【Pandas】株価の移動平均線

この記事では、PythonモジュールPandasで、株価の移動平均線を求める方法をソースコード付きで紹介します。

移動平均線

移動平均とは、時系列データを決められた区間でずらしながら平均値を求めていく手法です。
株価の移動平均線は、過去〇〇日間の終値の平均値を取ります。
例えば、移動平均25日線ならば、過去25日間の終値の平均となります。
【参考】移動平均線とは

Pandasでは株の移動平均をrolling.meanメソッドで計算できます。

書式 df.rolling(window=日数).mean()
返り値 移動平均線

前記事では、株価データを自動収集するプログラムを作成しました。
【参考】【Python/jsm】日本企業の株価データを銘柄ごとに取得
今回は、自動で取得した株価の移動平均線をグラフに描いてみました。

ソースコード

サンプルプログラムのソースコードです。

#-*- coding:utf-8 -*-
import pandas as pd
import jsm
import datetime

# 株価のデータ取得(銘柄コード, 開始日, 終了日)
def get_stock(code, start_date, end_date):
    # 期間設定
    year, month, day = start_date.split("-")
    start = datetime.date(int(year), int(month), int(day))
    year, month, day = end_date.split("-")
    end = datetime.date(int(year), int(month), int(day))

    # 株価データ取得
    q = jsm.Quotes()
    target = q.get_historical_prices(code, jsm.DAILY, start_date = start, end_date = end)

    # 項目ごとにリストに格納して返す
    date = [data.date for data in target]
    open = [data.open for data in target]
    close = [data.close for data in target]
    high = [data.high for data in target]
    low = [data.low for data in target]

    # 日付が古い順に並び替えて返す
    return Sat, 29 Jun 2024 23:54:07 +0000, open[::-1], close[::-1], high[::-1], low[::-1]]

def main():
    # 株価の取得(銘柄コード, 開始日, 終了日)
    code = 7203 # トヨタ自動車の銘柄コード
    data = get_stock(code, '2016-1-1', '2016-12-31')

    # データフレームの作成
    df = pd.DataFrame({'始値':data[1], '終値':data[2], '高値':data[3], '安値':data[4]}, index = data[0])

    # 移動平均線の計算
    ma_25d = df['終値'].rolling(window=25).mean()
    ma_75d = df['終値'].rolling(window=75).mean()

    # グラフにプロット
    ax = df['終値'].plot(color="blue", label="Close")
    ma_25d.columns = ["MA 25d"]
    ma_25d.plot(ax=ax, ls="--", color="red", label="MA 25d")
    ma_75d.columns = ["MA 75d"]
    ma_75d.plot(ax=ax, ls="--", color="green", label="MA 75d")
    ax.grid()
    ax.legend()


if __name__ == "__main__":
    main()

実行結果

サンプルプログラムの実行結果です。

75日移動平均線だと過去75日分のデータが必要なので、足りない部分は描画されていません。
(25日も同様)

関連ページ

Pythonで株価データ分析超入門
プログラミング言語Pythonを用いて、株価のデータを分析・予測する方法をソースコード付きで解説します。

コメント