用Python語言繪製股市OBV指標效果
我的新書《基於股票大資料分析的Python入門實戰》於近日上架，在這篇博文向大家介紹我的新書：《基於股票大資料分析的Python入門實戰》裡，介紹了這本書的內容。這裡將摘錄出部分內容，用以推廣本書，請大家多多支援。
《基於股票大資料分析的Python入門實戰 視訊教學版》，京東連結：https://item.jd.com/69241653952.html。在這篇博文裡，將摘錄部分內容。
1 OBV指標的原理以及演算法
形象地講，OBV指標是將成交量與股價的關係數字化，並根據股市的成交量變化情況來衡量股市的上漲或下跌支援力，以此來研判股價的走勢。OBV指標的設計是基於如下的原理。
第一，如果投資者對當前股價的看法越有分歧，那麼成交量就越大，反之成交量就越小，所以可以用成交量來衡量多空雙方的力量。
第二，股價在上升時，尤其是在上升初期，必須要較大的成交量相配合，相反股價在下跌時，無需耗費很大的動量，因此成交量未必放大，甚至下跌階段成交量會有萎縮趨勢。
第三，受關注的股票在一段時間內成交量和股價波動會很大，相反冷門股票成交量和價格波動會比較小。
根據上述原則，OBV的演算法如下，主要是以日為單位累積成交量。
當日OBV值 = 本日值 ＋ 前日OBV值
如果本日收盤價高於前一日的收盤價，本日的值為正，反之為負，如果本日收盤價和前一日的收盤價相同，則本日值不參與計算，按照這種規則累積計算成交量。成交量可以選擇多種計算單位，OBV用到的是成交手數。參考表12-3，通過範例來了解一下OBV的演算法。
表 OBV指標演算法的例項表
|
日期 |
收盤價（元） |
成交量（手） |
當日OBV累計值 |
|
第1天 |
10 |
10000 |
不計算 |
|
第2天 |
10.2 |
+11000 |
+11000 |
|
第3天 |
10.3 |
+12000 |
+23000 |
|
第4天 |
10.2 |
-10000 |
+13000 |
|
第5天 |
10.1 |
-5000 |
+8000 |
其中，第一天不計算，第2天的收盤價高於第1天，所以當日OBV是當日成交量（為正數）。第3天收盤價也高於第2天，所以該日的OBV是第2天的值（+11000）加上該日成交量（+12000）。
第4天股票下跌，所以當日的OBV累計值是前日的23000減去當日的成交量，結果是+13000，同理第5天也是下跌，當日的OBV是前日值13000減去當日成交量5000，結果是8000。
之後的OBV值按同理計算，將每日算得的OBV值作為縱座標，交易的日期作為橫座標，將這些點連線起來就是OBV指標線了。
2 繪製K線、均線和OBV指標圖的整合效果圖
在繪製K線、均線與OBV指標圖時，是從csv檔案（其實源於網站爬取的股票交易資料）中的Volume欄位獲得的成交量，它的單位是“股數”，而計算OBV時成交量的單位是“手”，兩者的對應關係是1手等於100股。
在DrawKwithOBV.py範例程式中，將繪製整合的效果圖，該範例程式存放在MyDjangoDBProj專案中，與DBUtil.py處於同一目錄。為了突出OBV演算法，範例程式不匯入資料庫相關的操作，也不輸出日誌。
1 # !/usr/bin/env python 2 # coding=utf-8 3 import pandas as pd 4 import matplotlib.pyplot as plt 5 from mpl_finance import candlestick2_ochl 6 # 計算OBV的方法 7 def calOBV(df): 8 # 把成交量換算成萬手 9 df['VolByHand'] = df['Volume']/1000000 10 # 建立OBV列，先全填充為0 11 df['OBV'] =0 12 cnt=1 # 索引從1開始，即從第2天算起 13 while cnt<=len(df)-1: 14 if(df.iloc[cnt]['Close']>df.iloc[cnt-1]['Close']): 15 df.ix[cnt,'OBV'] = df.ix[cnt-1,'OBV'] + df.ix[cnt,'VolByHand'] 16 if(df.iloc[cnt]['Close']<df.iloc[cnt-1]['Close']): 17 df.ix[cnt,'OBV'] = df.ix[cnt-1,'OBV'] - df.ix[cnt,'VolByHand'] 18 cnt=cnt+1 19 return df
在第7行的calOBV方法中封裝了計算OBV指標的程式邏輯。具體執行步驟是，在第9行中為df物件新增VolByHand列，把成交量轉換成“萬手”，雖然OBV的計算單位是手，但以此繪製出來的指標圖上y軸的OBV數值還是過大，所以這裡在除以100的基礎上再除以10000，轉換成“萬手”。
隨後在第11行新增OBV列，該列的初始值是0。之後在第13行的while迴圈中，從第2天開始依次遍歷df物件，根據OBV的計算規則給每天的OBV列賦值，比如通過第14行的if語句處理當天收盤價上漲的情況，從第15行的程式程式碼中可以看到，在上漲情況下，當日的OBV值是前日OBV值加上當日的成交量，在第17行中處理了當日下跌的情況，當日的OBV值是前日值減去當日的成交量。
20 filename='D:\\stockData\ch12\\6004602019-01-012019-05-31.csv' 21 df = pd.read_csv(filename,encoding='gbk') 22 # 呼叫方法計算OBV 23 df = calOBV(df) 24 # print(df) # 可以去除這段註釋以檢視結果
在第21行從指定的csv檔案中讀到600460（士蘭微）從20190101到20190531的交易資料，並在第23行呼叫calOBV方法計算OBV值，在該方法的返回結果存放到df物件中，其中OBV值包含在df['OBV']這一列種。如果要檢驗計算的OBV結果，可以去掉第24行的註釋，使得列印語句生效。
25 figure = plt.figure()
26 # 建立子圖
27 (axPrice, axOBV) = figure.subplots(2, sharex=True)
28 # 呼叫方法，在axPrice子圖中繪製K線圖
29 candlestick2_ochl(ax = axPrice,
30 opens=df["Open"].values, closes=df["Close"].values,
31 highs=df["High"].values, lows=df["Low"].values,
32 width=0.75, colorup='red', colordown='green')
33 axPrice.set_title("K線圖和均線圖") # 設定子圖示題
34 df['Close'].rolling(window=3).mean().plot(ax=axPrice,color="red",label='3日均線')
35 df['Close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='5日均線')
36 df['Close'].rolling(window=10).mean().plot(ax=axPrice,color="green",label='10日均線')
37 axPrice.legend(loc='best') # 繪製圖例
38 axPrice.set_ylabel("價格（單位：元）")
39 axPrice.grid(linestyle='-.') # 帶網格線
40 # 在axOBV子圖中繪製OBV圖形
41 df['OBV'].plot(ax=axOBV,color="blue",label='OBV')
42 plt.legend(loc='best') # 繪製圖例
43 plt.rcParams['font.sans-serif']=['SimHei']
44 # 在OBV子圖上加上負值效果
45 plt.rcParams['axes.unicode_minus'] = False
46 axOBV.set_ylabel("單位：萬手")
47 axOBV.set_title("OBV指標圖") # 設定子圖的標題
48 axOBV.grid(linestyle='-.') # 帶網格線
49 # 設定x軸座標的標籤和旋轉角度
50 major_index=df.index[df.index%5==0]
51 major_xtics=df['Date'][df.index%5==0]
52 plt.xticks(major_index,major_xtics)
53 plt.setp(plt.gca().get_xticklabels(), rotation=30)
54 plt.show()
在第27行的程式語句設定了兩個子圖，其中axPrice用於繪製K線和均線，而axOBV則用於繪製OBV指標圖。
從第29行到第39行的程式語句用於繪製K線以及三條均線，這部分程式碼在之前幾章中的範例程式中都講過，所以不再重複說明。在第41行中通過呼叫df['OBV'].plot方法繪製OBV指標圖。
在繪製OBV子圖時請注意兩個細節：
第一，在第46行中，在axOBV子圖內通過呼叫set_ylabel方法設定了OBV子圖的y座標標籤為“萬手”；
第二，通過第45行的程式程式碼，讓OBV子圖上的y座標數字有正有負，如果去掉這行語句，OBV子圖上y座標的數字均為正數。
執行這個範例程式，即可看到如圖所示的執行結果。
本書的其它內容，大家可以參考如下的博文，
程式設計師如何高效學Python，如何高效用Python掙錢 用matplotlib和pandas繪製股票MACD指標圖，並驗證化交易策略 向大家介紹我的新書：《基於股票大資料分析的Python入門實戰》 通過機器學習的線性迴歸演算法預測股票走勢（用Python實現） 在我的新書裡，嘗試著用股票案例講述Python爬蟲大資料視覺化等知識 以股票RSI指標為例，學習Python傳送郵件功能（含RSI指標確定賣點策略） 以預測股票漲跌案例入門基於SVM的機器學習 用python的matplotlib和numpy庫繪製股票K線均線和成交量的整合效果（含量化驗證交易策略程式碼）用python的matplotlib和numpy庫繪製股票K線均線的整合效果（含從網路介面爬取資料和驗證交易策略程式碼）
&n