分析股票时，通常会观察市场软件上的股票图表，并使用图表的技术指标来确定未来股票价格变化的方向. 对于中小型股东，技术指标的分析似乎比基本面分析更为可靠，因为中小型股东很难解释该政策的实质是正面还是负面. 所有的市场信息，当主力很长时，就意味着有资金进入市场，这时所有指标都会运行良好，我们只需要跟随主力进入市场即可. 因此，重要的是观察技术指标的变化. 目前，常用的技术指标是K线，移动平均线，交易量，MACD，KDJ等. 实际上，所有技术指标都是根据股票收盘价，开盘价，最高价的原始交易数据计算得出的. ，最低价格和其他特定算法公式. 然后，本节将在获取交易数据的基础上扩展通用技术指标的实施.
导入日期时间列表. rcParams [字体. sans-serif] = [SimHei]#用于正常显示中文标签plt. rcParams [轴. unicode_minus] = False#用于正常显示负号. df_stockload =网络. DataReader(600797.SS，雅虎，datetime.datetime(，1，1)，datetime.date.today()) Figure(figsize =(8，6)，dpi = 100，facecolor = white)#创建一个无花果对象fig. subplots_adjust(左= 0.09，底部= 0.20，右= 0.94，顶部= 0.90，wspace = 0.2，hspace = 0)graph_KAV =图. add_subplot(1、1、1)#创建一个子图mpf. Candlestick2_ochl(graph_KAV，df_stockload. 打开，df_stockload. 关闭，df_stockload.
高，df_stockload. 低，宽度=0. 5，colorup = r，colordown = g)#绘制图线graph_KAV的趋势. set_title(600797浙江大学网新日K线)图_KAV. set_xlabel(日期)graph_KAV. set_ylabel(price ex))#设置x轴范围graph_KAV. set_xticks(范围(0，len(df_stockload.index)，15))#X轴刻度设置，每15天一个日期graph_KAV. 网格(True，color = k)graph_KAV. set_xticklabels([graph_KAV.get_xticks()中的索引的[df_stockload.index.strftime(％Y-％m-％d)[index]])#label设置为日期#X轴上的每个报价标签都相对于graph_KAV中的右标签. xaxis. get_ticklabels(): 标签. set_rotation(45)标签. set_fontsize(10)#设置标签字体大小plt. 显示()
在candlestick_ochl的接口参数中，这是另一种绘制方法，ax是绘制图形的轴对象，报价是所有股票数据系列，其中每行以开盘价，收盘价，最高价，最低价格.
移动平均线是技术分析中最基本，最常用的工具. 它是指单位周期中的平均价格. 我们看到随着股价在上升过程中上升，移动平均线也不断上升，反映了周期的持有量. 平均拥有成本上升了，反之亦然. 一般来讲，在上升过程中，由于主力筹码更被视为主力的成本线，在上升结束时，由于主力将筹码分配给零售客户，因此可以视为成本线零售客户. 通用市场软件上的K线图将显示移动平均线，我们还将绘制上一节中绘制的K线的三个移动平均线. 在Pandas的早期，提供了pd.rolling_mean()接口，现在将其更改为n(). 使用方法仍然是提供收盘价和移动平均时间窗口大小，这对用户来说非常方便快捷.
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
