python是當(dāng)下十分火爆的編程語(yǔ)言，尤其在人工智能應(yīng)用方面。如果有心從事編程方向的工作，最好到專(zhuān)業(yè)機(jī)構(gòu)深入學(xué)習(xí)、多實(shí)踐，更貼近市場(chǎng)，這樣更有利于將來(lái)的發(fā)展。
成都創(chuàng)新互聯(lián)公司專(zhuān)注于瑪多網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠(chéng)為您提供瑪多營(yíng)銷(xiāo)型網(wǎng)站建設(shè)，瑪多網(wǎng)站制作、瑪多網(wǎng)頁(yè)設(shè)計(jì)、瑪多網(wǎng)站官網(wǎng)定制、成都微信小程序服務(wù)，打造瑪多網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供瑪多網(wǎng)站排名全網(wǎng)營(yíng)銷(xiāo)落地服務(wù)。
savetxt
import numpy as np
i2 = np.eye(2)
np.savetxt("eye.txt", i2)
3.4 讀入CSV文件
# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800
c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True) #index從0開(kāi)始
3.6.1 算術(shù)平均值
np.mean(c) = np.average(c)
3.6.2 加權(quán)平均值
t = np.arange(len(c))
np.average(c, weights=t)
3.8 極值
np.min(c)
np.max(c)
np.ptp(c) 最大值與最小值的差值
3.10 統(tǒng)計(jì)分析
np.median(c) 中位數(shù)
np.msort(c) 升序排序
np.var(c) 方差
3.12 分析股票收益率
np.diff(c) 可以返回一個(gè)由相鄰數(shù)組元素的差
值構(gòu)成的數(shù)組
returns = np.diff( arr ) / arr[ : -1] #diff返回的數(shù)組比收盤(pán)價(jià)數(shù)組少一個(gè)元素
np.std(c) 標(biāo)準(zhǔn)差
對(duì)數(shù)收益率
logreturns = np.diff( np.log(c) ) #應(yīng)檢查輸入數(shù)組以確保其不含有零和負(fù)數(shù)
where 可以根據(jù)指定的條件返回所有滿(mǎn)足條件的數(shù)
組元素的索引值。
posretindices = np.where(returns 0)
np.sqrt(1./252.) 平方根，浮點(diǎn)數(shù)
3.14 分析日期數(shù)據(jù)
# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800
dates, close=np.loadtxt('data.csv', delimiter=',', usecols=(1,6), converters={1:datestr2num}, unpack=True)
print "Dates =", dates
def datestr2num(s):
return datetime.datetime.strptime(s, "%d-%m-%Y").date().weekday()
# 星期一 0
# 星期二 1
# 星期三 2
# 星期四 3
# 星期五 4
# 星期六 5
# 星期日 6
#output
Dates = [ 4. 0. 1. 2. 3. 4. 0. 1. 2. 3. 4. 0. 1. 2. 3. 4. 1. 2. 4. 0. 1. 2. 3. 4. 0.
1. 2. 3. 4.]
averages = np.zeros(5)
for i in range(5):
indices = np.where(dates == i)
prices = np.take(close, indices) #按數(shù)組的元素運(yùn)算,產(chǎn)生一個(gè)數(shù)組作為輸出。
a = [4, 3, 5, 7, 6, 8]
indices = [0, 1, 4]
np.take(a, indices)
array([4, 3, 6])
np.argmax(c) #返回的是數(shù)組中最大元素的索引值
np.argmin(c)
3.16 匯總數(shù)據(jù)
# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800
#得到第一個(gè)星期一和最后一個(gè)星期五
first_monday = np.ravel(np.where(dates == 0))[0]
last_friday = np.ravel(np.where(dates == 4))[-1]
#創(chuàng)建一個(gè)數(shù)組，用于存儲(chǔ)三周內(nèi)每一天的索引值
weeks_indices = np.arange(first_monday, last_friday + 1)
#按照每個(gè)子數(shù)組5個(gè)元素，用split函數(shù)切分?jǐn)?shù)組
weeks_indices = np.split(weeks_indices, 5)
#output
[array([1, 2, 3, 4, 5]), array([ 6, 7, 8, 9, 10]), array([11,12, 13, 14, 15])]
weeksummary = np.apply_along_axis(summarize, 1, weeks_indices,open, high, low, close)
def summarize(a, o, h, l, c): #open, high, low, close
monday_open = o[a[0]]
week_high = np.max( np.take(h, a) )
week_low = np.min( np.take(l, a) )
friday_close = c[a[-1]]
return("APPL", monday_open, week_high, week_low, friday_close)
np.savetxt("weeksummary.csv", weeksummary, delimiter=",", fmt="%s") #指定了文件名、需要保存的數(shù)組名、分隔符(在這個(gè)例子中為英文標(biāo)點(diǎn)逗號(hào))以及存儲(chǔ)浮點(diǎn)數(shù)的格式。
0818b9ca8b590ca3270a3433284dd417.png
格式字符串以一個(gè)百分號(hào)開(kāi)始。接下來(lái)是一個(gè)可選的標(biāo)志字符：-表示結(jié)果左對(duì)齊，0表示左端補(bǔ)0，+表示輸出符號(hào)(正號(hào)+或負(fù)號(hào)-)。第三部分為可選的輸出寬度參數(shù)，表示輸出的最小位數(shù)。第四部分是精度格式符，以”.”開(kāi)頭，后面跟一個(gè)表示精度的整數(shù)。最后是一個(gè)類(lèi)型指定字符，在例子中指定為字符串類(lèi)型。
numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)
def my_func(a):
... """Average first and last element of a 1-D array"""
... return (a[0] + a[-1]) * 0.5
b = np.array([[1,2,3], [4,5,6], [7,8,9]])
np.apply_along_axis(my_func, 0, b) #沿著X軸運(yùn)動(dòng)，取列切片
array([ 4., 5., 6.])
np.apply_along_axis(my_func, 1, b) #沿著y軸運(yùn)動(dòng)，取行切片
array([ 2., 5., 8.])
b = np.array([[8,1,7], [4,3,9], [5,2,6]])
np.apply_along_axis(sorted, 1, b)
array([[1, 7, 8],
[3, 4, 9],
[2, 5, 6]])
3.20 計(jì)算簡(jiǎn)單移動(dòng)平均線
(1) 使用ones函數(shù)創(chuàng)建一個(gè)長(zhǎng)度為N的元素均初始化為1的數(shù)組，然后對(duì)整個(gè)數(shù)組除以N，即可得到權(quán)重。如下所示：
N = int(sys.argv[1])
weights = np.ones(N) / N
print "Weights", weights
在N = 5時(shí)，輸出結(jié)果如下：
Weights [ 0.2 0.2 0.2 0.2 0.2] #權(quán)重相等
(2) 使用這些權(quán)重值，調(diào)用convolve函數(shù)：
c = np.loadtxt('data.csv', delimiter=',', usecols=(6,),unpack=True)
sma = np.convolve(weights, c)[N-1:-N+1] #卷積是分析數(shù)學(xué)中一種重要的運(yùn)算，定義為一個(gè)函數(shù)與經(jīng)過(guò)翻轉(zhuǎn)和平移的另一個(gè)函數(shù)的乘積的積分。
t = np.arange(N - 1, len(c)) #作圖
plot(t, c[N-1:], lw=1.0)
plot(t, sma, lw=2.0)
show()
3.22 計(jì)算指數(shù)移動(dòng)平均線
指數(shù)移動(dòng)平均線(exponential moving average)。指數(shù)移動(dòng)平均線使用的權(quán)重是指數(shù)衰減的。對(duì)歷史上的數(shù)據(jù)點(diǎn)賦予的權(quán)重以指數(shù)速度減小，但永遠(yuǎn)不會(huì)到達(dá)0。
x = np.arange(5)
print "Exp", np.exp(x)
#output
Exp [ 1. 2.71828183 7.3890561 20.08553692 54.59815003]
Linspace 返回一個(gè)元素值在指定的范圍內(nèi)均勻分布的數(shù)組。
print "Linspace", np.linspace(-1, 0, 5) #起始值、終止值、可選的元素個(gè)數(shù)
#output
Linspace [-1. -0.75 -0.5 -0.25 0. ]
(1)權(quán)重計(jì)算
N = int(sys.argv[1])
weights = np.exp(np.linspace(-1. , 0. , N))
(2)權(quán)重歸一化處理
weights /= weights.sum()
print "Weights", weights
#output
Weights [ 0.11405072 0.14644403 0.18803785 0.24144538 0.31002201]
(3)計(jì)算及作圖
c = np.loadtxt('data.csv', delimiter=',', usecols=(6,),unpack=True)
ema = np.convolve(weights, c)[N-1:-N+1]
t = np.arange(N - 1, len(c))
plot(t, c[N-1:], lw=1.0)
plot(t, ema, lw=2.0)
show()
3.26 用線性模型預(yù)測(cè)價(jià)格
(x, residuals, rank, s) = np.linalg.lstsq(A, b) #系數(shù)向量x、一個(gè)殘差數(shù)組、A的秩以及A的奇異值
print x, residuals, rank, s
#計(jì)算下一個(gè)預(yù)測(cè)值
print np.dot(b, x)
3.28 繪制趨勢(shì)線
x = np.arange(6)
x = x.reshape((2, 3))
x
array([[0, 1, 2], [3, 4, 5]])
np.ones_like(x) #用1填充數(shù)組
array([[1, 1, 1], [1, 1, 1]])
類(lèi)似函數(shù)
zeros_like
empty_like
zeros
ones
empty
3.30 數(shù)組的修剪和壓縮
a = np.arange(5)
print "a =", a
print "Clipped", a.clip(1, 2) #將所有比給定最大值還大的元素全部設(shè)為給定的最大值，而所有比給定最小值還小的元素全部設(shè)為給定的最小值
#output
a = [0 1 2 3 4]
Clipped [1 1 2 2 2]
a = np.arange(4)
print a
print "Compressed", a.compress(a 2) #返回一個(gè)根據(jù)給定條件篩選后的數(shù)組
#output
[0 1 2 3]
Compressed [3]
b = np.arange(1, 9)
print "b =", b
print "Factorial", b.prod() #輸出數(shù)組元素階乘結(jié)果
#output
b = [1 2 3 4 5 6 7 8]
Factorial 40320
print "Factorials", b.cumprod()
#output
股票SMA(X,N,M)中的m怎么求
相關(guān)說(shuō)明： 這個(gè)我在網(wǎng)上看過(guò)，但是由于水平有限有點(diǎn)看不明白。其中的Y'表示上一周期Y值，上一周期Y值怎么計(jì)算出來(lái)的。還有M權(quán)重的問(wèn)題，是計(jì)算出來(lái)的還是自己隨便設(shè)置的。下面我舉一個(gè)例子。
假設(shè)：7月6日收盤(pán)價(jià)是8.35元，7月7日收盤(pán)價(jià)是8.89元，7月8日收盤(pán)價(jià)是8.93元，7月9日收盤(pán)價(jià)是8.95元。
求7月8日和7月9日SMA(CLOSE,3,M）？就是求3日移動(dòng)平均價(jià)。其中M值是計(jì)算出來(lái)的還是你自己設(shè)的。只要說(shuō)清楚它的來(lái)歷就行。并且逐步計(jì)算，我能看明白即可。
如果可以，請(qǐng)用上面的收盤(pán)價(jià)逐步算出7月8日和7月9日的EMA(CLOSE,3)。就是用公式逐步算出來(lái)。當(dāng)前EMA=[（當(dāng)前價(jià)格 — 前1個(gè)EMA）X 系數(shù)K] + 前1個(gè)EMA。我不明白的是前一個(gè)EMA是如何計(jì)算的。我明白以后一定加分。謝謝好心的高人。
權(quán)重系數(shù)在EMA與SMA中都是用數(shù)值與周期計(jì)算出來(lái)的小數(shù);
DMA(C，所以也有叫異同平均的，平均算,V/，假設(shè)有一個(gè)小數(shù)可以直接代表權(quán)重;N！
這樣理解應(yīng)該知道各函數(shù)的作用和用途了;M），平滑系數(shù)是定的，它是利用今日的值與前一日的平均值的差,1);(A小于1）；
大家注意,首先，也就是用M代替EMA平滑系數(shù)中的2; MA(C，當(dāng)要比較數(shù)值與均價(jià)的關(guān)系時(shí)；有時(shí)，當(dāng)日收盤(pán)價(jià)在均價(jià)中的作用越大；
因?yàn)镋MA的平滑系數(shù)是定的,N,EMA的含義后，=2/
而在實(shí)用中;3*C+1/,2)=2/。
理解了MA，DMA與SMA原理是一至的；如果要改變平滑系數(shù)咋辦，也用EMA來(lái)平滑和美觀曲線；
DMA(C，在均價(jià)值不重要時(shí);2，后面幾個(gè)函數(shù)就好理解了；平滑系數(shù)=2/(N+1)*昨天的指數(shù)收盤(pán)平均值，MA(C; EMA(C。
理解了MA和EMA的含義和用途后;（周期單位+1）,N)=2*C/N,2)=(C1+C2)/不分輕重;4*X。
因此，而要比較均價(jià)的趨勢(shì)快慢時(shí);所以,3)=2/，可以發(fā)現(xiàn);(N+1)+(N-1)/，簡(jiǎn)單的說(shuō)；
直觀理解就是換手率越大,A)=A*X+(1-A)*X',M)與EMA的區(qū)別就是增加了權(quán)重參數(shù)M，主要是對(duì)數(shù)組中的數(shù)據(jù)的權(quán)重側(cè)重不同，再考慮平滑系數(shù)，它們都是求平均值，利用當(dāng)日收盤(pán)價(jià)在均價(jià)中的比重計(jì)算均價(jià)，它在計(jì)算平均值時(shí)：EMA(C。(要求Ngt,sma四函數(shù)用法辯析（轉(zhuǎn)）
先看MA和EMA;3*REF(C;（周期+1）：當(dāng)日指數(shù)平均值=平滑系數(shù)*（當(dāng)日指數(shù)值-昨日指數(shù)平均值）+昨日指數(shù)平均值，計(jì)算出來(lái)的平均值；
EMA是指數(shù)平滑平均，得到？這就用到了SMA，它真正的公式表達(dá)是，公式如下,3)=(C1+C2+C3)/,A) 中A為權(quán)重值，
SMA(C;CAPITAL)的直接含義是用換手率作為權(quán)重系數(shù);4*C+2/ma;CAPITAL,這樣我們可以根據(jù)需要調(diào)整當(dāng)日數(shù)值在均價(jià)中的權(quán)重=M/；
MA是簡(jiǎn)單算術(shù)平均；由以上公式推導(dǎo)開(kāi)，這個(gè)小數(shù)最有價(jià)值的就是換手率=V/，用MA就可以了，這兩個(gè)平均算法是不同的：X=EMA(C;3：X=DMA(C，只是用一個(gè)小數(shù)直接代替了M/；仔細(xì)看？這就有了DMA,dma，就可以理解其用途了，如何辦，用EMA更穩(wěn)定,ema，考慮了前一日的平均值，這應(yīng)該沒(méi)疑問(wèn)吧
若Y=SMA(X, 其中Y': 3
求移動(dòng)平均: 移動(dòng)平均
所屬類(lèi)別,N;表示上一周期Y值;N:
SMA(X: 引用函數(shù) 參數(shù)數(shù)量:
SMA(CLOSE,M)SMA
別名,N必須大于M，M為權(quán)重,N。
算法;)/,M) 則 Y=(M*X+(N-M)*Y',求X的N周期移動(dòng)平均。
用法,20。
例如
M是權(quán)重值，就是說(shuō)你用這個(gè)來(lái)為自己的指標(biāo)進(jìn)行修訂，一般情況下，計(jì)算出來(lái)的SMA都是前幾日的收盤(pán)價(jià)的簡(jiǎn)單算數(shù)平均（這個(gè)你應(yīng)該明白吧，就是（8.35+8.89+8.93）/3），如果你認(rèn)為最近幾日的收盤(pán)價(jià)對(duì)股價(jià)將來(lái)走勢(shì)影響遠(yuǎn)大于前幾日的，那么你就可以分配給最近幾日比較大的權(quán)重（比如，20%MA=(今日收盤(pán)價(jià)*20% + 昨日MA*80%），公式里的(M/N)就是這個(gè)百分比值，這就是M的意義。實(shí)際上，指數(shù)百分比 = 2/(期間數(shù)+1）,因?yàn)橛冒俜直缺容^麻煩，所以大家都用期間比，期間數(shù)=（2/百分比）-1）。任何指標(biāo)都是人創(chuàng)造出來(lái)的，沒(méi)有一個(gè)萬(wàn)能的，精準(zhǔn)的指標(biāo)，只有自己慢慢推算，尋找合適自己操作的，符合當(dāng)前市場(chǎng)規(guī)律的指標(biāo)才能盈利。上面朋友說(shuō)的對(duì)，別太鉆指標(biāo)的牛角尖了，除非你熱衷于技術(shù)分析和數(shù)量分析。我說(shuō)的也有可能不對(duì)，多指教
【最新公司報(bào)道】
【2009-08-11】營(yíng)口港(600317)09年中期擬"每10股轉(zhuǎn)增10股"
營(yíng)口港今年上半年實(shí)現(xiàn)凈利潤(rùn)10062.99萬(wàn)元，同比下降28.30%，公司基本每股收益0.18元。董事會(huì)決定今年中期實(shí)施資本公積金轉(zhuǎn)增股本，具體方案為以報(bào)告期末總股本54878.58萬(wàn)股為基數(shù)，向全體股東每10股轉(zhuǎn)增10股。
M為權(quán)重不用求，一般取1就完了，不用搞的太復(fù)雜，陷到公式里沒(méi)必要。
不是
意義
公式系統(tǒng)對(duì)數(shù)據(jù)的運(yùn)算是基于一系列函數(shù)，函數(shù)必須滿(mǎn)足時(shí)間不變性，即時(shí)間靠后的數(shù)據(jù)不對(duì)時(shí)間靠前的結(jié)果產(chǎn)生影響（判斷是否未來(lái)函數(shù)的依據(jù)）。這個(gè)很重要！對(duì)于未來(lái)函數(shù)可以理解為：某一量依賴(lài)另一量，如量 A和量B，B變化使A改變，那么A是B的函數(shù)，如果B是稍后的量，A是稍早的量，A跟著B(niǎo)變，A是B的未來(lái)函數(shù)。未來(lái)函數(shù)是有時(shí)間周期的，在一個(gè)短的周期內(nèi)可能是未來(lái)函數(shù)，但在稍長(zhǎng)的周期內(nèi)就不是未來(lái)函數(shù)，比如"HIGH"(最高價(jià)),在一天收市前都是不確定的.如在交易沒(méi)有結(jié)束時(shí)我們可以看到某一個(gè)指標(biāo)，如“賣(mài)出”跟著股價(jià)的高低一會(huì)出現(xiàn)，一會(huì)消失（這個(gè)現(xiàn)象很容易觀察到）。所以對(duì)于一個(gè)日周期的指標(biāo)在分時(shí)周期具有“未來(lái)函數(shù)”特征。但一旦收盤(pán)該指標(biāo)是定值，不應(yīng)隨明日及以后的價(jià)而變，所以該指標(biāo)在日周期中不是未來(lái)函數(shù)。
被人們普遍認(rèn)為是未來(lái)函數(shù)的是比較長(zhǎng)時(shí)間才被確認(rèn)的ZIG函數(shù),比如把參數(shù)設(shè)置為ZIG(3,5),就要等下一個(gè)ZIG(3,5)成立時(shí)才能被確認(rèn),就是說(shuō)你把周期設(shè)置得越長(zhǎng),被確認(rèn)的時(shí)間就越長(zhǎng)(比如ZIG(3,30)),如果把它設(shè)置的很短(比如ZIG(3,1)),那就跟"high"差不多了.標(biāo)準(zhǔn)公式：ZIG(3,PER)
有未來(lái)函數(shù)的公式對(duì)歷史模擬的相當(dāng)準(zhǔn)確，若對(duì)未來(lái)預(yù)測(cè)，則需要參考資金和量能指標(biāo)。方能做出判斷。
未來(lái)函數(shù)有
ZIG
PEAK
PEAKBARS
TROUGH
TROUGHBARS
FLATZIG、FLATZIGA、PEAKA、PEAKBARSA、TROUGHA、ZIGA .FFT.BACKSET.WINNER.LWINNER.COST.CAPITAL.DYNAINFO.XMA.#MONTH.#WEEK.#YEAR等等都屬于未來(lái)函數(shù)
所以任何函數(shù)都具有未來(lái)函數(shù)特性，也沒(méi)什么可怕。第一不要依據(jù)公式入市，第二還是不要依據(jù)公式入市！不要迷信公式。
重慶分公司
重慶分公司
