in

Análisis técnico de acciones utilizando TA-Lib

0kWMzFgUWKCsjewiC

Análisis técnico de acciones utilizando TA-Lib

Biblioteca de Python de análisis técnico TA-Lib

Himanshu Sharma

4 de septiembre de 2020·4 min de lectura

0*kWMzFgUWKCsjewiC

Los Indicadores de Rendimiento Técnico son los cálculos matemáticos que se realizan sobre diferentes parámetros de stock como Volumen, Precio, etc. Nos ayudan a identificar los diferentes patrones que sigue o seguirá una acción en un tiempo determinado. Estos indicadores de rendimiento generalmente se visualizan mediante tablas y gráficos.

TA-Lib es una biblioteca de Python de código abierto que se utiliza para analizar los datos históricos del mercado de valores como el precio de las acciones, el volumen, etc. para predecir el precio futuro o la dirección del mercado para que podamos hacer nuestras inversiones en consecuencia.

Ta-Lib containorteuna gran variedad de indicadores técnicos que se utilizan para estudiar el mercado. Podemos visualizar una gran cantidad de indicadores para decidir nuestra estrategia de futuro. En este artículo, exploraremos cómo usar TA-Lib para crear diferentes indicadores técnicos.

Instalación de la biblioteca Python Ta-Lib

La instalación de Ta-lib es diferente de otras bibliotecas de Python ya que no está disponible para instalar directamente usando pip install. oficialmente disponible. Primero, debemos visitar el enlace y descargar el archivo whl de Ta-Lib de acuerdo con nuestra versión de Windows. Después de eso, podemos instalarlo usando pip install como se indica a continuación.

pip install <filename.whl>

Importar bibliotecas requeridas

Trabajaremos en el análisis técnico de los datos de existencias, por lo que importaremos ta-lib, aparte de eso, necesitamos importar yfinance una biblioteca de Python para descargar datos históricos de existencias, y pandas también para cargar los datos en un marco de datos. También usaremos matplotlib para la visualización.

import yfinance as yf
import talib as ta
import pandas as pd
import matplotlib.pyplot as plt

Cargando los datos

Descargaremos los datos históricos de «Powergrid Corporation», una empresa que cotiza en NSE, India. Para la descarga, financiaremos y luego almacenaremos los datos descargados en un marco de datos usando pandas.

power = yf.Ticker("POWERGRID.NS")
df = power.history(start="2020-01-01", end='2020-09-04')
df.head()
1*hTL0l21dKcoPq dFvU1Z w

Creación de indicadores técnicos usando Ta-Lib

Ahora comenzaremos a crear diferentes indicadores técnicos usando Ta-Lib. Aunque existe una gran cantidad de indicadores técnicos, solo analizaremos los más importantes o los que son muy utilizados por los profesionales.

  1. Media móvil simple

Un promedio móvil simple (SMA) calcula el promedio de un rango seleccionado de precios de cierre, por el número de períodos en ese rango.

df['MA'] = ta.SMA(df['Close'],20)
df[['Close','MA']].plot(figsize=(12,12))
plt.show()

2. Media móvil exponencial

Una media móvil exponencial (EMA) es un tipo de media móvil (MA) que otorga mayor peso e importancia a los puntos de datos más recientes. Es decir, generalmente se conoce como media móvil ponderada exponencialmente.

df['EMA'] = ta.EMA(df['Close'], timeperiod = 20)
df[['Close','EMA']].plot(figsize=(12,10))
plt.show()
1*lsIXIXrIRmYQIAClK9PuDg

3. Índice de movimiento direccional promedio (indicador de momento)

ADX se puede utilizar para ayudar a medir la fuerza general de una tendencia. El indicador ADX es un promedio de los valores del rango de precios en expansión.

df['avg'] = ta.ADX(df['High'],df['Low'], df['Close'], timeperiod=20)
df[['avg']].plot(figsize=(12,10))
1*FhtNm4oBzttJQ1BMNsBB8w

4. Bandas de Bollinger

Las Bandas de Bollinger son un tipo de gráfico estadístico que caracteriza los precios y la volatilidad a lo largo del tiempo de un instrumento financiero o producto básico, utilizando un método formulado propuesto por John Bollinger.

df['up_band'], df['mid_band'], df['low_band'] =   
ta.BBANDS(df['Close'], timeperiod =20)
df[['Close','up_band','mid_band','low_band']].plot(figsize=
(12,10))
plt.show()
1*lu3l nRQt1z0gPNChwkqig

5. Índice de fuerza relativa (RSI)

El índice de fortaleza relativa es un indicador técnico utilizado en el análisis de los mercados financieros. Su objetivo es trazar la fortaleza o debilidad actual e histórica de una acción o mercado en base a los precios de cierre de un período de negociación reciente.

df['Relative'] = ta.RSI(df['Close'],14)
df['Relative'].plot(figsize=(12,10))
plt.show()

Estos son algunos de los indicadores técnicos más utilizados que podemos utilizar para visualizar y analizar la tendencia del mercado y la predicción futura.

Conclusión:

En este artículo, vimos cómo podemos instalar Ta-Lib usando un archivo whl. Después de eso, vimos cómo cargar los datos usando yfinace y almacenarlos en un marco de datos. Luego usamos estos datos para el análisis técnico y creamos diferentes indicadores técnicos usando Ta-Lib. Esto es solo una introducción a los indicadores básicos; hay muchos más indicadores definidos en Ta-Lib que podemos explorar.

Descargar datos de acciones y representarlos visualmente

Uso de las bibliotecas YFinance y Plotly para el análisis de datos de stock

haciadatascience.com

Usando Plotly para construir un gráfico de velas: para el análisis del mercado de valores.

Un gráfico realmente importante para comprender el movimiento del mercado de valores.

medium.com

Automatización del aprendizaje automático

Uso de H2O AutoML para automatizar el aprendizaje automático

haciadatascience.com

Antes de que te vayas

Gracias ¡para leer! Si desea ponerse en contacto conmigo, no dude en comunicarse conmigo en hmix13@gmail.com o en mi Perfil de Linkedin. También puede ver mi GRAMOithub perfil para diferentes proyectos sobre ciencia de datos.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

01AzfphMpyk1tvADZcMt3T2 1.1632504602.fit lim.size 1200x630

Epic Games lleva el software anti-trampas a Linux y Mac

Servidores SPARC | Oráculo