了
print(close.tail(11)) # tail可以看尾端的數據
ma5 = talib.MA(close,5)
print(ma5.tail(11))

close = close.ffill() # 將缺失值變成前一個數
data = data.ffill() # 或者將每一欄的缺失值變成前一個數
# 查看是不是變成缺失值了
print(close.tail(11))
ma5 = talib.MA(close,5).tail(11)
print(ma5)

RSI

RSI是經典的轉折指標。傳統將RSI>70視為行情過熱，RSI<30視為行情過冷。



rsi = talib.RSI(close,14)
#印出來看看！
print(rsi)

KD

KD需要用到高低收三種資料，詳細KD原理可以參考文章
傳統方法是將K黃金交叉(向上交叉)D，視為買進訊號，反之為賣出訊號。













high = data['High']
low = data['Low']
close = data['Close']

slowk, slowd = talib.STOCH(high, 
                           low, 
                           close,
                           slowk_period=5, 
                           slowd_period=5, 
                           fastk_period=9)
#印出來看看！
print(slowk)
print(slowd)

5-6 繪製技術指標圖

matplotlib

matplotlib是一個簡單好用的python視覺化繪圖庫。
後面的範例我們會直接使用pandas搭配其中的功能

安裝

pip install matplotlib

qt5

試著在IPyton console 輸入 %matplotlib qt5, 可以切換圖形介面
而用完之可以輸入 %matplotlib inline 換回原本圖形介面

MA

一次執行兩行，輕鬆繪出美美的圖


close.plot()
ma5.plot()

RSI

畫子圖方法一

使用pandas DataFrame的plot功能繪圖，可輕鬆達到效果


ploter = pd.DataFrame({'Close':close,'RSI':rsi})
ploter.plot(subplots=True) # subplots 功能可以將內容分開成不同圖片（子圖）

加上水平線




ax = ploter.plot(subplots=True)
print(ax)
ax[1].axhline(70)
ax[1].axhline(30)

KD

畫子圖方法二

較正統，也比較靈活





















# 製作兩個畫板
fig, ax = plt.subplots(2, 1) # 2*1的子圖

# -----畫第一張圖---- #
close.plot(ax=ax[0], sharex=True)
# 加上標題與圖例
# close.plot(title='Close',legend=True,ax=ax[0])

# -----畫第二張圖----- #
# k,d要先fillna（將缺失值填補）x軸才不會錯呦！
slowk.fillna(0).plot(ax=ax[1], sharex=True)
slowd.fillna(0).plot(ax=ax[1], sharex=True)

# 加上標題與圖例
# slowk.fillna(0).plot(sharex=True,title='KD',legend=True,ax=ax[1])
# slowd.fillna(0).plot(sharex=True,legend=True,ax=ax[1])

ax[1].axhline(30) # 30水平線
ax[1].axhline(70) # 70水平線

plt.tight_layout() # 加上這個可以調整成舒適的格式

5-7 建立條件(condition)

撰寫策略時，策略的邏輯核心就是條件。
條件最終都會以True或False的方式呈現。
由於這些條件是可以重複拿出來被使用的，所以我們可以用DataFrame整理寫過的條件。

比較法

將數值互相比大小，即為比較法。或者達到

設定條件庫的步驟

建立空的DataFrame名叫“condition”
取名並設定條件

其中命名以簡單清楚為主，也可以使用參數作為命名以利最佳化

5-8 建立條件

程式碼，以黃金交叉為例













condition = pd.DataFrame([])
# 將數值放進condition中並命名
condition['股價>均線5'] = close > ma5
condition['標準差>1.5'] = close.rolling(10).std() > 1.5

# 黃金交叉做法
a1 = k
b1 = d
a2 = a1.shift(1)
b2 = b1.shift(1)
crossover =  (a1>a2) & (a1>b1) & (b2>a2)

condition['KD黃金交叉'] = crossover

以下為黃金交叉及死亡交叉函數，可直接取用

def crossover(over,down):
    a1 = over
    b1 = down
    a2 = a1.shift(1)
    b2 = b1.shift(1)
    crossover =  (a1>a2) & (a1>b1) & (b2>a2)
    return crossover
# 死亡交叉
def crossunder(down,over):
    a1 = down
    b1 = over
    a2 = a1.shift(1)
    b2 = b1.shift(1)
    crossdown =  (a1<a2) & (a1<b1) & (b2<a2)
    return crossdown

5-9 為什麼要建立「訊號」

信號是將各種條件濃縮成進場和出場的唯一條件

交易方法種類

進場
1. 買進(buy)
2. 放空(sellshort)
出場
1. 賣出(sell)
2. 回補(buytocover)

5-10 建立進出場訊號

建立`條件`



condition = pd.DataFrame([])
condition['KD黃金交叉'] = crossover(k,d)
condition['KD死亡交叉'] = crossunder(k,d)

生成訊號

建立一個空的訊號DataFrame表，存放買進及賣出訊號





signal = pd.DataFrame([])
# 各項條件用'&'方式處理
# '*1'是為了轉成數字訊號方便大家看
signal['買進'] = (condition['KD黃金交叉'] & condition['D值低檔']) * 1
signal['賣出'] = condition['KD死亡交叉'] * -1

信號處理

交易策略：買進一單位，並續抱到直到賣出訊號出現為止
這邊的操作是讓買進與賣出訊號變成一進一出(pair)的訊號

此操作可有可無，供學員大家參考










signal['持有'] = signal['買進'] + signal['賣出']
signal['持有'] = signal['持有'].replace(0,method='ffill')
signal['持有'] = signal['持有'].replace(-1, 0)

def tool(x):
    if x[0]==1 and x[1]==0:
        return 1
    else:
        return x[-1]
signal['持有'] = signal['持有'].rolling(2).apply(tool, raw=True).fillna(0)

5-12 買賣權益生成

回測+記錄的資訊

建立一個總資料表research將所需資訊放在一起






research = pd.DataFrame([])
research = research.join([data['Open']],how='outer') # 開盤價資訊
research = research.join([close],how='outer') # 收盤價資訊
research = research.join([signal],how='outer') # 訊號

research['權益'] = np.nan # 拿來紀錄權益用的欄位

回測變數


















# 計入初始資金
capital = 100000
# 記錄權益（目前現金＋部位價值）
equity = capital
# 記錄部位狀況
marketposition=0
# 記錄買入股數
share=0
# 記錄入場價得
entryprice = 0
"""
research = research.to_dict('record')

使用這行會加快速度很多。
原理是把dataframe轉成成list+字典形式，
不過在下面for要改成：
    for values in research:
"""

策略邏輯撰寫


































for index,values in research.iterrows():
    
    '''step3，賣出'''
    if marketposition == 1 and values['賣出'] == -1:
        # sell this bar at close
        # 賣在什麼價格
        exitprice = values['Close']

        # 帳戶處理：收款
        capital +=  exitprice * share * 1000 # share就是上一次買進的股數
        marketposition=0
        share = 0
        
    '''step1，買進'''
    if marketposition == 0 and values['買進'] == 1:
        #buy this bar at close
        #買了多少股
        share = capital // (values['Close']*1000)
        #買在什麼價格
        entryprice = values['Close']
        
        #帳戶處理：扣款
        capital -= entryprice * share * 1000
        # 將狀態改為"買進"
        marketposition=1
        
    '''step2，記錄權益狀況'''
    if marketposition == 1:
        #權益就是假設直接賣出可以獲得多少錢（目前現金＋部位價值）
        equity = capital + (share * values['Close'] * 1000)
    else:
        equity = capital 
    # 在research中記錄權益
    research.loc[index,'權益'] = equity

繪圖




















# 將訊號產生的地方塗上顏色
hold = close.copy()
hold[signal['持有']==0] = np.nan

fig, ax = plt.subplots(4, 1)# 4*1的子圖
ax[0].set_title('Equity') # 將0號圖標上標題
research['權益'].plot(ax=ax[0]) # 繪出權益

ax[1].set_title('Close') # 將1號圖標上標題
close.plot(ax=ax[1]) # 繪出股價
hold.plot(ax=ax[1]) # 將買進的區域塗上顏色

#k,d要先fillna（將缺失值填補）x軸才不會錯呦！
ax[2].set_title('KD') # 將2號圖標上標題
k.fillna(0).plot(sharex=True,ax=ax[2]) # 繪出K值
d.fillna(0).plot(sharex=True,ax=ax[2]) # 繪出D值

ax[3].set_title('Signal') # 將3號圖標上標題
signal['持有'].plot(sharex=True,ax=ax[3]) # 繪出訊號
plt.tight_layout() # 將畫板調成適合的大小

5-13 第三次作業

制定一個策略，與大盤比較績效，並產生權益圖

請說明比大盤績效好或壞的原因
試說明，有沒有讓績效更好的做法