前言

昨天取得九月的加权指数资料，但是时间太短，看不出来量与价格的关系，所以就要取得更远的资料罗。取得後才能观察量与指数的关系。

本日程序码使用：

• d13_saveDailyMarketInfo.py
• d13_MarketTransInfo.ipynb

取得资料

首先我们要取得资料，但是在open data平台上只有当月的，这时候只能去证交所一个月一个月的抓（大家都骂翻了XD）。

前往每日市场成交资讯：

首页 > 交易资讯 > 盘後资讯 > 每日市场成交资讯

那边就有搜寻表单可以填写，选择年份和月份，一次可以抓一个月。现在范例是抓今年的份，也就是1~9月，因此会有至少八份CSV，因为九月的这几天已经有收到。

这边是先纯手动抓，如果以後有时间，再写如何用爬虫的方式取得资料。

汇入资料库

接着要汇入资料库，这边可以参考Day9，不过不太一样的是，资料格式不相同，需要调整「日期」和「数字」。

在日期方面，从API取得的会是1100901，这种纯数字没有标点符号的版本，但是如果是从网页下载下来，会是110/09/01这样的格式，方便阅读，但是进入资料库时候需要调整，因为无法直接汇入。

首先在日期的部分，要改成略过标点符号：

f"{str(int(row[0][:3])+1911)}-{str(row[0])[4:6]}-{str(row[0])[7:]}"

接着数字的话用replace的方式，因为资料格式为str直接用replace，不用转换，因此汇入的for回圈会变成这样：

for row, _ in self.df.iterrows():
    if len(row[0]) != 9:
        continue
    # data: yyy/mm/dd to yyyy-mm-dd,
    # e.g. 110/08/02 to 2021-08-02
    trade_date = f"{str(int(row[0][:3])+1911)}-{str(row[0])[4:6]}-{str(row[0])[7:]}"
    cmd = f"""INSERT IGNORE INTO StockTransactionInfo
    (TradeDate,
    TranscationQty, TranscationAmount, TranscationCount,
    Taiex, ChangePoint)
    VALUES('{trade_date}',
    {row[1].replace(',', '')}, {row[2].replace(',', '')},
    {row[3].replace(',', '')}, {row[4].replace(',', '')},
    {row[5].replace(',', '')});"""
    cursor.execute(cmd)
conn.commit()

制作图表

当汇入後，就制作成我们要的图表吧！时间就是从2021年1月1日开始。

在这次做图时，练习设定X轴与Y轴的刻度，这时使用.gca()取得当下的轴（Axes）（可参考文章）。接着设定xaxis使用来设定X轴的资讯，并且用matplotlib.ticker.MaxNLocator来设定要有几个区块，这边设定为五个；同样的道理，Y轴则是使用yasis的方式。因此程序码会修改成这样：

# 画图
plt.plot(df["TradeDate"], df["Taiex"],"r")  # (x轴资料, y轴资料, 线的颜色)
plt.title("Taiex", {"fontsize":15})     # 设定图的标题及文字大小
# 设定Ｘ轴刻度
ax = plt.gca()
ax.xaxis.set_major_locator(matplotlib.ticker.MaxNLocator(5))
# 设定y轴刻度
ax.yaxis.set_major_locator(matplotlib.ticker.MaxNLocator(10))

图片中就可以看到X轴和Y轴的跟昨天看起来不一样，

同样的，把这样的概念，放在叠图中也能达成目标，因此会从：

变成：

观察量与点数的关系

仔细在有大行情的时候，如果量有大量出现，就好像图中间的那几根长条，之後有几天会继续下跌，这个现象非常明显。而跌一段时间之後，量会变少，这时开始指数往上跑，虽然上涨不明显，但也是个讯号。

所以我们的讯号可以说最近的加权指数的状况，当有大跌的时候提醒自己，这时如果量也大量出来，就制作一个告警的讯号，说现在价格跌且大量，这几天不适合进场，买股票可能会被大盘拖累。

这样我们就有初步的加权指数与量的讯号灯构想。