نحوه ترسیم نمودار کندل استیک در پایتون با استفاده از Matplotlib Finance API

نمودارهای کندل استیک اطلاعاتی در مورد ارزش سهام مختلف ارائه می دهند. در این آموزش از Matplotlib Finance API برای رسم نمودار کندل استیک در پایتون استفاده می کنیم.

ما همچنین تابع میانگین متحرک را که معمولاً برای تجزیه و تحلیل ارزهای دیجیتال استفاده می شود، پیاده سازی خواهیم کرد.

فقط چند آموزش از نمودارهای کندل استیک در پایتون با میانگین متحرک استفاده کرده اند. در این مقاله چگونگی اعمال این مفهوم در برخی ارزهای دیجیتال با استفاده از داده های CoinAPI بحث خواهد شد.

این آموزش برای هر شخصی که می خواهد قیمت سهام را با استفاده از پایتون ترسیم کند مفید است.

فهرست مطالب

پیش نیازها

برای درک این آموزش، باید با موارد زیر آشنا باشید:

• زبان برنامه نویسی پایتون
• جنبه های اساسی یادگیری ماشین و ارزهای دیجیتال. یا نوت بوک Jupyter.

توجه داشته باشید که ما در این آموزش به گوگل کولب خواهیم پرداخت.

مقدمه

نمودارهای کندل استیک اطلاعاتی در مورد مقادیر باز، بسته، بالا و پایین موجود در انبار ارائه می دهند.

ارزش باز ارزشی است که سهام با آن باز می شود، مثلاً 100 دلار. در پایان روز، زمانی که معاملات متوقف می شود، مبلغی که ثبت می شود به عنوان ارزش پایانی نامیده می شود. بیایید بگوییم 105 دلار.

اگر در هر نقطه از روز در قیمت سهام جهش داشته باشیم و به 110 دلار برسد، و این بالاترین ارزش ثبت شده در طول روز است، این بالاترین مقدار است. با این حال، اگر برعکس اتفاق بیفتد، و ما حداقل 97 دلار را ثبت کنیم، این پایین ترین سطح ما است.

این چهار مقدار همان چیزی است که نمودار شمعی برای تجسم استفاده می کند. Matplotlib Finance API بسته ای است که در بالای کتابخانه Matplotlib برای تجسم داده ها ساخته شده است. می توان آن را به راحتی با دیتافریم های پاندا ادغام کرد.

میانگین متحرک یک شاخص فنی است که قیمت سهام را در طول زمان ردیابی می کند و آنها را بر روی یک نمودار ترسیم می کند. این به مقابله با نوسانات قیمت کمک می کند که به سرمایه گذاران امکان می دهد روندهای مالی مختلف را درک کنند.

به عنوان مثال، میانگین متحرک می تواند یک روند صعودی یا روند نزولی قیمت ها را تعیین کند. این به سرمایه گذار امکان می دهد بداند چه زمانی سهام بخرد، بفروشد یا نگه دارد.

نصب و وارد کردن وابستگی ها

بیایید با نصب Matplotlib Finance API شروع کنیم:

پس از نصب، ما ادامه می دهیم و وابستگی هایی را که برای آموزش خود نیاز داریم وارد می کنیم:

برای رسم نمودار کندل استیک با استفاده از میانگین متحرک، ابتدا یک تایم فریم (تاریخ شروع و پایان) را انتخاب می کنیم. یک بازه زمانی می تواند هر دوره ای باشد، یعنی روز، ماه یا سال.

برای مورد ما، زمانی بین 06-06-2021 و 05-10-2021 انتخاب می کنیم.

برای دریافت CoinAPI رایگان خود برای آزمایش یا پروژه های سرگرمی، لطفاً از وب سایت رسمی آنها دیدن کنید.

متوجه خواهید شد که پنج بسته در وب سایت موجود است. اولین بسته را برای دریافت یک کلید API رایگان انتخاب کنید.

این کلید API به ایمیل شما ارسال می شود. کلید را کپی کرده و آن را در بخش نوشته شده در بالا بچسبانید."کلید API خود را در اینجا بچسبانید".

Coinapi داده های سریع و قابل اعتماد از بازارهای رمزنگاری را در اختیار شما قرار می دهد. به عنوان مثال ، ما از آن برای واکشی داده های بیت کوین (BTC) استفاده خواهیم کرد.

پیش پردازش داده ها

ما داده های خود را با استفاده از کد زیر بارگذاری می کنیم:

ما پرونده JSON را با استفاده از پاندا به یک DataFrame تبدیل می کنیم:

این مرحله بعدی شامل تغییر dtype به datatime است:

بیایید ستون های غیر ضروری را در داده های خود حذف کنیم:

مرحله بعدی شامل تغییر نام ستون های باقیمانده به نامهای مورد نظر ما است:

بیایید قیمت سهم را با استفاده از API مالی Maplotlib ترسیم کنیم.

ترسیم قیمت سهم با استفاده از پایتون

ما از عملکرد MPL. plot () برای ترسیم قیمت سهم استفاده می کنیم:

انواع مختلفی از نمودارها وجود دارد که می تواند برای ترسیم این قیمت های سهم استفاده شود. آنها شامل نمودارهای نوار ، نمودارهای شمعدانی ، نمودارهای رنکو ، نمودارهای خط و نمودارهای شکل هستند.

در این مقاله ، ما از نمودار Candlestick استفاده کرده ایم. این نوع نمودارها ساده و آسان برای تجزیه و تحلیل ظاهر هستند. آنها اطلاعات دقیق تری در مورد بازار در یک نگاه از نمودارهای نوار یا خط ارائه می دهند.

ما یک خط متوسط متحرک را با استفاده از MAV در طرح خود اعمال کرده ایم. ما همچنین 3 ، 6 و 9 روز را به عنوان پارامترها اضافه کردیم. میانگین های متحرک محبوب در وب سایت های قیمت سهام شامل میانگین حرکت 10 ، 20 و 30 روزه است.

ما سبک یاهو را انتخاب کردیم زیرا این روش را که شما قیمت سهام را در وب سایت یاهو مشاهده می کنید ، تکرار می کند. با این حال ، سبک های داخلی دیگری در کتابخانه MPLFinance وجود دارد که می توانید امتحان کنید.

آنها شامل Binance ، Blueskies ، Brasil ، Charles ، Checkers ، Classic ، Default ، Mike ، Nightlouds ، SAS و StarsandStripes هستند.

اکنون ما با استفاده از API مالی Matplotlib و میانگین حرکت ، نمودار شمعدانی را در پایتون ترسیم کرده ایم.

لطفاً کد این آموزش را در اینجا پیدا کنید.

پیچیدن

کتابخانه MPLFinance به ما امکان می دهد داده ها را به راحتی تجسم کنیم. در منابع زیر می توانید اطلاعات بیشتر در مورد API MPLFinance را بخوانید.