python stock

https://www.patanasongsivilai.com/blog/stock-thai-python/

วิธีที่ 1 ใช้โมดูล googlefinance

ติดตั้งโมดูลด้วยคำสั่ง

pip install googlefinance

ตัวอย่างโค้ด?ดูข้อมูลหุ้น PTT

from googlefinance import getQuotes import json try: symbol = 'PTT' print(json.dumps(getQuotes('SET:' + symbol), indent=2)) print() except: print("Error:", sys.exc_info()[0]) print("Description:", sys.exc_info()[1])

ได้ผลลัพธ์

[ { "ID": "1079066631482057", "StockSymbol": "PTT", "Index": "BKK", "LastTradePrice": "382.00", "LastTradeWithCurrency": "THB382.00", "LastTradeTime": "12:29PM GMT+7", "LastTradeDateTime": "2017-06-19T12:29:33Z", "LastTradeDateTimeLong": "Jun 19, 12:29PM GMT+7" } ]

หมายเหตุ ชื่อย่อหุ้นไทยจะมีชื่อ “SET:” นำหน้าชื่อย่อหุ้นนั้นๆ?(ค่าอาร์กิวเมนต์ตอนเรียกใช้ฟังก์ชั่น getQuotes())

เช่น “SET:PTT”, “SET:AOT”, “SET:SCC” หรือถ้าจะดู SET ก็ระบุไปว่า “SET:SET”

อ่านเพิ่ม ?https://pypi.python.org/pypi/googlefinance

วิธีที่ 2 ใช้โมดูล quandl

ติดตั้งโมดูลด้วยคำสั่ง

pip install quandl

ไปที่เว็บ https://www.quandl.com/ แล้วสมัครเป็นสมาชิกเพื่อขอ API KEY ?แล้วจะมีเมลส่งมาให้เรายืนยัน

หลังจากกดยืนยันเสร็จ เมื่อไปที่หน้า https://www.quandl.com/account/api ก็จะมีหน้าบอก API KEY ว่าของเราคืออะไร ดังรูปข้างล่าง

ตัวอย่างโค้ด

import quandl try: quandl.ApiConfig.api_key = 'YOUR_API_KEY' #print("THAISE index:") data = quandl.get("THAISE/INDEX") print(data.head()) except: print("Error:", sys.exc_info()[0]) print("Description:", sys.exc_info()[1])

ในโค้ดข้างบนจะเห็นชื่อตัวแปร quandl.ApiConfig.api_key ก็ให้ใส่ API KEY ที่เราได้มาลงไป

ผลลัพธ์ที่ได้

Value Date 2009-12-31 734.54 2010-12-31 1032.76 2011-12-31 1025.32 2012-12-31 1391.93 2013-12-31 1298.71

แต่น่าเสียดายข้อมูลมีเฉพาะดัชนี SET อย่างเดียว ข้อมูลเฉพาะหุ้นรายตัวของไทยไม่มี ?(หรือมีเปล่าหว้า ถ้าใครรู้ช่วยบอกที)

อ่านเพิ่ม

https://github.com/quandl/quandl-python
- https://docs.quandl.com/docs/installation-1

วิธีที่ 3 ใช้โมดูล pandas-datareader

ติดตั้งโมดูลด้วยคำสั่ง

pip install pandas-datareader

ตัวอย่างโค้ด

from pandas_datareader import data as pdr try: ptt = pdr.get_data_yahoo("PTT.BK", start="2017-01-01", end="2017-04-30") print(ptt.tail()) print() except: print("Error:", sys.exc_info()[0]) print("Description:", sys.exc_info()[1])

หมายเหตุ ชื่อย่อหุ้นไทยจะมีชื่อ ?.BK? ตามหลังชื่อย่อหุ้นนั้นๆ

เช่น ?PTT.BK?, ? AOT.BK?, ?SCC.BK? (แต่ผมลองแล้ว ถ้าระบุ “SET.BK” ยังไม่ได้นะครับ)

ได้ผลลัพธ์

High Low Open Close Volume Adj Close Date 2017-04-24 39.299999 38.900002 39.299999 38.900002 29944000.0 24.505602 2017-04-25 39.099998 38.799999 38.900002 39.000000 31018000.0 24.568596 2017-04-26 39.200001 38.599998 39.099998 38.799999 48800000.0 24.442604 2017-04-27 39.099998 38.599998 38.700001 38.799999 21043000.0 24.442604 2017-04-28 39.200001 38.900002 39.099998 38.900002 24511000.0 24.505602

สังเกตวิธีนี้ให้ดีๆ ผลลัพธ์ที่แสดงออกมา จะมีราคาปิดของหุ้นอยู่ 2 ค่าได้แก่ Close (ราคาปิดธรรมดา) กับ Adj Close (Adjusted Closing Price)

อ่านเพิ่มเติม

สำหรับวิธีที่ 1-3 ก็ดูโค้ดฉบับเต็มได้ที่

https://github.com/adminho/trading-stock-thailand/blob/master/datasets/miscellaneous.py

*** ถ้าลองรันแล้วเห็น error ไม่ต้องตกใจ ?เพราะวิธีที่ 2 ใช้โมดูล quandl ซึ่งต้องการค่า API KEY ของจริงครับ? ส่วนวิธีที่ 1 ตอนเขียนบทความนี้ใหม่ๆ ก็ใช้ได้นะครับ แต่พอกลับมาลองรันใหม่ ปรากฏว่าเกิด error เลยยังไม่ได้แก้ไขครับ (ค้างไว้ก่อน)

วิธีที่ 4

ดาวน์โหลดไฟล์ EOD จาก http://siamchart.com/stock/

เมื่อไปที่เว็บ เราก็ต้องสมัครเป็นสมาชิกเว็บเขาก่อน ถึงจะโหลดได้

(เป็นวิธีลูกครึ่งนะ ครึ่งหนึ่งใช้มือดาวน์โหลด อีกครึ่งเขียนโปรแกรมเพื่อเตรียมข้อมูล)

จากรูปภาพข้างบน ต้องดาวน์โหลด 2 อย่าง ได้แก่

- ข้อมูล EOD ปี 1970 ถึงปีที่แล้ว (.csv)
- ข้อมูล EOD ต้นปีถึงปัจจุบัน (.csv)

จากนั้นให้แตกไฟล์ .csv ออกมาจาก 2 แหล่งข้อมูลดังกล่าว แล้วมากองรวมกันที่โฟลเดอร์

อย่างของผมแตกไฟล์ แล้วมารวมไว้ที่โฟลเดอร์ set-archive_EOD_UPDATE

ทั้งนี้ชื่อไฟล์ .csv ?จะเรียงตามวันที่ซื้อขาย (เริ่มตั้งแต่ซื้อขายวันแรก 30 เมษายน พ.ศ. 2518 )

ซึ่งข้างในไฟล์จะเก็บข้อมูลหลักทรัพย์ทุกตัว ที่ซื้อขายในวันนั้นๆ

ตัวอย่างไฟล์ set-history_EOD_2017-05-23.csv เป็นข้อมูลหลักทรัพย์ที่ซื้อขายเฉพาะในวันที่ 2017-05-23

เนื่องจากข้อมูลที่ได้มา มันเอาไปใช้ลำบากนิดดดดหนึ่ง

ผมเลยต้องจัดเตรียมข้อมูลใหม่ เพื่อให้ 1 ไฟล์เก็บเฉพาะข้อมูล 1 หลักทรัพย์ เช่น ไฟล์ PTT.csv ก็ให้มีเฉพาะข้อมูลหุ้น PTT ดังรูปข้างล่าง

แถมผมยังจะเปลี่ยนชื่อหัวคอลัมน์ เป็น Open, High, Low, Close, Volume ( ไม่ใช่ “<OPEN>”, “<HIGH>”, “<LOW>”, “<CLOSE>”, “<VOL>”)

…ด้วยเหตุนี้ผมเลยต้องเขียนโค้ดขึ้นเพิ่มเติม

แต่ก่อนอื่นจะขอติดตั้งโมดูลเพิ่มเติม ได้แก่ tqdm ด้วยคำสั่งตามนี้

pip install tqdm

ถ้าถามว่าโมดูลนี้มีไว้ทำอะไร ก็ต้องบอกว่าเอาไว้แสดงสถานะแบบ progress bar บนคอมมานไลน์ ก็เวลาที่โค้ดมันทำงานจะนานสักนิดหนึ่ง เพราะข้อมูลมันเยอะ เลยต้องให้เห็นสถานะความคืบหน้าสักหน่อย

…คราวนี้จะมาดูโครงสร้างโปรเจคก่อนเขียนโค้ด

root_folder\ |-- datasets\ |-- sec_csv\ |-- set-archive_EOD_UPDATE\ ?? ??? |-- siamchart_csv.py

- sec_csv เป็นโฟลเดอร์ เอาไว้เก็บไฟล์ .csv (เอาท์พุต)
- set-archive_EOD_UPDATE เป็นโฟลเดอร์ เก็บไฟล์ .csv ที่ได้จาก http://siamchart.com/stock/ (ที่เราดาวน์โหลดมา)
- siamchart_csv.py คือโค้ดที่จะเขียนขึ้นมา

ตัวอย่างโค้ด

EOD_file = "set-archive_EOD_UPDATE" def createSymbolCSV(start_idex, outputPath=DIR_SEC_CSV): ? eodFiles = getFileNameInDir(EOD_file)? ??? eodFiles = eodFiles[-1 * start_idex:] ??? outputPath = join(DIR_CURRENT,outputPath) ??? clearDir(outputPath) ??? eodFiles = [ join(DIR_CURRENT,file)? for file in eodFiles] ??? dataStock? = getStockData(eodFiles)?????? ??? headers = getHeaderFile(eodFiles)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ??? columnNames = { index:changeName(value)? for index, value in enumerate(headers)} ????????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??? itemList = list(dataStock.items()) ??? allItem = len(itemList) ??? assert allItem == len(dataStock.items())??????????????? ??? for i in tqdm(range(allItem), ascii=True, desc='Writing CSV files'): ??? key, allRow = itemList[i] ??????? df = pd.DataFrame(allRow) ??????? df.rename(columns=columnNames, inplace=True)? ??????? df.drop('<TICKER>', axis=1, inplace=True) # remove column ??????? fileName = "{}.csv".format(join(outputPath, key))?????????????????????????? ??????? df.to_csv(fileName, index = False)

วิธีใช้งานฟังก์ชั่น

createSymbolCSV(2000)

โค้ดข้างบนจะสร้างไฟล์ .csv โดยใช้ข้อมูลของวันที่ปัจจุบัน นับย้อนหลังไป 2,000 วัน??(ทำการ)

(ขออภัยผมไม่ได้นำโค้ดทั้งหมดมาแสดงให้ดู ถ้าจะดูโค้ดทั้งหมด ผมแปะไว้ในท้ายข้อที่ 4 นี้แล้วนะครับ)

เวลารันก็ใช้คำสั่ง

python siamchart_csv.py

เมื่อโค้ดรันเสร็จ จะได้ไฟล์ .csv เป็นชื่อย่อของหลักทรัพย์นั้นๆ ดังรูปข้างล่าง

Web scraping คือการดึงข้อมูลจากหน้าเว็บ โดยในทางโปรแกรมมิ่ง เนื้อหา HTML เราจะมองเป็นโครงสร้าง DOM แล้วก็สามารถเข้าถึงทีละ element ได้

ด้วยเหตุนี้เราจึงสามารถเขียนโค้ดดึงข้อมูลราคาหุ้น PTT ได้ในภาษา Python ดังตัวอย่าง

def getTableData(symbol, page=1): ??? if page > 3: ??????? page = 3 # limit at 3 ????? ??? url_string = "https://www.set.or.th/set/historicaltrading.do?symbol={0}".format(symbol) ??? url_string += '&page={0}&language=en&country=US&type=trading'.format(page-1)??????? ??? page = urllib.request.urlopen(url_string).read()?????????? ??? soup = BeautifulSoup(page, 'lxml')??? ??? table_element =soup.find('table', class_='table table-hover table-info') ??? return table_element, url_string

ลองทดสอบรันฟังก์ชั่น

table_element, url_string = getTableData("PTT") tr_list = table_element.findAll('tr') print(tr_list[0:2])

ได้ผลลัพธ์ (โชว์ข้อมูลแค่ส่วน header ของตาราง กับ ข้อมูลหุ้น PTT แถวแรก ถ้าโชว์หมดไม่ไหว มันเยอะไป)

[<tr align="center" class="bggrey1"> <th height="35" width="10%">Date</th> <th width="10%">Open</th> <th width="10%">High</th> <th width="10%">Low</th> <th width="10%">Close</th> <th width="10%">Change</th> <th width="10%">%Change</th> <th width="13%">Total Volume (Shares)</th> <th width="17%">Total Value ('000 Baht)</th> </tr>, <tr align="right"> <td align="center">16/06/2017</td> <td>380.00</td> <td>382.00</td> <td>377.00</td> <td>379.00</td> <td> -1.00</td> <td> -0.26</td> <td>4,051,989</td> <td>1,537,504.20</td> </tr>]

ดูโค้ดวิธีที่ 5 ฉบับเต็มได้ที่

https://github.com/adminho/trading-stock-thailand/blob/master/datasets/web_set_price.py
- ในโค้ดจะมีการเซฟข้อมูลเก็บไว้เป็นไฟล์ .csv ที่โฟลเดอร์ DIR_SEC_CSV = “sec_set_price“

แต่มีข้อควรระวัง วิธีที่ 5 ด้วย Web scraping เหมือนดาบสองคม ถ้าเรียกใช้ติดต่อกันถี่ๆ ก็จะเหมือนเราส่ง request ไปโจมตี Server ….เดี่ยวเจอเพ่งเล็งจากตลาดหลักทรัพย์ได้ว่า เป็นการโจมตีแบบ DOS? บทความนี้ไม่แนะนำ?เอาไปใช้ดูหุ้นแบบ real time นะครับ

วิธีที่ 6 สุดท้าย (ไม่รู้จะนับรวมดีไหม)

ยังมีวิธีเรียกดูข้อมูลด้วยโมดูล yahoo_finance

ติดตั้งโมดูลด้วยคำสั่ง

pip install yahoo_finance

ตัวอย่างโค้ด ดูหุ้นฝรั่ง YHOO และค่าเงิน EURPLN

from yahoo_finance import Share try: ? ? yahoo = Share("YHOO") ? ? print("\n++++YHOO stock++++") ? ? print (yahoo.get_open()) ? ? print (yahoo.get_price()) ? ? print (yahoo.get_trade_datetime()) except: ? ? print("Error:", sys.exc_info()[0]) ? ? print("Description:", sys.exc_info()[1]) from yahoo_finance import Currency try: ? ? eur_pln = Currency('EURPLN') ? ? print("\n++++Currency of EURPLN++++") ? ? print (eur_pln.get_bid()) ? ? print (eur_pln.get_ask()) ? ? print (eur_pln.get_rate()) ? ? print (eur_pln.get_trade_datetime()) except: ? ?print("Error:", sys.exc_info()[0]) ? ?print("Description:", sys.exc_info()[1])

ได้ผลลัพธ์

++++YHOO stock++++ None 52.58 2017-06-16 20:00:00 UTC+0000 ++++Currency of EURPLN++++ 4.2100 4.2110 4.2100 2017-06-19 16:10:00 UTC+0000

แต่อนิจจัง วัฏสังขารา? เมื่อก่อนตอนเขียนบทความก็ทำงานนะคับ

…แต่มาลองทำใหม่อีกที ทำไมทำไม่ได้ก็ไม่รู้ เกิด error อีกตั้งหาก

?อีกทั้งผมไม่รู้วิธีเรียกดูข้อมูลหุ้นไทยอะนะ ใครทำเป็นบอกที

ถ้าไงลองอ่านเพิ่มเติมได้ที่ https://pypi.python.org/pypi/yahoo-finance

ดูโค้ดตัวอย่างได้ที่ (โค้ดจะกองรวมกันอยู่กับวิธีในข้อ 1-3)

https://github.com/adminho/trading-stock-thailand/blob/master/datasets/miscellaneous.py

วิธีนำข้อมูลมาใช้

ตอนแรก ?ถ้าจบแค่การดึงข้อมูลหุ้นไทยออกมา คงกะไรอยู่ ผมเลยต่อยอดด้วยการนำเอาข้อมูลมาใช้ต่อ เป็นพื้นฐานนะ?ซึ่งจะเอาข้อมูลเฉพาะที่ได้จากวิธีที่ 4 รวมทั้งโค้ดด้วย เอามาใช้งานต่อ (ขอตกลงตามนี้ก่อนนะ)

ตัวอย่างอ่านข้อมูลเฉพาะหุ้น PTT มาแสดงผล

def load_OHLCV(symbol, dates, column_names=['OPEN', 'HIGH', 'LOW', 'CLOSE', 'VOLUME'],? ? ? ? ? ? ? ? ?base_dir=DIR_SEC_CSV):???????????? if 'DATE' not in column_names:? ??? column_names = np.append(['DATE'],column_names)?? ? ? ? ? ? ? ? ? ??? base_dir = join(DIR_CURRENT,base_dir) ??? csv_file = os.path.join(base_dir, "{}.csv".format(symbol)) ??? df_csv = pd.read_csv(csv_file, index_col='DATE', ? ? ? ? parse_dates=True, usecols=column_names, na_values=['nan']) ? ?if dates is None: ??? dates = df_csv.index ????df_main = pd.DataFrame(index=dates)? ??? df_main = df_main.join(df_csv) ??? df_main = df_main.dropna(0)??? ??? return df_main

เรียกฟังก์ชั่นให้ทำงาน โดยข้อมูลเริ่มต้นคือวันที่ ‘2017-03-01’ ถึงวันที่ปัจจุบัน (ตอนที่เขียนบทความคือวันที่ 2017-06-16)

startDate = '2017-03-01' endDate = strftime("%Y-%m-%d", gmtime()) dates = pd.date_range(startDate, endDate) #print("Load data: PTT") df = load_OHLCV("PTT", dates) print(df.tail())

ได้ผลลัพธ์

OPEN HIGH LOW CLOSE VOLUME 2017-07-17 376.0 377.0 374.0 376.0 2032500.0 2017-07-18 376.0 380.0 375.0 380.0 3194500.0 2017-07-19 380.0 381.0 379.0 380.0 1777400.0 2017-07-20 382.0 382.0 378.0 378.0 2236700.0 2017-07-21 378.0 380.0 378.0 378.0 1261800.0

ผลลัพธ์จะแสดงค่าข้อมูลหุ้น PPT ได้แก่ ราคาเปิด (Open) ราคาสูงสุด (High) ราคาต่ำสุด (Low) ราคาปิด (Close) และปริมาณการซื้อขาย (Volume) ของ 5 วันล่าสุด

ตัวอย่างพล็อตกราฟแท่งเทียนของหุ้น PTT

# Borrowed code from : http://matplotlib.org/examples/pylab_examples/finance_demo. def plotCandlestick(symbol, dates, title="Selected data"):?????????? quotes = loadStockQuotes(symbol, dates)????? ????????????????????? ????mondays = WeekdayLocator(MONDAY)? ??? alldays = DayLocator() ??? weekFormatter = DateFormatter('%b %d') ??? dayFormatter = DateFormatter('%d') ??? fig, ax = plt.subplots() ??? fig.subplots_adjust(bottom=0.2) ??? ax.xaxis.set_major_locator(mondays) ??? ax.xaxis.set_minor_locator(alldays) ??? ax.xaxis.set_major_formatter(weekFormatter) ??? candlestick_ohlc(ax, quotes, width=0.6) ??? ax.xaxis_date() ??? ax.autoscale_view() ??? ax.set_title(title) ??? plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right') ??? plt.show()

เรียกใช้ฟังก์ชั่น

plotCandlestick("PTT", dates, title ="PTT symbol")

ได้ผลลัพธ์

เมื่อมองเป็นภาษา HTML

สาเหตุที่ผมแยก .csv ตามชื่อหลักทรัพย์แต่ละตัว เพราะจะทำให้การเขียนโค้ดสะดวกขึ้น?ดังรายละเอียดในหัวข้อวิธีนำข้อมูลมาใช้

โค้ดวิธีที่ 4 เวอร์ชั่นเต็มทั้งหมด ก็ดาวน์โหลดได้ที่

https://github.com/adminho/trading-stock-thailand/blob/master/datasets/siamchart_csv.py

หมายเหตุ ผมยังเพิ่มโค้ดสำหรับแปลง csv ที่ได้ในวิธีที่ 4 นี้ ให้เขียนลงฐานข้อมูล (เป็น sqlite) สนใจก็ลองดูตัวอย่างที่ลิงค์นี้? หรือจะดูตัวอย่างโค้ดที่แปลง csv ให้กลายเป็น json ก็ได้ที่ลิงค์นี้

วิธีที่ 5?Web scraping

ยกตัวอย่างหุ้น PTT เมื่อใช้ URL เป็น

https://www.set.or.th/set/historicaltrading.do?symbol=PTT&page=2&language=en&country=US&type=trading

(ถ้าหุ้นตัวอื่นก็เปลี่ยนใน URL เช่น BBL ก็แก้ไขเป็น symbol=BBL)

ก็จะเห็นหน้าตาเว็บดังนี้ (ราคาหุ้น PTT)

ตัวอย่าง หุ้น PTT, AOT, SCC, CPALL จะเอาเฉพาะราคาปิด (Close) มาแสดงพร้อมกันทั้ง 5 ตัว (รวม SET ด้วย)

def loadManySymbols(symbols, dates, column_name, base_dir): df = pd.DataFrame(index=dates) ??? if 'SET' not in symbols: ??? symbols = np.append(['SET'],symbols) ??????? ??? base_dir = join(DIR_CURRENT,base_dir) ??? for symbol in symbols: ??? csv_file = os.path.join(base_dir, symbol + '.csv') ????????df_temp = pd.read_csv(csv_file, index_col='DATE', ????????????????????????????? parse_dates=True, usecols=['DATE', column_name], na_values=['nan']) ????????df_temp = df_temp.rename(columns={column_name: symbol}) ??????? df = df.join(df_temp) if symbol == 'SET': ??????? df = df.dropna(subset=["SET"])

def loadPriceData(symbols, dates,? base_dir=DIR_SEC_CSV): return loadManySymbols(symbols, dates, 'Close', base_dir)

เรียกใช้ฟังก์ชั่น

symbols = ["PTT", "AOT", "SCC", "CPALL"] #print("\nLoad close prices of:", symbols) df = loadPriceData(symbols, dates) print(df.tail())

ได้ผลลัพธ์ ?(เอาข้อมูล 5 วันล่าสุด มาแสดง)

? SET PTT AOT SCC CPALL 2017-07-17 1574.09 376.0 47.50 506.0 61.00 2017-07-18 1571.52 380.0 48.25 510.0 61.00 2017-07-19 1575.85 380.0 49.00 508.0 61.00 2017-07-20 1575.28 378.0 50.50 504.0 61.00 2017-07-21 1573.51 378.0 51.25 500.0 60.75

หมายเหตุ ฟังก์ชั่น loadManySymbols() จะแอบโหลดข้อมูล SET มาแปะไว้เป็นคอลัมน์แรกเสมอ

หรือจะพล็อตกราฟรวม

df = df/df.iloc[0,:] df.plot() plt.show()

ในโค้ดบรรทัดที่เขียน df = df/df.iloc[0,:] จะเป็นการทำ normalized ?อย่างง่ายๆ โดยหุ้นแต่ละตัวจะเอาข้อมูล ณ วันที่เริ่มต้นมาหารวันอื่นที่เหลือทั้งหมด (บทความนี้ วันที่เริ่มต้นคือ ‘2017-03-01? )

ที่ทำแบบนี้จะได้เห็นภาพหุ้นแต่ละตัวในกราฟเดียวกันง่ายขึ้น (มีเสกลเดียวกัน) ดังรูปข้างล่าง

ในกราฟแต่ละรูป เส้นสีน้ำเงินคือราคาของหลักทรัพย์แต่ละตัว

ส่วนเส้นสีแดง เขียว และดำ ในแต่ละกราฟ มันคือเส้น EMA 15 วัน , EMA 45 วัน และ 100 วันตามลำดับ

สำหรับโค้ดส่วนนี้ เวอร์ชั่นเต็มทั้งหมด ก็ดาวน์โหลดที่

https://github.com/adminho/trading-stock-thailand/blob/master/indicator_example.py

อ่ออีกอย่าง ผมก็ทำตัวอย่างการคำนวณ Indicator ตัวอื่นไว้ด้วย โค้ดรกๆ หน่อย ไม่เป็นระเบียบ และยังไม่เสร็จดีด้วยครับ ตัวอย่าง เช่น

ROC, Bollinger Band (BBANDS), daily returns, SMA, EMA, MACD, RSI, Sharpe ratio,True Range (TR), ATR, Beta, OBV และอื่นๆ

เผื่อใครสนใจโค้ดก็ดูได้ที่นี้

https://github.com/adminho/trading-stock-thailand/blob/master/indicator.py

หวังว่าบทความนี้จะมีประโยชน์ต่อทุกคนนะครับ และถ้าเขียนผิดพลาดตรงไหนทักได้นะครับ

เพิ่มเติมให้ สำหรับใครที่อยากเอาโค้ดไปพัฒนาต่อ

สำหรับการนำ Python ไปใช้จัดการข้อมูล อย่างในบทความนี้คือหุ้นเป็นหลัก

ก็จะใช้ไลบรารี่ 4 อย่าง ที่เป็นพระเอกดังนี้

1 Panda

จะใช้สร้างโครงสร้างข้อมูลแบบตาราง จะช่วยให้เราสามารถประมวลผลทั้งตารางได้สะดวกมากขึ้น รวมทั้ง export ออกมาเป็น exel, csv, หรือ text ไฟล์ก็สะดวก

2 Numpy

เอาไว้คำนวณด้านตัวเลข จัดการพวกแอเรย์ ทำได้อย่างสะดวก

3 Scipy

เอาไว้คำนวณด้านเลข วิทยาศาสตร์ วิศวกรรม

4 Matplotlib

เอาไว้พล็อตกราฟ

เขียนโดย แอดมินโฮ โอน้อยออก

สำหรับโค้ดส่วนนี้ เวอร์ชั่นเต็มทั้งหมด ก็ดาวน์โหลดที่

https://github.com/adminho/trading-stock-thailand/blob/master/datasets/siamchart_csv.py

หมายเหตุ เนื่องจากการดาวน์โหลดไฟล์ EOD จากเว็บ http://www.siamchart.com/ อาจดูยุ่งยากไป

จึงอาจใช้วิธีที่ 3 (โมดูล pandas-datareader) ซึ่งจะดาวน์โหลดข้อมูลแบบออนไลน์ได้โดยตรง ?(แต่ยังมีปัญหาตรงที่ดาวน์โหลดข้อมูล SET ไม่ได้)

และผมก็ทำตัวอย่างซอร์สโค้ดไว้ที่

https://github.com/adminho/trading-stock-thailand/blob/master/datasets/pandas_reader.py

โดยมีชื่อฟังก์ชั่นและใช้งานได้เหมือนกันดังนี้ (พารามิเตอร์ต่างกันนิดหน่อย)

- load_OHLCV
- plotCandlestick
- loadPriceData (ไม่ได้แปะข้อมูล SET ที่คอลัมน์แรก)

คำนวณ Indicator อย่างง่าย

จะกำหนดโครงสร้างโปรเจคใหม่

ไฟล์ indicator_example.py เอาไว้ใช้คำนวณ Indicator อย่างง่าย โดยข้างในจะอิมพอร์ต siamchart_csv.py เข้ามาอีกที ดังนี้

import datasets.siamchart_csv as ds

ตัวอย่างคำนวณค่า EMA ของหุ้น PTT, AOT, SCC, CPALL (รวม SET ด้วย)

EMA?(Exponential Moving Average)??หรือก็คือ เส้นค่าเฉลี่ยเคลื่อนที่แบบเอกซ์โพเนนเชียล สำหรับนักลงทุนสายเทคนิคคงรู้จักกันดีอยู่แล้ว ใครไม่ทราบลองอ่านดูที่นี้แล้วกันครับ

ส่วนที่มาสูตรคงไม่ลงลึกนะครับ ลองหาอ่านดูที่นี้

วิธีคำนวณ สามารถเขียนโค้ดได้ดังนี้

def ema(df, periods=12):?????????? ????? return df.ewm(span=periods, adjust=True, min_periods=0, ignore_na=False).mean()

ลองทดสอบฟังก์ชั่น ด้วยการหา EMA (15 วัน) ของหุ้นทั้ง 5 ตัว (รวม SET ด้วย)

startDate = '2017-03-01' endDate = strftime("%Y-%m-%d", gmtime()) dates = pd.date_range(startDate, endDate) symbols = ["PTT", "AOT", "SCC", "CPALL"] df = ds.loadPriceData(symbols, dates) ema15 = ema(df, 15) print(ema15.tail())

ได้ผลลัพธ์?(แสดงเฉพาะข้อมูลล่าสุด 5 ตัว)

? SET PTT AOT SCC CPALL 2017-07-17 1575.326784 375.146532 47.787416 505.832947 61.579550 2017-07-18 1574.850934 375.753218 47.845239 506.353830 61.507106 2017-07-19 1574.975818 376.284067 47.989585 506.559602 61.443717 2017-07-20 1575.013841 376.498559 48.303387 506.239651 61.388253 2017-07-21 1574.825860 376.686240 48.671715 505.459693 61.308471

ตัวอย่างคำนวณค่า MACD ของหุ้น PTT, AOT, SCC, CPALL (รวม SET ด้วย)

ตัวเลข MACD (Moving Average Convergence Divergence) ?อ่านว่า ?Mac-Dee? หรือจะได้เรียกว่า ? M-A-C-D? ก็ได้ ซึ่งนักลงทุนสายเทคนิคคงรู้จักดีอยู่แล้ว ใครไม่ทราบลองอ่านดูที่นี้แล้วกันครับ

ส่วนที่มาสูตรคงไม่ลงลึกนะครับ ลองหาอ่านดูได้ที่นี้

วิธีคำนวณ สามารถเขียนโค้ดได้ดังนี้

def average_convergence(df, period_low=26, period_fast=12): ??? """ ??? compute the MACD (Moving Average Convergence/Divergence) ??????????? using a fast and slow exponential moving average'??? ??? """ ??? emaslow = ema(df, period_low) ??? emafast = ema(df, period_fast) ??? return (emaslow, emafast, emafast - emaslow)

ลองทดสอบฟังก์ชั่น ด้วยการหา MACD ของหุ้นทั้ง 5 ตัว (รวม SET ด้วย) โดยใช้ตัวแปร df จากตัวอย่างก่อน

_, _, macd = average_convergence(df) print(macd.tail())

ได้ผลลัพธ์ (แสดงเฉพาะข้อมูลล่าสุด 5 ตัว)

? SET PTT AOT SCC CPALL 2017-07-17 0.928926 -2.678597 1.151917 -3.607406 -0.383129 2017-07-18 0.555025 -2.054254 1.083894 -2.954415 -0.390908 2017-07-19 0.600958 -1.541689 1.078039 -2.568589 -0.392547 2017-07-20 0.584652 -1.281990 1.180755 -2.555936 -0.389358 2017-07-21 0.424091 -1.063914 1.307569 -2.835812 -0.402354

ตัวอย่างพล็อตกราฟของหลักทรัพย์ทั้งหมด พร้อมค่า EMA 15 วัน, EMA 45 วัน และ EMA 100 วัน

ตัวอย่างโค้ดฟังก์ชั่นเอาไว้พล็อตกราฟ

def plot_graph(values): style = ['b-', 'r-', 'g-', 'k-', 'y-'] ??? column_list = values[0].columns ??? num_stock = len(column_list) ??? date = values[0].index ?????????? ??? if num_stock > 6: ??? num_stock = 6?????????????????????? ??? for pos in range(0, num_stock): ?? column = column_list[pos] ??? plt.subplot(2, 3, pos+1)???????????????????????????? ??????? for i? in range(0, len(values)): ??????????? plt.plot(date, values[i][column], style[i]) ??????????????? plt.title(column)?????????????????????????????? ??????????????? plt.xticks([])? ??? plt.show()

นำตัวแปร df และ ema15 จากหัวข้อก่อนหน้านี้มาเรียกใช้ พร้อมทั้งเพิ่มตัวแปร ema45 และ ema100 เอาไว้เก็บค่า EMA 45 วัน และ EMA 100 ตามลำดับ

ema45 = ema(df, 45) ema100 = ema(df, 100)? values = [df, ema15, ema45, ema100] plot_graph(values)

ได้ผลลัพธ์

Page updated

Google Sites

Report abuse