用 Python 超簡單計算 158 種常見技術指標 (TA-Lib 教學)
這篇接續著 Python時間序列實做，先複習一下，上回合結束，我們有一個最重要的成果：close，它的 columns 是所有的股票代號，而 index 是日期。
顯示程式碼
close = pd.DataFrame({k:d['收盤價'] for k,d in data.items()}).transpose()
close.index = pd.to_datetime(close.index)
close還記得嗎？上方式是上次的 code，將 data，把每個股票的收盤價拿出來。因為很重要所以說三遍：
顯示程式碼
open = pd.DataFrame({k:d['開盤價'] for k,d in data.items()}).transpose()
open.index = pd.to_datetime(open.index)
high = pd.DataFrame({k:d['最高價'] for k,d in data.items()}).transpose()
high.index = pd.to_datetime(high.index)
low = pd.DataFrame({k:d['最低價'] for k,d in data.items()}).transpose()
low.index = pd.to_datetime(low.index)
volume = pd.DataFrame({k:d['成交股數'] for k,d in data.items()}).transpose()
volume.index = pd.to_datetime(volume.index)大家有沒有發現，相同的東西抄了五次，但我們拿出來的不是 close，是 open、high、low 跟 volume。把所有的東西都統整好。 統整好後，再將我們想看的股票拿出來，我們以近年超紅的台積電。
把其中的股票拿出來，變成 dict 結構
顯示程式碼
tsmc = {
'close':close['2330']['2017'].dropna().astype(float),
'open':open['2330']['2017'].dropna().astype(float),
'high':high['2330']['2017'].dropna().astype(float),
'low':low['2330']['2017'].dropna().astype(float),
'volume': volume['2330']['2017'].dropna().astype(float),
}
tsmc['close'].plot()
花這麼久時間，tsmc 這個結構有什麼用？來，接下來我們配合一個超厲害的 python package：talib。
安裝 talib 不是直接 pip install 那麼簡單，請參考 python talib 的網頁 來安裝。
接下來任意找出 105 種指標！
KD 值計算
顯示程式碼
from talib import abstract
def talib2df(talib_output):
if type(talib_output) == list:
ret = pd.DataFrame(talib_output).transpose()
else:
ret = pd.Series(talib_output)
ret.index = tsmc['close'].index
return ret;
talib2df(abstract.STOCH(tsmc)).plot()
tsmc['close'].plot(secondary_y=True)其中，最重要的是第 9 行，我們利用 abstract.STOCH 這個函式，來計算 KD 值，計算好後，再由 talib2df 將格式轉換成 dataframe 方便我們畫圖。第 10 行是說，我們想要同時顯示 tsmc 的收盤價，secondary_y 是說我們需要用第二個 y 軸，因為 KD 我們知道是在 0～100 之間，而台積電股價在 200 左右。
以下就是我們的成品，橘色、藍色代表的就是 KD 值。而紫色的就是收盤價！
收盤價對應到右邊的 y 軸，而左邊的 y 軸則是 KD 值。
MACD 計算
這還不夠酷炫，以上的鋪陳都是為了接下來的爽：
顯示程式碼
talib2df(abstract.MACD(tsmc)).plot()
tsmc['close'].plot(secondary_y=True)
只要把 STOCH 改成 MACD 就好了，各種指標隨便用：
OBV計算
顯示程式碼
talib2df(abstract.OBV(tsmc)).plot()
tsmc['close'].plot(secondary_y=True)
威廉指數計算
WILLR 計算
顯示程式碼
talib2df(abstract.WILLR(tsmc)).plot()
tsmc['close'].plot(secondary_y=True)
ATR 計算
顯示程式碼
talib2df(abstract.ATR(tsmc)).plot()
tsmc['close'].plot(secondary_y=True)
我的天所以到底有幾種指標？！總共有
顯示程式碼
talib.get_functions()
這些就是可以用的指標，總共有 158 種，慢慢看，學也學不完 XDD。
改變參數
之前不是說 KD 指標有三個參數：（9、3、3），假如今天我想要客製化，怎麼修改呢？
我們現在只知道 KD 指標是 abstract.STOCH 這個 function，要如何看如何設定呢？直接 print 這個函式看看：
function detail
顯示程式碼
print(abstract.STOCH)
我們可以改變得參數是 Parameters 項目中的五個，可以看到假如什麼都不輸入的話，它的值預設是（5、3、0、3、0），這邊的 0 代表的就是平滑的演算法式哪一種，例如我們希望它的三個參數不要是（5、3、3），想改成台灣常用的（9、3、3），也就是我們想把 fast_period 從原本的 5 改成 9，只要在呼叫 talib.abstract.STOCH 的時候輸入 fastk_period=9 就可以了：
MACD 計算
顯示程式碼
talib2df(abstract.STOCH(tsmc, fastk_period=9)).plot()
tsmc['close'].plot(secondary_y=True)今天教了大家這麼多的 index，大家幾乎可以做自己的玩股網，Cmoney 了，再配合上次教的用 pandas 選股，一個系統就快被搭建起來了！
接下來，你應該會想要建立自己的回測系統吧！不妨看一下這篇文章喔！