numpy之移动均线和卷积运算

﹏ヽ暗。殇╰゛Y 2021-11-26 20:18 350阅读 0赞

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 ymd
    
    
    dates, 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()

![1494002-20190710092229882-324721585.png][]

基于卷积运算实现5日移动平均线

卷积运算规则及分类：

![1494002-20190710095634732-281283753.png][]

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 ymd
    
    
    dates, 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()

![1494002-20190710100510673-2129197534.png][]

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 ymd
    
    
    dates, 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()

![1494002-20190710103335924-701695686.png][]

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:https://www.cnblogs.com/yuxiangyang/p/11161789.html

[1494002-20190710092229882-324721585.png]: /images/20211126/edc093742c244494ba4b9f436ace6fff.png
[1494002-20190710095634732-281283753.png]: /images/20211126/371c3b5b2a764704a5bed959a565fecc.png
[1494002-20190710100510673-2129197534.png]: /images/20211126/604000b3179b4674ac7da8410ac6d143.png
[1494002-20190710103335924-701695686.png]: /images/20211126/010dcf9f106c4919952ec0314acd4913.png