「这是我参与 2022 首次更文挑战的第 16 天，活动详情查看：2022 首次更文挑战」
劳而不伐，有功而不德，厚之至也。
前言
在前文中已经获取到了股票的 k 线数据，今天我们就用 python 建立一个简单的分析模型，从技术分析的角度来选择市场较好的股票标的，也算是实战一把。
模型建立
在股票的技术分析中，有一个选股技术称之为价托。顾名思义，就是股票的 k 线在上涨或者下跌过程中形成的一个技术形态，在均线比较发散且成交量逐渐放大的佐证下，成功概率就比较高。
名词解释：
- 均线，就是股票在近几天内的平均收盘价格，5 日线即是最近 5 天内的成交均价，10 日线即是 10 日内的成交均价。
- 价托，分为上涨形态和下跌形态两种，上涨形态可以买入，下跌形态需要卖出，成功概率比较高。以上升形态为例，如上图所示，在 1 点 5 日线上穿 10 日均线，随后在 2 点上穿 20 日均线，然后 10 日线在 3 点上穿 20 日均线，即是标准的上升价托形态，下跌的形态与之相反，把上图倒过来看即可得到下图。
这个模型已经说明白了，那么怎么使用数学表达式来做表达，然后使用 python 进行建模呢？以下就是几个条件：
- 1 必须严格按照时间的发生顺序， 先 1 后 2 然后是 3。
- 2 为了遵循均线发散的原则，选择 3 点必须高于 1 点 3%，不要问为什么，因为我觉得这是个神奇的数字。最后是 3 点高于 2 点，并且 2 点并高于 1 点。
- 3 为了保证数据的实效性，1 点和 2 点以及 2 点和 3 点之间的间距不超过 7 个单位，也就是 5 天，一般价托在半个月内就可以产生.
- 4 为了保证数据的有效性，只进行计算最近两个月的数据，寻找半年前的数据就没有意义了。
由于计算的数据均线都是一个个的点，并不能准确的得出其交汇的数据点，因此，我们判断两条均线是否交叉的方式也很简单，就是：
# 5日线上穿10日线判断条件
ma5[i] < ma10[i] && ma5[i] > ma10[i]
# 5日线下穿10日线判断条件
ma5[i] > ma10[i] && ma5[i] < ma10[i]
这里也解释一下为什么之前判断的两点间距离是 7，正常的话 5 就够了，因为要判断交叉的点，所以将数据间隔拉大，设置为 7。
均线计算
在建立模型前，需要先计算均线，才能进行模型的建立，均线计算有专门的类库来进行计算,这个就是 talib，这个均线
# 传入收盘价和计算周期就可以计算均线值
ma5 = talib.SMA(closes, timeperiod=5)
# 也可以根据 MA 函数进行计算，参数分别为收盘价，计算周期以及均线类型
#MA_Type: 0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA,
# 6=KAMA, 7=MAMA, 8=T3 (Default=SMA)
# 默认采用简单移动平均 SMA
sma=talib.MA(closed, timeperiod=5, matype=0)
具体的代码如下：
# 查询数据并进行计算，其接口还获取股票的k线的方式
line_list = kline.query_k_line("600690")
# 设置变量存放收盘价和日期集合
close_list, date_list = [], []
for node in line_list:
# 收盘价信息是第3个，对其格式进行转换
clos = float(node.split(",")[2])
close_list.append(clos)
date_list.append(node.split(",")[0])
closes = pd.Series(close_list)
# 函数方法使用 SMA ，传入的参数是 Series ,不接受list
ma5 = talib.SMA(closes, timeperiod=5)
关于 talib 的安装，需要花费一点儿时间，这个是专门为股票金融数据计算而设计的，具体的安装步骤参见一下连接，这里就不在讲述了：
# 安装步骤说明
https://blog.csdn.net/feixuedongji/article/details/82796381
# 安装依赖下载地址
https://www.lfd.uci.edu/~gohlke/pythonlibs/
总结
本文讲述了模型的理论知识以及计算均线的方法，由于建模的内容较多，会在下一节中专门进行讲解，感兴趣的同学可以根据自己的理解先行尝试。
