روندهای فنی و شور و شوق و اشتیاق برای بلوک های ساختمانی

نحوه ترسیم یک خط روند با DataFrame در پایتون

دگرگونی

پیتون

یک خط ، خطی است که بر فراز محوری و یا زیر کمترین محوری کشیده شده است تا جهت غالب قیمت را نشان دهد.

خط روند یکی از ابزارهای مهم برای معامله گران فنی است. Vidualization Trandline برای معامله گران قابل تشخیص است که می توانند از جهت و الگوهای پرش های قیمت استفاده کنند. در طول بازه زمانی مورد تجزیه و تحلیل ، تحلیلگران حداقل 2 امتیاز در یک نمودار برای اتصال آن نقاط برای ترسیم یک خط مستقیم دارند.

هنگامی که در یک روند امتیاز پایین تری کسب می کنید ، روند مانند یک خط پشتیبانی در حالی که امتیاز بالاتر می گیرد می تواند مانند یک خط مقاومت در یک روند عمل کند. بنابراین می توان برای دانستن این 2 امتیاز در یک نمودار استفاده کرد.

بیایید فرض کنیم که 2 امتیاز قیمت پایین تر در یک نمودار داریم و یک خط روند را ترسیم می کنیم. هنگامی که قیمت فعلی به این خط صعود برخورد می کند ، ممکن است منحنی قیمت در این روند بازپرداخت شود. یا اگر قیمت زیر خط صعود با امتیاز پایین تر باشد ، می توان به عنوان یک محوری قیمت برای Bearlish تصور کرد.

حال اگر 2 امتیاز قیمت بالاتر را در یک نمودار داشته باشیم و با اتصال 2 امتیاز یک خط روند را ترسیم کنیم. هنگامی که قیمت فعلی به خط نزولی رسید ، ممکن است منحنی قیمت در این روند بازپرداخت شود. یا اگر شکستهای بالاتر از خط نزولی که با امتیاز بالاتر ترسیم شده است ، می توان به عنوان یک محوری قیمت برای صعود تصور کرد.

برای محاسبه شاخص های فنی در پایتون ، ما کتابخانه های TA-LIB و PYTI داریم اما یک خط روند و خطوط پشتیبانی/مقاومت برای محاسبه در آن کتابخانه ها درج نشده است. در این مقاله ، من می خواهم نحوه نوشتن خطوط روند را از شیء DataFrame در Matplotlib ، Python نشان دهم.

برای به دست آوردن داده های برگشتی از نمونه کارها یا اوراق بهادار خود ، لطفاً به نوشتار قبلی مراجعه کنید. در این وبلاگ توضیح داده شده است که داده های سهام را در Pandas DataReader (کلیه کدها وجود دارد) و نحوه محاسبه بازده روزانه و بازده تجمعی در یک دوره زمانی خاص مانند روزانه ، هفتگی ، ماهانه و سالانه توضیح داده شده است.

رگرسیون خطی ساده

همانطور که گفته شد ، ترسیم اصلی Trendlines اتصال حداقل 2 امتیاز در یک نمودار است. بیایید این مشکل را به عنوان یک رگرسیون خطی ساده بدانیم ، سپس می توانیم از روش Scipy. Stats. LinRegg استفاده کنیم که یک رگرسیون حداقل مربعات خطی را برای دو مجموعه اندازه گیری محاسبه می کند. بیایید نگاهی به نمونه بیندازیم.

ما در این هواپیمای اقلیدسی 2 نقطه آبی (2 ، 5) و (7 ، 15) داریم. scipy. stats. linregress می تواند یک خط مستقیم محاسبه شده از این نقاط (خط قرمز در این نمودار) باشد. این روش شیب ، رهگیری ، مقادیر P& R را نیز خطاهای استاندارد برمی گرداند.

در اینجا کد نحوه ترسیم این نمودار و خط رگرسیون آورده شده است. بیایید از یک کد مشابه برای ترسیم خطوط روند در بخش زیر استفاده کنیم.

با DataFrame یک خط روند بکشید

روند ترسیم خطوط روند (صعود و پایین آمدن) به چند مرحله نیاز دارد.

1. برای محاسبه 1 ستون برای هدف شماره گذاری ردیف اضافه کنید
2. حداقل 2 نقطه داده بالاتر و پایین را در DataFrame محاسبه کنید
3. یک رگرسیون حداقل مربعات خطی را برای خطوط روند محاسبه کنید
4. با استفاده از matplotlib یک خط نزدیک و 2 خط خط بکشید

در مرحله اول نیاز به اضافه کردن اعداد برای هر ردیف داشتم زیرا این نوع شاخص DataFrame DateTime است ، بنابراین نوع برای محاسبه Scipy. stats. linRegress مناسب نیست. من یک ستون "شماره" اضافه کرده ام و مقادیر عددی را از 1 به شرح زیر داده ام.

در اینجا قطعه کد نحوه انتخاب 2 نقطه داده بالاتر و پایین تر از DataFrame آورده شده است. محاسبه تنها 2 مجموعه از ردیف های DataFrame را بازگرداند که در آن نقاط داده در بالا یا زیر خط رگرسیون خطی محاسبه شده در هر دو مورد شکسته شد.

ما 2 نقطه داده بالاتر و پایین محاسبه شده داریم ، اجازه دهید این 2 امتیاز را در هر دو روش صعود و رو به پایین برای روش SCIPY. STATS. LinRegress در نظر بگیریم. همانطور که گفته شد ، این روش شیب ، رهگیری ، مقادیر P& R را نیز خطاهای استاندارد یک تابع برمی گرداند. شیرین

در آخر ، می توانیم از طرح خط Matplotlib با 3 ستون استفاده کنیم. 1 داده های نزدیک برای ترسیم قیمت بسته شدن به رنگ سبز است. بقیه 2 از 3 صعود و نزولی هستند که از Scipy. stats. linregress محاسبه شده اند تا یک خط مستقیم بین 2 نقطه بالاتر یا 2 نقطه پایین تر قرار بگیرند.

در واقع این مثال خوب به نظر نمی رسد ، بنابراین می توانید همان روش را برای سایر دارایی ها یا مقیاس های مختلف و بازه های زمانی مختلف اعمال کنید.