numpy之移动均线和卷积运算

卷积运算"/>

numpy之移动均线和卷积运算

import numpy as np
import matplotlib.pyplot as mp
import datetime as dt
import matplotlib.dates as md'''移动均线：制作收盘价的5日移动均线，即从第5天开始，每天计算最近5天的收盘价的均值构成的一条线----作用：降噪
'''# 日期转化函数
def dmy2ymd(dmy):# 把dmy格式的字符串转化成ymd格式的字符串dmy = str(dmy, encoding='utf-8')d = dt.datetime.strptime(dmy, '%d-%m-%Y')d = d.date()ymd = d.strftime('%Y-%m-%d')return ymddates, opening_prices, highest_prices, lowest_prices, closing_prices = \np.loadtxt('./da_data/aapl.csv', delimiter=',', usecols=(1, 3, 4, 5, 6), unpack=True,dtype='M8[D], f8, f8, f8, f8', converters={1: dmy2ymd})  # converters为转换器，运行时先执行，其中1表示时间所在的列索引号# 绘制收盘价折线图
mp.figure('AAPL', facecolor='lightgray')
mp.title('AAPL', fontsize=18)
mp.xlabel('date', fontsize=12)
mp.ylabel('closing_pricing', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
# 设置x轴的刻度定位器，使之更适合显示日期数据
ax = mp.gca()
# 以周一作为主刻度
ma_loc = md.WeekdayLocator(byweekday=md.MO)
# 次刻度，除周一外的日期
mi_loc = md.DayLocator()
ax.xaxis.set_major_locator(ma_loc)
ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d'))
ax.xaxis.set_minor_locator(mi_loc)
# 日期数据类型转换，更适合绘图
dates = dates.astype(md.datetime.datetime)
mp.plot(dates, closing_prices, linewidth=2, linestyle='--', color='dodgerblue', label='AAPL', alpha=0.3)
# 绘制5日移动均线
sma = np.zeros(closing_prices.size - 4)
for i in range(sma.size):sma[i] = closing_prices[i:i + 5].mean()
mp.plot(dates[4:], sma, color='orangered', linestyle=':', label='SMA5')mp.tight_layout()
mp.legend()
# 自动格式化x轴日期的显示格式（以最合适的方式显示）
mp.gcf().autofmt_xdate()
mp.show()

基于卷积运算实现5日移动平均线

　　卷积运算规则及分类：

　　实现代码：

import numpy as np
import matplotlib.pyplot as mp
import datetime as dt
import matplotlib.dates as md'''1.移动均线：制作收盘价的5日移动均线，即从第5天开始，每天计算最近5天的收盘价的均值二构成的一条线----作用：降噪2.有效卷积实现5日移动平均线绘制
'''# 日期转化函数
def dmy2ymd(dmy):# 把dmy格式的字符串转化成ymd格式的字符串dmy = str(dmy, encoding='utf-8')d = dt.datetime.strptime(dmy, '%d-%m-%Y')d = d.date()ymd = d.strftime('%Y-%m-%d')return ymddates, opening_prices, highest_prices, lowest_prices, closing_prices = \np.loadtxt('./da_data/aapl.csv', delimiter=',', usecols=(1, 3, 4, 5, 6), unpack=True,dtype='M8[D], f8, f8, f8, f8', converters={1: dmy2ymd})  # converters为转换器，运行时先执行，其中1表示时间所在的列索引号# 绘制收盘价折线图
mp.figure('AAPL', facecolor='lightgray')
mp.title('AAPL', fontsize=18)
mp.xlabel('date', fontsize=12)
mp.ylabel('closing_pricing', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
# 设置x轴的刻度定位器，使之更适合显示日期数据
ax = mp.gca()
# 以周一作为主刻度
ma_loc = md.WeekdayLocator(byweekday=md.MO)
# 次刻度，除周一外的日期
mi_loc = md.DayLocator()
ax.xaxis.set_major_locator(ma_loc)
ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d'))
ax.xaxis.set_minor_locator(mi_loc)
# 日期数据类型转换，更适合绘图
dates = dates.astype(md.datetime.datetime)
mp.plot(dates, closing_prices, linewidth=2, linestyle='--', color='dodgerblue', label='AAPL', alpha=0.3)
# 绘制5日移动均线
sma = np.zeros(closing_prices.size - 4)
for i in range(sma.size):sma[i] = closing_prices[i:i + 5].mean()
mp.plot(dates[4:], sma, color='orangered', linestyle=':', label='SMA5')# 基于卷积实现5日均线
kernel = np.ones(5) / 5
sma2 = np.convolve(closing_prices, kernel, 'valid')
mp.plot(dates[4:], sma2, color='magenta', linewidth=7, label='SMA52', alpha=0.3)mp.tight_layout()
mp.legend()
# 自动格式化x轴日期的显示格式（以最合适的方式显示）
mp.gcf().autofmt_xdate()
mp.show()

加权卷积实现5日加权均线

　　--------卷积核相当于权重数组

实现代码如下：

import numpy as np
import matplotlib.pyplot as mp
import datetime as dt
import matplotlib.dates as md'''1.移动均线：制作收盘价的5日移动均线，即从第5天开始，每天计算最近5天的收盘价的均值二构成的一条线----作用：降噪2.有效卷积实现5日移动平均线绘制
'''# 日期转化函数
def dmy2ymd(dmy):# 把dmy格式的字符串转化成ymd格式的字符串dmy = str(dmy, encoding='utf-8')d = dt.datetime.strptime(dmy, '%d-%m-%Y')d = d.date()ymd = d.strftime('%Y-%m-%d')return ymddates, opening_prices, highest_prices, lowest_prices, closing_prices = \np.loadtxt('./da_data/aapl.csv', delimiter=',', usecols=(1, 3, 4, 5, 6), unpack=True,dtype='M8[D], f8, f8, f8, f8', converters={1: dmy2ymd})  # converters为转换器，运行时先执行，其中1表示时间所在的列索引号# 绘制收盘价折线图
mp.figure('AAPL', facecolor='lightgray')
mp.title('AAPL', fontsize=18)
mp.xlabel('date', fontsize=12)
mp.ylabel('closing_pricing', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
# 设置x轴的刻度定位器，使之更适合显示日期数据
ax = mp.gca()
# 以周一作为主刻度
ma_loc = md.WeekdayLocator(byweekday=md.MO)
# 次刻度，除周一外的日期
mi_loc = md.DayLocator()
ax.xaxis.set_major_locator(ma_loc)
ax.xaxis.set_major_formatter(md.DateFormatter('%Y-%m-%d'))
ax.xaxis.set_minor_locator(mi_loc)
# 日期数据类型转换，更适合绘图
dates = dates.astype(md.datetime.datetime)
mp.plot(dates, closing_prices, linewidth=2, linestyle='--', color='dodgerblue', label='AAPL', alpha=0.3)
# 绘制5日移动均线
sma = np.zeros(closing_prices.size - 4)
for i in range(sma.size):sma[i] = closing_prices[i:i + 5].mean()
mp.plot(dates[4:], sma, color='orangered', linestyle=':', label='SMA5')# 基于卷积实现10日均线
kernel = np.ones(10) / 10
sma2 = np.convolve(closing_prices, kernel, 'valid')
mp.plot(dates[9:], sma2, color='magenta', linewidth=7, label='SMA52', alpha=0.3)
# 基于卷积实现5日均线
kernel = np.ones(5) / 5
sma3 = np.convolve(closing_prices, kernel, 'valid')
mp.plot(dates[4:], sma3, color='magenta', linewidth=7, label='SMA53', alpha=0.3)# 基于加权卷积实现5日加权均线
weights = np.exp(np.linspace(-1, 0, 5))
weights = weights[::-1]/weights.sum()
print(weights.sum())
sma4 = np.convolve(closing_prices, weights, 'valid')
mp.plot(dates[4:], sma4, color='red', linewidth=3, label='SMA54', alpha=0.3)mp.tight_layout()
mp.legend()
# 自动格式化x轴日期的显示格式（以最合适的方式显示）
mp.gcf().autofmt_xdate()
mp.show()

一维卷积适合解决的问题：

　　1.边移动边计算，对应位置相乘再相加；-

　　2.数据平滑处理，数据降噪；----重点是卷积核如何选取

转载于:.html