股票的各個指標中，Bollinger Bands（一般簡稱為BOL指數）簡單暴力，卻又有著統計學內涵，實在是深得我心。Bollinger Bands一般有三條線，中間一條就是20日均線MA，而上線和下線分別是MA加減2個20日標準差^[1]。

是什么啊同學們，四舍五入就是 啊，正態曲線的95%區間啊，統計學啊！

當然了，如果你拉隨便一個股票的歷史股價繪制一個直方圖，你會發現其實這些股價并不符合正態分布，所以Bollinger Bands多少在理論上有點站不住腳。不過呢，如果你去統計一下，基本上價格波動95%的時候都在Bands內，5%都在Bands外。所以究竟如何還是自己思考吧。

tushare是很好用的一個國內的交易數據api，獲取數據流程簡單，而且和pandas無縫連接，所以很值得試試?，F在有專業版，可以免費用，初始的積分可以做一些簡單操作，以日線數據為例，基礎積分每分鐘內最多調取500次，每次5000條數據，相當于23年歷史，所以基本上夠用的了。但是tushare也還有很多很好的數據需要更高的積分才能調取，付費50元加入高級用戶群可以買500積分，然后也基本夠用的了。

---

整個工作流程分以下幾個部分：

配置環境

讀取數據

計算MA與std，繪圖

配置環境

首先肯定要安裝tushare

pip install tushare --upgrade

然后在程序開頭載入tushare以及pandas，matplotlib

import pandas as pd import tushare as ts import snoop import matplotlib.pyplot as plt import os from datetime import date

snoop是用來查錯，不是必須

接下來配置tushare接口：

from yaml import full_load with open('config.yaml') as config_file:_config_yaml = full_load(config_file)TOKEN = _config_yaml['token']pro = ts.pro_api(TOKEN)

tushare專業版需要提供token訪問api，這個api可以在個人主頁下面的接口TOKEN中看到。我是將token寫在了一個config.yaml文件中，這樣只需要將這個文件在.gitignore里面聲明一下，自己的token信息就不會被不小心寫進git庫，甚至在網上公開了。ts.pro_api將建立一個api連接，只要提供TOKEN就行了

讀取數據

tushare的日線數據調取代碼如下：

df = pro.daily(ts_code='000001.SZ,600000.SH', start_date='20180701', end_date='20180718')

主要是提供ts_code, start_date和end_date三個數據。從例程可以看到start_date和end_date兩個參數的日期格式是%Y%m%d的形式，所以可以用date.today().strftime("%Y%m%d")將今天的日期轉化成符合函數參數需求的格式

我想將股票從上市開始到現在的全部日線信息都下載下來。如前所述，end_date設置成當前日期只需要對date.today()進行格式轉化就好，而 start_date和ts_code 則需要根據具體股票進行調整。下面以?？低?002352)為例展示一下如何從股票代碼（symbol）獲取ts_code和start_date。

使用tushare的stock_basic接口可以獲得各個股票的基本信息，所以可以先用這個接口抓取一次股票基本信息，然后保存在本地，這樣就不需要每次調試都走線上了（index=False避免存儲的時候將自動生成的數值index也寫入csv）：

data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date') data.to_csv('stock_basic_info.csv',index=False)

上面的代碼運行后，下次要用數據信息的時候只需要直接載入就好，不過要注意的一點是，pandas讀取csv的時候會做一些數據類型轉化，所以symbol里面像平安銀行（000001）這種就會變成1，為了避免這種情況要在讀取的時候設置好 dtype 。

df_stock_basic = pd.read_csv(stock_basic_path, dtype={'symbol':str,'list_date':str}).set_index('symbol')

symbol一列保存的是股票代碼，用這個作為index，后續就能夠使用loc命令查詢了，比如海康威視的002352

symbol = '002352' ts_code = df_stock_basic.loc[symbol,'ts_code'] list_date = df_stock_basic.loc[symbol,'ts_code']

有了上面的ts_code和list_date，獲取日線數據就很簡單了

df_daily:pd.DataFrame = pro.daily(ts_code=ts_code,start_date = list_date,end_date= date.today().strftime("%Y%m%d"))

df_daily:pd.DataFrame里面的冒號是為了聲明df_daily的類型，明確類型以后在pycharm才能更好的幫你做代碼補全。

計算MA，std與繪圖

這里的時移均線主要靠的是pandas的rolling實現。但是在開始計算以前，首先我們要對下載下來的df_daily做一些處理，按照常規的時序分析流程：

將trade_date設置為index, 并且用pandas的to_datetime轉成timestamp

df_daily.index = pd.to_datetime(df_daily['trade_date'])

2. 將數據框升序排列（原本數據是按照從新到舊的順序排列的，在分析的時候這會造成問題）

df_daily = df_daily.sort_index()

然后就可以計算MA以及std了

rolling_days = 20 std_multiplier = 2 df_daily['MA'] = df_daily['close'].rolling(rolling_days).mean() df_daily['std'] = df_daily['close'].rolling(rolling_days).std() df_daily['upper_bound'] = df_daily['MA']+df_daily['std']*std_multiplier df_daily['lower_bound'] = df_daily['MA']-df_daily['std']*std_multiplier

繪圖就只要用

df_daily[['MA','close','upper_bound','lower_bound']].plot(grid=True) plt.show()

當然了，上面只是放了收盤價，時移均線以及Bollinger Band上下界，還可以進一步放蠟燭圖一類的。

這些代碼可能最好做成一個類，然后通過調用方法的形式組織代碼才比較好。

參考

^20日均線和2個標準差主要是約定俗成，當然也可以將均線時間增加一些，酌情調整吧

總結

以上是生活随笔為你收集整理的读取csv绘制直方图_[python]用tushare接口绘制Bollinger Bands的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。