大发快三彩票邀请码_以股票RSI指标为例,学习Python发送邮件功能(含RSI指标确定卖点策略)

  • 时间:
  • 浏览:4

    此人 过后 写过若干“给守护线程员加财商”的系列文,目的是通过股票案例讲述Python知识点,让亲戚亲戚亲戚朋友在学习Python的一起去还能掌握相关的股票知识,所谓一举两得。

    在过后 的系列文里,亲戚亲戚亲戚朋友能看后K线,均线,成交量的案例,在本文里,亲戚亲戚亲戚朋友能看后通过RSI案例讲述Python邮件编程的知识点,在后继系列文里,亲戚亲戚亲戚朋友还能看后MACD,BIAS,KDJ等指标相关案例。

1  RSI指标的原理和算法描述

    相对强弱指标(RSI)是通过比较某个六时 内单股价格的涨跌幅度来判断多空双方的强弱程度,以此来预测未来走势。从数值上看,它体现出某股的买卖力量,什么都投资者能据此预测未来价格的走势,在实践中,通常与移动平均线配合使用,以提高分析的准确性。

    RSI指标的计算公式如下所示。

    第一步,RS(相对效率)=N日内收盘价涨数和的均值÷N日内收盘价跌数和的均值

    第二步,RSI(相对强弱指标)=100-100÷(1+RS)

    请注意,这里“均值“的计算依据都需就是 简单移动平均(SMA),也都需就是 加权移动平均(WMA)指数移动平均(EMA)。本书采用的是比较简单的简单移动平均算法,否则 软件采用的是后本身平均算法。采用不同的平均算法会愿因RSI的值不同,但趋势不需要改变,对交易的指导意义否则会变。

    以6日RSI指标为例,从当日算起向前推算6个交易日,获取到包括本日在内的7个收盘价,用每一日的收盘价减去上一交易日的收盘价,以此依据得到6个数值,有有哪些数值涵盖正有负。但是再按如下还有一个步骤计算RSI指标。

    第一步,up=6个数字中正数之和的平均值。

    第二步,down=先取6个数字中负数之和的绝对值,再对绝对值取平均值。

    第三步,RS=up除以down,RS表示相对效率

    第四步,RSI(相对强弱指标)=100-100÷(1+RS)

    不可能 再对第四步得出的结果进行数学变换,能进一步约去RS因素,得到如下的结论:RSI=100x(up) ÷(up+down),也否则说,RSI等于100乘以up除以(up和down的和)。

    从本质上来看,RSI反映了某阶段内(比如6个交易日内)由价格上涨引发的波动占总波动的百分比率,百分比越大,说明这个 时间段内股票越强势,反之不可能 百分比越小,则说明股票弱势程度强。

    从上述公式中亲戚亲戚亲戚朋友能看后,RSI的值介于0到100之间,目前比较常见的基准周期为6日\12日和24日。把每个交易日的RSI值在坐标图上的点连成曲线,即能绘制成RSI指标线,也否则说,目前沪深股市中RSI指标线是由三根曲线构成,如下图所示。

  

2  把用Matplotlib绘制的RSI指标图存为图片

    在如下的DrawRSI.py案例中,亲戚亲戚亲戚朋友将根据上述算法绘制1000584(长电科技)从2018年9月到2019年5月间的的6日、12日和24日的RSI指标。

    本例的数据来自csv文件,而该文件的数据来自网络股票接口,相关内容亲戚亲戚亲戚朋友都需要阅读过后 博文。在本案例中,都会把由matplotlib生成的图形存为png格式,以方便过后 用邮件的形式发送。    

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	import matplotlib.pyplot as plt
5	#计算RSI的依据,入参periodList传入周期列表 
6	def calRSI(df,periodList):
7	    #计算和上一有还有一个交易日收盘价的差值
8	    df['diff'] = df["Close"]-df["Close"].shift(1) 
9	    df['diff'].fillna(0, inplace = True)    
10	    df['up'] = df['diff']
11	    #过滤掉小于0的值
12	    df['up'][df['up']] = 0
13	    df['down'] = df['diff']
14	    #过滤掉大于0的值
15	    df['down'][df['down']] = 0
16	    #通过for循环,依次计算periodList中不同周期的RSI等值
17	    for period in periodList:
18	        df['upAvg'+str(period)] = df['up'].rolling(period).sum()/period
19	        df['upAvg'+str(period)].fillna(0, inplace = True)
20	        df['downAvg'+str(period)] = abs(df['down'].rolling(period).sum()/period)
21	        df['downAvg'+str(period)].fillna(0, inplace = True)
22	        df['RSI'+str(period)] = 100 - 100/((df['upAvg'+str(period)]/df['downAvg'+str(period)]+1))
23	    return df

    在第5行里,亲戚亲戚亲戚朋友定义了用于计算RSI值的calRSI依据,该依据第一有还有一个参数是涵盖日期收盘价等信息的dataframe类型的df对象,第还有一个参数是周期列表。

    在第8行里,亲戚亲戚亲戚朋友把本交易日和上个交易日收盘价的差价存入了'diff'列,这里是用shift(1)来获取df里上一行(即上个交易日)的收盘价。不可能 第一行的diff值是NaN,什么都需要用第9行的fillna依据把NaN值更新成0。

    在第11行里,在df对象里创建了up列,该列的值暂时和diff值相同,有正有负,但马上就通过第12行的df['up'][df['up']<0] = 0代码,把up列中的负值设置成0,原来一来,up列里就只涵盖了“N日内收盘价的涨数”。在第13行和第15行里,用同样的依据,在df对象中创建了down列,并在其中存入了“N日内收盘价的跌数”。

    但是是通过第17行的for循环,遍历存储在periodList中的周期对象,确实通过下面第26行的代码,亲戚亲戚亲戚朋友能看后计算RSI的周期分别是6天、12天和2三四天 。针对每个周期,先是在第18行,算出了这个 周期内收盘价涨数和的均值,并把这个 均值存入df对象中的'upAvg'+str(period)列中,比如当前周期是6,没法该涨数的均值是存入df[‘upAvg6‘]列。在第20行,则算出该周期内的收盘价跌数的均值,并存入'downAvg'+str(period)列中。最后在第22行,算出本周期内的RSI值,并倒进df对象中的'RSI'+str(period)里。 

24    filename='D:\\stockData\ch10\\10005842018-09-012019-05-31.csv'
25    df = pd.read_csv(filename,encoding='gbk')
26    list = [6,12,24] #周期列表
27    #调用依据计算RSI
28    stockDataFrame = calRSI(df,list) 
29    #print(stockDataFrame)
100    #结速绘图
31    plt.figure()
32    stockDataFrame['RSI6'].plot(color="blue",label='RSI6')
33    stockDataFrame['RSI12'].plot(color="green",label='RSI12')
34    stockDataFrame['RSI24'].plot(color="purple",label='RSI24')
35    plt.legend(loc='best') #绘制图例       
36    #设置x轴坐标标签和旋转淬硬层

37    major_index=stockDataFrame.index[stockDataFrame.index==0]
38    major_xtics=stockDataFrame['Date'][stockDataFrame.index==0]
39    plt.xticks(major_index,major_xtics)
40    plt.setp(plt.gca().get_xticklabels(), rotation=100) 
41    #带网格线,且设置了网格样式
42    plt.grid(line) 
43    plt.title("RSI效果图")
44    plt.rcParams['font.sans-serif']=['SimHei']
45    plt.savefig('D:\\stockData\ch10\\10005842018-09-012019-05-31.png')
46    plt.show()

     在第25行里,亲戚亲戚亲戚朋友从指定csv文件里得到了涵盖日期收盘价等信息的数据,并在第26行指定了有还有一个计算周期。在第28行里,亲戚亲戚亲戚朋友调用了calRSI依据计算了有还有一个周期的RSI值,并存入stockDataFrame对象,当前第29行的输出搞笑的话是注释掉的,在打开后,亲戚亲戚亲戚朋友能看后计算后的结果值,其中涵盖upAvg6、downAvg6和RSI6等列。

    在得到RSI数据后,从第31行结速绘图,其中比较重要的步骤是通过第32行到第34行的代码,用plot依据绘制三根曲线,但是通过第35行的legend依据设置图例,通过第37行和第38行的代码设置x轴刻度的文字以及旋转效果,通过第42行的代码设置网格样式,通过第43的代码设置标题。

    在第46行通过show依据绘图前,亲戚亲戚亲戚朋友通过第45行的代码,用savefig依据把图形保存到了指定目录,请注意这句话需要倒进show依据前,否则 保存的图片就会是空的。

    运行上述代码,能看后如下图所示的RSI效果图。需要说明的是,不可能 本例在计算收盘价涨数和均值和收盘价跌数和均值时,用的是简单移动平均算法,什么都绘制出来的图形不可能 和否则 软件里的不一致,但趋势相同。否则 ,在指定目录里,能看后png图片。

     

3  整合K线后用邮件发送

    在DrawKwithRSI.py代码里,亲戚亲戚亲戚朋友将完成如下有还有一个工作,第一,计算6日、12日和24日的RSI值。第二,绘制K线加均线加RSI指标图,并把结果保存为png格式图片。第三,发送邮件,并把png图片以富文本的格式展示在邮件正文中。

1    #!/usr/bin/env python
2    #coding=utf-8
3    import pandas as pd
4    import matplotlib.pyplot as plt 
5    from mpl_finance import candlestick2_ochl
6    from matplotlib.ticker import MultipleLocator
7    import smtplib
8    from email.mime.text import MIMEText
9    from email.mime.image import MIMEImage
10    from email.mime.multipart import MIMEMultipart
11    #计算RSI的依据,入参periodList传入周期列表 
12    def calRSI(df,periodList):
13        和DrawRSI.py案例中的一致    

    从第3行到第10行,亲戚亲戚亲戚朋友引入了相关的库文件,第12行定义的calRSI依据和过后 案例中的完整篇 一致,什么都就不再给出代码。    

14	filename='D:\\stockData\ch10\\10005842018-09-012019-05-31.csv'
15	df = pd.read_csv(filename,encoding='gbk')
16	list = [6,12,24] #周期列表
17	#调用依据计算RSI
18	stockDataFrame = calRSI(df,list) 
19	figure = plt.figure()
20	#创建子图     
21	(axPrice, axRSI) = figure.subplots(2, sharex=True)
22	#调用依据,在第axPrice子图里绘制K线图 
23	candlestick2_ochl(ax = axPrice, opens=df["Open"].values, closes=df["Close"].values, highs=df["High"].values, lows=df["Low"].values,width=0.75, colorup='red', colordown='green')
24	axPrice.set_title("K线图和均线图")#设置子图标题
25	stockDataFrame['Close'].rolling(window=3).mean().plot(ax=axPrice,color="red",label='三三四天

均线')
26	stockDataFrame['Close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='三四天

均线')
27	stockDataFrame['Close'].rolling(window=10).mean().plot(ax=axPrice,color="green",label='10天均线')
28	axPrice.legend(loc='best') #绘制图例
29	axPrice.set_ylabel("价格(单位:元)")
100	axPrice.grid(line) #带网格线        
31	#在axRSI子图里绘制RSI图形
32	stockDataFrame['RSI6'].plot(ax=axRSI,color="blue",label='RSI6')
33	stockDataFrame['RSI12'].plot(ax=axRSI,color="green",label='RSI12')
34	stockDataFrame['RSI24'].plot(ax=axRSI,color="purple",label='RSI24')
35	plt.legend(loc='best') #绘制图例
36	plt.rcParams['font.sans-serif']=['SimHei']       
37	axRSI.set_title("RSI图")#设置子图的标题
38	axRSI.grid(line) #带网格线
39	#设置x轴坐标标签和旋转淬硬层

40	major_index=stockDataFrame.index[stockDataFrame.index%7==0]
41	major_xtics=stockDataFrame['Date'][stockDataFrame.index%7==0]
42	plt.xticks(major_index,major_xtics)
43	plt.setp(plt.gca().get_xticklabels(), rotation=100) 
44	plt.savefig('D:\\stockData\ch10\\1000584RSI.png')

    在第18行里,亲戚亲戚亲戚朋友通过调用calRSI依据得到了有还有一个周期的RSI数据。在第21行里,设置了axPrice和axRSI这个 个子图共享x轴标签,在第23行里绘制了K线图,在第25行到第27行里,绘制了3日、5日和10日的均线,在第32行到第34行里,绘制了6日、12日和24日的三根RSI指标图。在第44行里通过savefig依据,把涵盖K线、均线和RSI指标线的图形处在指定目录中。     

45	#发送邮件
46	def sendMail(username,pwd,from_addr,to_addr,msg):
47	    和过后

sendMailWithPicAttachment.py案例中的一致
48	def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
49	    message = MIMEMultipart()
100	    body = MIMEText(HTMLContent, 'html', 'utf-8')
51	    message.attach(body)
52	    message['Subject'] = subject
53	    message['From'] = showFrom
54	    message['To'] = showTo
55	    imageFile = MIMEImage(open(attachfolder+attachFileName, 'rb').read())
56	    imageFile.add_header('Content-ID', attachFileName)
57	    imageFile['Content-Disposition'] = 'attachment;filename="'+attachFileName+'"'
58	    message.attach(imageFile)
59	    return message

 第46行定义的sendMail依据和过后 案例中的完整篇 一致,什么都就不给出完整篇 的代码。本案例与过后 不同的是,在第48行里,专门定义了buildMail依据,用来组装邮件对象,邮件的诸多次要由该依据的参数所定义。

    具体而言,在第49行里定义邮件类型是MIMEMultipart,也否则说带附件的邮件,在第100行和第51行里,根据参数HTMLContent构建了邮件的正文,在第52行到第54行里,设置了邮件的相关属性值,从第55行到第57行,根据入参构建了MIMEImage类型的图片类附件,在第58行里,通过attach依据把附件并入邮件正文。    

100	subject='RSI效果图'
61	attachfolder='D:\\stockData\\ch10\\'
62	attachFileName='1000584RSI.png'
63	HTMLContent = '<html><head></head><body>'\
64	 '<img src="cid:'+attachFileName+'"/>'\
65	 '</body></html>'
66	message = buildMail(HTMLContent,subject,'hsm_computer@163.com','hsm_computer@163.com',attachfolder,attachFileName) 
67	sendMail('hsm_computer','xxx','hsm_computer@163.com','hsm_computer@163.com',message.as_string())  
68	#最后再绘制
69	plt.show()

 在第100行到第66行,亲戚亲戚亲戚朋友设置了邮件的相关属性值,并在第66行里,通过调用buildMail依据创建了邮件对象message,在第第67行里,通过调用sendMail依据发送邮件,最后在第69行通过show依据绘制了图形。请亲戚亲戚亲戚朋友注意本案例中的有还有一个细节。

    第一,           第64行cid的值需要和第56行的Content-ID值一致,否则 图片没法以附件的形式发送,无法在邮件正文里以富文本的格式展示。

    第二,           亲戚亲戚亲戚朋友是先构建和发送邮件,再通过第69行的代码绘制图形,不可能 次序颠倒先绘制图形后发送邮件搞笑的话,show依据被调用后守护线程会阻塞在这个 位置,代码无法继续执行。要等到手动关闭掉由show依据弹出的窗口后,才会触发sendMail依据发送邮件。

    第三,           在本案例的第48行,亲戚亲戚亲戚朋友专门封装了用于构建邮件对象的buildMail依据,在其中通过参数动态地构建邮件,原来不可能 要发送其它邮件,则都需要调用该依据,从而能提升代码的重用性。

    运行上述代码,亲戚亲戚亲戚朋友能在弹出的窗口里看后K线、均线和RSI指标图整合后的效果图,否则 能在邮件的正文里看后相同的图。

     

4  RSI指标对买卖点的指导意义

    一般来说,亲戚亲戚亲戚朋友把6日、12日和24日的RSI指标称为为短期、中期和长期指标。和KDJ指标一样,RSI指标也有超买和超卖区。

    具体而言,当RSI值在100到70间波动时,表示当前属于强势情况汇报,如继续上升,超过100时,则到超买区,极不可能 在短期内转升为跌。反之RSI值在20到100之间时,说明当前市场处在相对弱势,如下降到20以下,则进入超卖区,股价不可能 有还有总是出現反弹。

    在讲述RSI交易策略前,亲戚亲戚亲戚朋友先来讲述下在实际操作中总结出来的RSI指标的处在问题。

    第一,周期较短(比如6日)的RSI指标比较灵敏,但快速震荡的次数较多,可靠性相对差些,而周期较长(比如24日)的RSI指标可靠性强,但灵敏度处在问题,有还有总是会“滞后”的情况汇报。

    第二,当数值在40到100间波动时,往往参考价值不大,具体而言,当数值向上突破100临界点时,表示股价已转强,反之向下跌破100时则表示转弱,不过在实践过程中,有还有总是会有还有总是出現RSI跌破100后股价却不下跌,而突破100后股价不涨。

    综合RSI算法、相关理论以及处在问题,亲戚亲戚亲戚朋友来讲述下实际操作中常用的基于该指标的卖策略。

    第一,RSI短期指标(6日)在20以下超卖区与中长期RSI(12日或24日)处在黄金交叉,即6日线上穿12日或24日线,则说明即将处在反弹行情,不可能 其它技术或政策等方面没太大问题报告 报告 ,都需要适当买进。

    第二,反之,RSI短期指标(6日)在100以上超买区与中长期RSI(12日或24日)处在死亡交叉,即6日线下穿12日或24日线,则说明不可能 会有还有总是出現高位反转的情况汇报,不可能 没法其它利热烈祝贺 怎么写,都需要考虑卖出。

5 计算卖点,以邮件的形式发送

    根据上文描述,这里采用的基于RSI的买点策略是,RSI6日线在20以下与中长期RSI(12日或24日)处在黄金交叉。在如下的calRSIBuyPoints.py案例中,亲戚亲戚亲戚朋友据此策略计算1000584(长电科技)从2018年9月到2019年5月间的卖点,否则 通过邮件发送买点日期。     

1	#!/usr/bin/env python
2	#coding=utf-8
3	import pandas as pd
4	import smtplib
5	from email.mime.text import MIMEText
6	from email.mime.image import MIMEImage
7	from email.mime.multipart import MIMEMultipart
8	#计算RSI的依据,入参periodList传入周期列表 
9	def calRSI(df,periodList):
10	    和DrawRSI.py案例中的一致,省略相关代码
11	filename='D:\\stockData\ch10\\10005842018-09-012019-05-31.csv'
12	df = pd.read_csv(filename,encoding='gbk')
13	list = [6,12,24] #周期列表
14	#调用依据计算RSI
15	stockDataFrame = calRSI(df,list) 

    在上述代码的第15行里,亲戚亲戚亲戚朋友通过调用calRSI依据计算RSI指标值,这次要和10.3.2次要的calRSIBuyPoints.py相关代码非常例如于,什么都就不再重复说明。   

16	cnt=0    
17	sellDate=''
18	while cnt<=len(stockDataFrame)-1:
19	    if(cnt>=100):#前几天有误差,从第100天算起
20	        try:        
21	            #规则1,这天RSI6高于100
22	            if stockDataFrame.iloc[cnt]['RSI6']<100:
23	                #规则2.1,当天RSI6下穿RSI12
24	                if  stockDataFrame.iloc[cnt]['RSI6']<stockDataFrame.iloc[cnt]['RSI12'] and stockDataFrame.iloc [cnt-1]['RSI6']>stockDataFrame.iloc[cnt-1]['RSI12']:
25	                    sellDate = sellDate+stockDataFrame.iloc[cnt]['Date'] + ','
26	                    #规则2.2,当天RSI6下穿RSI24
27	                if  stockDataFrame.iloc[cnt]['RSI6']<stockDataFrame.iloc[cnt]['RSI24'] and stockDataFrame.iloc[cnt-1] ['RSI6']>stockDataFrame.iloc[cnt-1]['RSI24']:
28	                    if sellDate.index(stockDataFrame.iloc[cnt]['Date']) == -1:
29	                        sellDate = sellDate+stockDataFrame.iloc[cnt]['Date'] + ','
100	        except:
31	            pass                
32	    cnt=cnt+1
33	print(sellDate)

    在第18行到第32行的while循环里,亲戚亲戚亲戚朋友计算了基于RSI的卖点,在第22行的搞笑的话里,亲戚亲戚亲戚朋友制定了第一有还有一个规则:RSI6数值大于100,在第23行和第27行,亲戚亲戚亲戚朋友在规则一的基础上制定了有还有一个并行的规则,通过上述代码,亲戚亲戚亲戚朋友会在sellDate对象里存放RSI6大于100否则 RSI6下穿RSI12(或RSI24)的交易日,有有哪些交易日即为卖点。    

34	def sendMail(username,pwd,from_addr,to_addr,msg):
35	    和过后

calRSIBuyPoints.py案例中的完整篇

一致
36	def buildMail(HTMLContent,subject,showFrom,showTo,attachfolder,attachFileName):
37	    和过后

calRSIBuyPoints.py案例中的完整篇

一致
38	subject='RSI卖点分析'
39	attachfolder='D:\\stockData\\ch10\\'
40	attachFileName='1000584RSI.png'
41	HTMLContent = '<html><head></head><body>'\
42	 '卖点日期' + sellDate + \
43	 '<img src="cid:'+attachFileName+'"/>'\
44	 '</body></html>'
45	message = buildMail(HTMLContent,subject,'hsm_computer@163.com','hsm_computer@163.com',attachfolder,attachFileName) 
46	sendMail('hsm_computer','xxx','hsm_computer@163.com','hsm_computer@163.com',message.as_string()) 

 第34行和第36行的有还有一个用于发送邮件和构建构建的依据和过后 案例的完整篇 一致,什么都就不再额外说明。

   在第38行亲戚亲戚亲戚朋友定义的邮件标题是“RSI卖点分析”,在第41行定义的描述正文的HTMLContent对象里,亲戚亲戚亲戚朋友存放的也是“卖点日期”,最终是通过第46行调用sendMail依据发送邮件。

    运行上述代码,亲戚亲戚亲戚朋友能看后如下图所示的邮件,其中包括了卖点日期和指标图。这里通过计算得出的卖点日期比较多,经分析,有有哪些日期过后 ,股价多有下跌情况汇报。

        

6 总结和版权说明

    本文是给守护线程员加财商系列,过后 的系列文如下:

    以预测股票涨跌案例入门基于SVM的机器学习  

    用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果(含量化验证交易策略代码)  

    本文力争做到完整篇 ,比如代码按行编号,并针对行号完整篇 解释,且图文并茂,什么都不可能 亲戚亲戚亲戚朋友感觉都需要,请尽量帮忙推荐一下。

本文的内容即将出书,在出版的书里,是用股票案例和亲戚亲戚亲戚朋友讲述Python入门时的知识点,敬请期待

    

    有不少日本网民转载和你会转载我的博文,此人 感到十分荣幸,这也是此人 不断写博文的动力。关于本文的版权有如下统一的说明,抱歉就不逐一回复了。

    1 本文可转载,不需要告知,转载时请用链接的依据,给出原文出处,别简单地通过文本依据给出,一起去写明原作者是hsm_computer。

    2 在转载时,请原文转载 ,谢绝洗稿。否则 此人 保留追究法律责任的权利。