【量化小讲堂-python&pandas技巧系列】使用python计算各类移动平均线

我之前一直用SAS、MATLAB。最近用Python，发现python的pandas包简直是分析金融数据做量化研究的神器。准备写个系列帖子“量化小讲堂”，希望通过实际的列子，让大家知道如何使用python & pandas进行金融数据处理，希望能对大家有帮助。帖子主要面向入门学习者，大神请轻拍。

计算移动平均线是最常见的需求，下面这段代码将完成以下三件事情：

1. 从csv格式的文件中导入股票数据
2. 计算各类移动平均线，包括简单简单算术移动平均线MA、指数平滑移动平均线EMA；
3. 将计算好的数据输出到csv文件中。
   代码应该复制下来就能运行了，关于从哪里可以得到代码中使用的数据，后面会讲，下面贴上代码：

# -*- coding: utf-8 -*-

@author: yaozihao
@contact: QQ:906961433 email:[email protected]

import pandas as pd

# ========== 从原始csv文件中导入股票数据，以浦发银行sh600000为例
# 导入数据 - 注意：这里请填写数据文件在您电脑中的路径
stock_data = pd.read_csv('stock data/sh600000.csv', parse_dates=[1])

# 将数据按照交易日期从远到近排序
stock_data.sort('date', inplace=True)

# ========== 计算移动平均线
# 分别计算5日、20日、60日的移动平均线
ma_list = [5, 20, 60]

# 计算简单算术移动平均线MA - 注意：stock_data['close']为股票每天的收盘价
for ma in ma_list:
    stock_data['MA_' + str(ma)] = pd.rolling_mean(stock_data['close'], ma)

# 计算指数平滑移动平均线EMA
for ma in ma_list:
    stock_data['EMA_' + str(ma)] = pd.ewma(stock_data['close'], span=ma)

# 将数据按照交易日期从近到远排序
stock_data.sort('date', ascending=False, inplace=True)

# ========== 将算好的数据输出到csv文件 - 注意：这里请填写输出文件在您电脑中的路径
stock_data.to_csv('sh600000_ma_ema.csv', index=False)

代码输出的数据截图如下：

可以到这里下载程序中用到的股票数据：网址 ，其中包含了所有股票、从上市日起的全部交易数据。