دوباره سلام! من با مقاله مهم دیگری در مورد تجزیه و تحلیل سهام برگشته ام ، می دانم که شما از سری تحلیل سهام من لذت می برم هفته آینده بیشتر ارسال می شود ، بنابراین حتماً مرا دنبال کنید! اکنون در اینجا ما سهام MSFT را در پایتون تجزیه و تحلیل خواهیم کرد و برخی از شاخص های معاملاتی را محاسبه می کنیم.

برای تجزیه و تحلیل پیچیده تر این مقاله را بررسی کنید

پایتون برای بورس سهام:

پایتون برای تجزیه و تحلیل سهام

در این پروژه ، ما داده های موجود در بورس را تجزیه و تحلیل خواهیم کرد.

شاخص های فنی سهام در تجزیه و تحلیل سهام ضروری هستند. آنها بر اساس قیمت سهام تاریخی توسط یک فرمول ریاضی متفاوت محاسبه می شوند. در تجارت الگوریتمی ، شاخص های فنی نیز برای تشکیل سیگنال معاملاتی ضروری هستند که می تواند باعث افتتاح و بسته شدن تجارت توسط یک ربات تجاری شود.

در این مقاله ، من قصد دارم نشان دهم که چگونه می توانیم از یک کتابخانه پایتون ، TA-Lib ، برای ساخت برخی از شاخص های فنی محبوب با چند خط کده استفاده کنیم. در اینجا سه گروه اصلی از شاخص های فنی ارائه خواهد شد:

1. شاخص های روند - میانگین حرکت ساده (SMA) ، میانگین متحرک نمایی (EMA) و شاخص حرکت جهت متوسط (ADX)
2. شاخص های حرکت - حرکت میانگین واگرایی همگرایی (MACD) و شاخص قدرت نسبی (RSI)
3. شاخص های نوسانات - گروههای بولینگر

از آنجا که ما از کتابخانه T A-Lib برای شاخص ها استفاده خواهیم کرد ، اگر نمی توانید مستقیماً آن را با PIP نصب کنید ، مقاله من را بررسی کنید: -

نحوه نصب Ta-Lib در پایتون

در اینجا ، من به نصب TA-Lib بر روی رایانه شخصی/لپ تاپ شما کمک خواهم کرد. این باید برای شما آسان باشد!

در اینجا ما داده ها را از سال 2020 می گیریم و اجازه می دهیم که شاخص های ما چگونه عملکرد خود را انجام دهیم. من برای بارگیری داده ها از YFInance استفاده خواهم کرد ، می توانید yfinance را توسط: - نصب کنید

پیپ نصب yfinance

بیایید اکنون داده ها را بارگیری کنیم! من از داده های مایکروسافت برای 2020 استفاده می کنم که شما می توانید با سایر شرکت ها و شاخص ها بازی کنید.

yfinance را به عنوان yf وارد کنیدmsft = yf. download ("msft" ، start = "2020-01-01" ، end = "2020-12-31" ، فاصله = "1d")msft

بیا دیگه! بیایید این را ترسیم کنیم !!

msft ['adj Close']. طرح (افسانه = درست ، figsize = (12،5))

شاخص های گرایش

شاخص های روند اساساً اندازه گیری جهت روند قیمت سهام (به سمت بالا ، به سمت پایین یا پهلو) هستند. بیایید با ابتدایی ترین ، میانگین حرکت ساده (SMA) شروع کنیم.

میانگین حرکت ساده (SMA)

میانگین متحرک ساده (SMA) میانگین نورد قیمت های اخیر در تعداد مشخصی از دوره های زمانی (به عنوان مثال 10 روز ، 20 روز ، 50 روز و غیره) است. SMA با قیمت حرکت می کند و می تواند قیمت روزانه را نشان دهد تا جهت قیمت را نشان دهد.

بگذارید از فرمان SMA Talib برای ساخت شاخص های SMA به مدت 20 روز و 50 روز قاب های زمانی استفاده کنیم.

بازه زمانی کوتاه تر منجر به SMA خواهد شد که نسبت به تغییر در قیمت سهام زیرین حساس تر است و بازه زمانی طولانی تر نسبتاً حساس تر خواهد بود.

شما می توانید با دوره های زمانی بزرگ مانند 50 و 100 یا 50 و 200 بازی کنید

میانگین متحرک نمایی (EMA)

میانگین متحرک نمایی (EMA) مشابه SMA است به جز اینکه EMA وزن بیشتری را به قیمت های جدیدتر می دهد در حالی که SMA وزن برابر را به تمام مقادیر اختصاص می دهد. EMA بر اساس فرمول زیر محاسبه می شود:

ema = قیمت بسته شدن * ضرب + EMA_PREVIOUS_DAY * (1-multiplier)

خوشبختانه ، کتابخانه Python TA-Lib یک دستور یک لاین را برای انجام محاسبه پیچیده به ما ارائه می دهد.

حال اگر توطئه های EMA و SMA را با هم مقایسه کنید ، خواهید دید که EMA به دلیل وزن متفاوت با قیمت های اخیر نسبت به حرکت قیمت حساس تر است.

حرکت متوسط جهت (ADX)

حرکت متوسط جهت (ADX) شاخصی است که توسط J. Welles Wilder برای اندازه گیری قدرت یک روند و نه فقط حرکت قیمت ایجاد شده است. هرچه میزان ADX بیشتر باشد ، روند قوی تر می شود. اندازه گیری نوسان ADX بین 0 تا 100 و می توان آن را به سه گروه دامنه طبقه بندی کرد:

adx ≤ 25: بدون روند

ADX>50: گرایش قوی

ما از دستور ta-lib adx برای به دست آوردن مقادیر ADX در طول سری زمانی استفاده خواهیم کرد.

از طرح ADX در بالا ، می توانیم ببینیم که وقتی مقدار ADX بین 25-50 باشد ، روند صعودی شکل می گیرد. هنگامی که ADX در زیر 25 سالگی قرار می گیرد ، حرکت قیمت جانبی مشاهده می شود.

حالا بیایید شروع به ساختن برخی از شاخص های حرکت کنیم!

شاخص های حرکت

شاخص های حرکت برای اندازه گیری سرعت حرکت قیمت به جای یک روند است. در صورت تقویت یا تضعیف قیمت ، این نوع شاخص ها سیگنال را ارائه می دهد.

حرکت میانگین واگرایی همگرایی (MACD)

حرکت میانگین واگرایی همگرایی (MACD) رابطه بین دو میانگین متحرک نمایی (EMA) قیمت سهام را نشان می دهد. با کم کردن EMA-26 از EMA-12 محاسبه می شود. این منجر به یک خط MACD خواهد شد. یکی دیگر از EMA-9 MACD نیز در بالای خط MACD به عنوان خط سیگنال ترسیم می شود تا اقدام به خرید و فروش کند.

ما می توانیم از دستور TA-Lib MACD برای تولید تمام MACD ذکر شده و خط سیگنال استفاده کنیم.

شاخص قدرت نسبی (RSI)

شاخص قدرت نسبی (RSI) نیز توسط J. Welles Wilder تهیه شده است اما برای اندازه گیری حرکت یک روند با تعیین اینکه آیا یک سهام بیش از حد یا پیش بینی شده است ، استفاده می شود. در اینجا دو معیار مهم وجود دارد:

RSI>70: بیش از حد

ما قصد داریم از دستور ta-lib RSI برای به دست آوردن مقادیر RSI استفاده کنیم.

From the RSI plot, we can see the MSFT stock is generally overbought at the first half of the time period. An overbought condition (RSI>70) نشان می دهد که سهام بیش از حد ارزیابی می شود و ممکن است منجر به بازگشت روند در جهت نزولی شود. برعکس ، هنگامی که یک شرایط فراگیر اتفاق می افتد (RSI<30), the stock price is undervalued and may move up to form a bullish trend.

بیایید یک شاخص نوسانات را در این مقاله بسازیم.

شاخص نوسانا

شاخص نوسانات نوسان حرکت قیمت را به ما نشان می دهد. این به تغییرات در قیمت بازار در مدت زمان مشخصی می پردازد. در اینجا ما فقط به یک مثال ، گروههای بولینگر خواهیم پرداخت.

گروههای بولینگر

یک باند بولینگر از سه خط روند تشکیل شده است که به ترتیب یک باند میانی ، باند فوقانی و باند پایین را تشکیل می دهند.

باند میانی - میانگین متحرک ساده (20 روز طبق استاندارد)

باند فوقانی - 2 انحراف استاندارد بالاتر از باند میانی

باند پایین - 2 انحراف استاندارد زیر باند میانی

هرچه فاصله بین باندهای فوقانی و تحتانی وسیع تر باشد ، قیمت سهام نیز بی ثبات تر خواهد بود. قیمت نزدیک به باند فوقانی نسبتاً بالا در نظر گرفته می شود. از طرف دیگر ، هنگامی که قیمت نزدیک به باند پایین ، آن را نسبتاً پایین مشاهده می کند.

ما می توانیم از دستور ta-lib bbands برای به دست آوردن مقادیر باند میانی ، بالا و پایین استفاده کنیم و آنها را بر روی یک نمودار ترسیم کنیم.

گروههای بولینجر فوق تصویری واضح از دوره بی ثبات تر در منطقه باند وسیع تر و یک دوره بی ثبات در منطقه باریک تر نشان می دهند.

سلب مسئولیت تلاش هایی برای پیش بینی قیمت سهام با استفاده از الگوریتم های تجزیه و تحلیل سری زمانی انجام شده است ، اگرچه هنوز هم نمی توان از آنها برای قرار دادن شرط بندی در بازار واقعی استفاده کرد. این فقط یک مقاله آموزشی است که به هیچ وجه قصد ندارد افراد را به سمت خرید سهام هدایت کند.

چگونه می توانیم تلاش کنیم تا رفتار سهام آینده را پیش بینی کنیم؟

در اینجا من لیستی از مدل های مختلف را برای شما ارائه می دهم که می تواند برای پیش بینی قیمت سهام استفاده شود.

پیش بینی قیمت سهام با استفاده از مدل پیامبر فیس بوک

پیش بینی سری زمانی: پیش بینی قیمت سهام مایکروسافت (MSFT) با استفاده از مدل ARIMA

پیش بینی سری زمانی: پیش بینی قیمت سهام اپل با استفاده از یک مدل LSTM

من به شما توصیه می کنم که این مقالات را بخوانید ، مدل های شرح داده شده قادر به پیش بینی قیمت ها با دقت بسیار خوبی هستند.

حالا نوبت شماست که به هم بزنید و مرا دنبال کنید. از خواندن شما متشکرم!

اگر این را دوست داشتید ، برای وبلاگ های فنی بیشتر به من دنبال کنید!

"اگر در ابتدا موفق نشوید ، پس از آن برای شما نیست."- مل هلیتزر