如何使用Ta-lib去预测股票趋势

Ta-lib 这个库好多同学可能接触不多，Ta-lib 广泛用于交易软件，和金融市场数据进行技术分析，包含了炒股150+的数据指标：ADX, MACD, RSI, Stochastic, Bollinger Bands, etc，K线趋势识别，完全开源，支持 C/C++, Java, Perl, Python。

简单的说，这个库可以自动根据价格生成pattern与indicator。下面的代码是用Ta-lib生成的indicator去作为input放进naive-bayes中。为什么这里用naive-bayes模型而不是其他模型呢？第一、根据paper总结，naive-bayes在预测时间序列数据方面有莫名的优势，这优势背后逻辑目前还并不是很能解释。第二、数据量大，如果用SVM模型可能会直接会跑不动。这里用的数据是从wind下载的AUDUSD 日交易数据。

另外下载这个库的时候一般都会遇到报错，可以搜下其他博主发的解决方法，也很好解决的。

import pandas as pd
import talib
import sklearn
import numpy as n
from sklearn.model_selection import train_test_split  
from sklearn.naive_bayes import GaussianNB


data = pd.read_excel('audusd.xlsx')

def count(pattern,name):
    b = []
    for i in pattern:
        if i == 100:
            b.append(i)
    print(name,':',len(b))
    
    
def count_patterns(data_A):
    CDLHARAMI = talib.CDLHARAMI(data_A[:,1],data_A[:,2],data_A[:,3],data_A[:,0])
    count(CDLHARAMI,'CDLHARAMI')