Анализ финансовых данных с помощью Python (SMA и MACD)

Crypto Union › Портал › Обучение› Программирование› Python

7-12-2024 16:17

Автор: criptoman Избранные Закладки Приглашение

Обучающая статья: Анализ финансовых данных с помощью Python (SMA и MACD) В этой статье мы разберем, как использовать P ...

Обучающая статья: Анализ финансовых данных с помощью Python (SMA и MACD)
В этой статье мы разберем, как использовать Python для анализа финансовых данных. Мы построим графики цен, добавим простые скользящие средние (SMA) и индикатор MACD (Moving Average Convergence Divergence). Все шаги будут описаны подробно, чтобы даже новички могли понять, как это работает.

1. Установка библиотек
Для выполнения анализа вам понадобятся следующие библиотеки:

matplotlib — для построения графиков.
pandas — для работы с табличными данными.
numpy — для математических операций.

Установите их с помощью команды:

pip install matplotlib pandas numpy

Скопировать код

2. Генерация данных
Для начала создадим тестовые данные, которые будут имитировать рынок с восходящим трендом. В реальных задачах вы будете использовать данные из источников, таких как API бирж или CSV-файлы.

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# Генерация данных для имитации трендового рынка
np.random.seed(42) # Фиксация случайности для воспроизводимости
dates = pd.date_range(start="2024-01-01", periods=100) # Даты
prices = np.cumsum(np.random.normal(loc=0.5, scale=1.0, size=100)) + 100 # Рост цен
# Создание DataFrame
data = pd.DataFrame({
'Date': dates,
'Price': prices
})

Скопировать код

Здесь:

pd.date_range создаёт диапазон дат.
np.cumsum суммирует случайные значения, чтобы создать эффект тренда.

3. Вычисление индикаторовПростые скользящие средние (SMA) и MACD — это популярные инструменты технического анализа.
Скользящие средние (SMA)Скользящие средние показывают усреднённое значение цены за определённый период:

# Простые скользящие средние
data['SMA_20'] = data['Price'].rolling(window=20).mean() # SMA за 20 дней
data['SMA_50'] = data['Price'].rolling(window=50).mean() # SMA за 50 дней

Скопировать код

MACDИндикатор MACD показывает разницу между двумя экспоненциальными скользящими средними (EMA):

# Вычисление MACD
dema_12 = data['Price'].ewm(span=12, adjust=False).mean()
dema_26 = data['Price'].ewm(span=26, adjust=False).mean()
data['MACD'] = ema_12 - ema_26 # Разница между EMA (MACD линия)
data['Signal_Line'] = data['MACD'].ewm(span=9, adjust=False).mean() # Сигнальная линия

Скопировать код

Здесь:

ewm — экспоненциальное скользящее среднее.
MACD рассчитывается как разница между EMA с периодами 12 и 26.
Сигнальная линия — EMA от MACD с периодом 9.

4. Построение графиковТеперь визуализируем наши данные, включая скользящие средние и MACD.
График цен и SMA

plt.figure(figsize=(12, 8))
# График цен с SMA
plt.subplot(2, 1, 1)
plt.plot(data['Date'], data['Price'], label='Price', color='blue', linewidth=2)
plt.plot(data['Date'], data['SMA_20'], label='20-Day SMA', color='orange', linestyle='--')
plt.plot(data['Date'], data['SMA_50'], label='50-Day SMA', color='green', linestyle='--')
plt.title("Price with Moving Averages (Trend Indicators)")
plt.xlabel("Date")
plt.ylabel("Price")
plt.legend(loc='upper left')
plt.grid()

Скопировать код

График MACD

# График MACD
plt.subplot(2, 1, 2)
plt.plot(data['Date'], data['MACD'], label='MACD', color='purple', linewidth=1.5)
plt.plot(data['Date'], data['Signal_Line'], label='Signal Line', color='red', linestyle='--')
plt.axhline(0, color='black', linestyle='--', linewidth=0.8)
plt.title("MACD Indicator")
plt.xlabel("Date")
plt.ylabel("Value")
plt.legend(loc='upper left')
plt.grid()
# Отображение графиков
plt.tight_layout()
plt.show()

Скопировать код

5. Интерпретация результатов

SMA:
- Когда короткая SMA (20 дней) пересекает длинную SMA (50 дней) снизу вверх, это может быть сигналом покупки.
- Обратное пересечение может быть сигналом продажи.
MACD:
- Когда MACD пересекает сигнальную линию вверх, это бычий сигнал.
- Когда MACD пересекает сигнальную линию вниз, это медвежий сигнал.
- Линия 0 служит базовым уровнем для анализа.

6. ЗаключениеТеперь вы знаете, как:

Создать данные и визуализировать их.
Рассчитать SMA и MACD.
Построить графики для анализа.

Этот простой проект можно расширить, добавив другие индикаторы, такие как RSI или Bollinger Bands. Если у вас есть вопросы или предложения, оставьте комментарий на нашем форуме!
И помните: программирование — это весело, особенно когда оно помогает заработать! 😉

Скачать исходный код: