如何使用 Fugle Realtime API 繪製股票分K線圖

嗨大家好！我是Alan
今天主題將會教大家如何製作股票的分K線圖。

那什麼是分K線呢?

其實分K線的組成原理，就跟一般常看到的日K、月K、年K一樣，只不過他的時間週期縮短到了分鐘制，譬如說一分K就是有一分鐘內成交的開盤價、收盤價、最高價以及最低價這四種價格所組成的一根K棒，以此類推五分K棒就是由五分鐘內的開盤價、收盤價、最高價以及最低價所組成的，那市面上比較常見的K線主要有一分K、五分K、十分K以及三十分K，所以其實說穿了呢，分K線就是把一個大的時間範圍再縮減，譬如說五分K棒就是由五根一分K棒所組成的。

那麼誰會需要使用到分K線呢?

一般來說，對於短線交易者，可能會需要在當日進出場的，像是當沖交易者就會非常仰賴分K線的使用，那我們今天除了跟大家分享一般常見的幾種分K，我們還可以讓你選擇，K棒的時間間隔，譬如說你想要2分鐘的K線、3分鐘的K線，甚至是59分鐘的K棒，那假如你現在是選擇59分鐘K，那程式就會自動把剩下一分鐘的成交資訊給去掉。
有了市場上這種比較少見，甚至是沒有的新型態K線，在大家做完後，也能夠嘗試套入個式各樣的交易策略，譬如說市場上常見的突破策略，或者是線形型態，像是譬如說:紅三兵、頭肩頂之類的，以及搭配一些技術指標，說不定你會發現把這些策略應用在比較少見的K線上，會有意想不到的成效。

實作開始！

首先，我們先到這次 GitHub 連結，並且下載我們這次所需要的工具：

git clone https://github.com/frieadgood/fugle_realtime_RESTful_api.git

接下來我們就要藉由我們的終端機，然後進入到這個專案資料夾裡面：

cd fugle_realtime_RESTful_api

這時候，將這次繪製K線圖所需要用到的套件安裝完成：

pip install -r requirements.txt

緊接著，啟動我們的 jupyter notebook：

jupyter notebook

啟動之後，就打開一個新的 notebook 檔案
開啟一個新的檔案之後，接下來我們就要把需要的套件匯入進來：

from fugle_realtime_RESTful_api import *

* 的意思就是代表把fugle_realtime_api裡面的所有東西匯入進來

如果想要畫分K線圖的話，就要連接到 chart 這隻 API

不過，如果想要看台股每檔股票的話，需要成為 FugleTrade 的證券戶才能夠享有自己的API Token。
若你已經開戶，取得 API token 的連結在此。
如果還沒開戶的話，大家可以用我的推薦碼連結 ，一起賺 FugleCoin 折抵手續費 XD。
喔對了，現在 FugleCoin 還可以兌換成現金喔！
此處暫時以 api_token="demo" 及 symbol_id="2884"為例。

首先，使用 chart_api 函數並在參數當中輸入 api_token="demo"

chart = chart_api(api_token='demo')

然後，再使用 get_chart_data 函數並輸入參數 symbol_id="2884" 及 n=5

• symbol_id：股票代碼
• n：分 K 線圖的時間區間

chart.get_chart_data(symbol_id='2884', n=5)

執行此程式碼的 output 為分 K 線的資料（type：Dataframe），會有每 n 分鐘（上面參數所設定）之 開高低收 及 交易量的資料

知道如何拿到分 K 線的資料後，緊接著就是重頭戲，把屬於我們自己的分 K 線圖建立起來！而這邊我們使用的是 Dash 套件。

簡單介紹一下 Dash 這個工具， Dash 是一個用於構建 Web 應用程式的高效 Python 框架，他能夠讓大家非常方便的視覺化各式各樣的圖表、報表等，而且語法也滿平易近人的，並不會太難上手。

話不多說(?)，直接上程式碼：

external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)

app.layout = html.Div(children=[
    dcc.Graph(id='min_K_plot', style={'width':'75%', 'display':'inline-block', 'vertical-align':'top'}),
    dcc.Interval(id='interval', interval=60*1000),
])

@app.callback(
    Output('min_K_plot', 'figure'),
    [Input('interval', 'n_intervals')]
)

def candlestick_chart(interval):
    
    df_ohlc = chart.get_chart_data(5, symbol_id='2884')
    
    return {
        'data':[
            chart.plot_ohlc(df=df_ohlc, rise_color='red', down_color='green'),
            chart.plot_volume_bar(df=df_ohlc, rise_color='red', down_color='green'),
            chart.plot_MA(df=df_ohlc, n=3, line_color='blue', line_width=2),
            chart.plot_MA(df=df_ohlc, n=10, line_color='black', line_width=3),
        ],
        'layout':{
            'xaxis':{'rangeslider':{'visible': False}, 'anchor':'y2'},
            'yaxis':{'domain':[0.4, 1]},
            'yaxis2':{'domain':[0, 0.35]},
            'legend':{'orientation':'h'}, 
            'title':'分K線圖'
        }
    }

if __name__ == '__main__':
    app.run_server()

執行程式碼後，可至連結查看最後的成果呦！

以上就是簡單的小分享，如果喜歡的話歡迎將我的文章分享出去，若有任何問題也都能夠在下面提問，我會盡我所能回答，也歡迎大家分享自己的新發現，我們下次見～ Thanks～