Python自动化炒股：使用Streamlit和Heroku部署股票数据分析仪表盘的实战案例

在当今快节奏的金融市场中，自动化炒股已经成为许多投资者的首选。Python作为一种强大的编程语言，提供了丰富的库和框架来帮助我们实现这一目标。本文将带你了解如何使用Python、Streamlit和Heroku来创建并部署一个股票数据分析仪表盘，让你的交易决策更加数据驱动。

简介

在这篇文章中，我们将构建一个简单的股票数据分析仪表盘，它将允许用户输入股票代码，然后展示该股票的历史数据、技术分析指标和预测模型。我们将使用Python的pandas库来处理数据，matplotlib和seaborn库来进行数据可视化，以及scikit-learn库来构建预测模型。最后，我们将使用Streamlit来创建一个交互式Web应用，并将其部署到Heroku上。

环境准备

在开始之前，请确保你的环境中安装了以下库：

pip install pandas matplotlib seaborn scikit-learn streamlit

数据获取与处理

首先，我们需要获取股票数据。这里我们使用pandas_datareader库来从Yahoo Finance获取数据。

import pandas_datareader as pdr
import datetime

# 获取股票数据
def get_stock_data(symbol, start, end):
    return pdr.get_data_yahoo(symbol, start=start, end=end)

# 示例：获取苹果公司股票数据
start = datetime.datetime(2020, 1, 1)
end = datetime.datetime(2023, 1, 1)
apple_stock_data = get_stock_data('AAPL', start, end)

数据可视化

接下来，我们将使用matplotlib和seaborn来创建一些基本的图表，比如收盘价的折线图。

import matplotlib.pyplot as plt
import seaborn as sns

# 绘制收盘价折线图
def plot_stock_price(stock_data):
    plt.figure(figsize=(10, 5))
    sns.lineplot(data=stock_data['Close'])
    plt.title('Stock Price Over Time')
    plt.xlabel('Date')
    plt.ylabel('Price')
    plt.show()

# 绘制苹果公司股票价格
plot_stock_price(apple_stock_data)

技术分析指标

技术分析是股票交易中的一个重要部分。我们将计算一些基本的技术分析指标，比如移动平均线。

# 计算简单移动平均线
def calculate_sma(stock_data, window):
    return stock_data['Close'].rolling(window=window).mean()

# 计算20天移动平均线
sma_20 = calculate_sma(apple_stock_data, 20)
apple_stock_data['SMA_20'] = sma_20

预测模型

为了预测股票的未来价格，我们可以使用scikit-learn的线性回归模型。

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import trAIn_test_split

# 准备数据
X = apple_stock_data['SMA_20'].values.reshape(-1, 1)
y = apple_stock_data['Close'].values

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

使用Streamlit创建交互式Web应用

现在，我们将使用Streamlit来创建一个交互式Web应用，用户可以在其中输入股票代码并查看分析结果。

import streamlit as st

# Streamlit应用
def app():
    st.title('股票数据分析仪表盘')
    
    # 用户输入股票代码
    symbol = st.text_input('请输入股票代码', 'AAPL')
    
    # 获取并显示股票数据
    stock_data = get_stock_data(symbol, start, end)
    st.line_chart(stock_data['Close'])
    
    # 显示技术分析指标
    sma_20 = calculate_sma(stock_data, 20)
    stock_data['SMA_20'] = sma_20
    st.line_chart(stock_data[['Close', 'SMA_20']])
    
    # 显示预测结果
    X = stock_data['SMA_20'].values.reshape(-1, 1)
    y_pred = model.predict(X)
    st.line_chart(y_pred, label='Predicted Price')

if __name__ == '__main__':
    app()

部署到Heroku

最后，我们将这个应用部署到Heroku上。首先，你需要在Heroku上创建一个新应用，并设置好Python环境。

1. 在项目根目录下创建一个Procfile文件，内容如下：

web: streamlit run app.py