我的簽名是：
會點前端的後端開發，偏偏對區塊鏈最感興趣。
雖然上一份從事區塊鏈相關的工作無疾而終，但我還一直在關注區塊鏈行業的發展。
區塊鏈行業的龍頭老大是非比特幣莫屬。除了技術以外，估計大家更關心的是它的價格。
恰巧最近讀了九神《屯比特幣》的系列文章，其中的一篇尋找合適的夠買時機分享了關於定投擇時的策略，核心觀點是:
那麼，具體在什麼區間內購買比特幣最划算呢？同時滿足兩個條件：
比特幣價格低於200日定投平均成本，意味著在這個時候買幣，可以跑贏定投的人。
比特幣價格低於指數增長模型的估值，意味著在這個時候，幣價被低估了。
我讀下來覺得遺憾的地方在於，這篇文章是成文於2018-10-07，轉眼一年過去了，而由於文中的相關圖表是圖片，沒有持續更新，那麼眼下這個時間點時否滿足九神提出的兩個條件呢？
正好我缺一個機會踐習python的資料分析，於是，就開始邊搜邊學邊試的摸索之路。
第一步，自然是要獲取資料。先是搜尋了一番沒找到合適的地方直接下載，只能轉換思路去爬取。目標有兩個，要麼是交易所;要麼是行情類網站。
我選擇了非小號這個平臺，因為有歷史資料頁面。
通過瀏覽器的開發工具，很容易就可以通過get請求獲得資料並解析。因為程式碼過於簡單就不貼出來，有興趣的朋友，可以點選btc_price_analyzer檢視。
第二步，是計量200日的定投平均成本（即幾何平均數）及價格比例，這正是pandas所擅長的。但當時的我完全沒有經驗，磕磕絆絆才寫出了下面的程式碼。
def close_ratio(close, base):
return close * 1.0 / base
ma_list = [100, 200] //不知道為什麼九神選擇了200日均線，這裡我把100日均線也打出來做對比。
for ma in ma_list:
ma_str = str(ma)
price_data['GMA_' + ma_str] = price_data['closeprice'].rolling(
window=ma, min_periods=1).apply(gmean, raw=True)
for ma in ma_list:
ma_str = str(ma)
price_data["GMA_Ratio_" + ma_str] = price_data.apply(
lambda x: close_ratio(x['closeprice'], x['GMA_' + ma_str]), axis=1)唯一值得說明的是，pandas的rolling函式只有mean方法，而沒有gmean的。我是引用了scipy包實現的。
from scipy.stats.mstats import gmean第三步，利用指數增長模型實現價格預測。我不確定九神使用的指數模型具體是什麼引數，我搜尋到文章主要來自於以下兩篇文章：
我最後是選擇了第一篇文章的方法，原因是文章寫的更嚴謹一些。計算公式如下:
價格=10^(a + blog10(d))
其中a = -17.01593313，斜率 b = 5.84509376 ，d為2009年以來的天數。
第四步，畫圖。雖然有傳統的Matplotlib，但這裡我選擇了用pyecharts。
無它，一是pyecharts更好看一些(外貌協會，嘻嘻~~)，二是可以生成html，方便移植。
如果對echarts不熟悉，那剛用pyecharts時，被各種配置項搞的暈頭轉向。
我的建議是對照著看echarts和pyecharts的文件，但更多的時候，大家急於看到效果，面向搜尋程式設計，哪有時間細讀，不如直接找pyecharts在github中的例子邊改邊試。
等自己踩過一遍坑，畫出了自己想畫的圖，再回過頭看文件，真是有恍然大悟的感覺。
扯點題外話，人生好像也是如此，磕磕絆絆走過，再回過神來想，很多道理其實很早就知道，非得要經歷過才能領悟。
這部分程式碼當時寫的很辛苦，寫文章時再看，好像也沒什麼好貼出來的。-_-!!!
思來想去也就是畫多Y軸圖時，一定要先extend_axis後再overlap。
line1.extend_axis(yaxis=opts.AxisOpts())
line1.overlap(line2)最後的成果如下：
想體驗動圖嗎？請戳這裡
通過觀察可以看到，眼下這個時間點正好符合九神的兩個條件。
雖然相比於年初的時候要差一點，但這極有可能是本年度第二個最佳定投區間。
心心念念想學python資料分析好久了，一直沒有動力。
這次終於找到了一個有意思的問題，趨動著我在十一假期生生邁出第一步。
下一步，一方面想把程式碼移植到jupyter;另一面，會對九神的策略做一回測分析。
比如說，100日的均線和200日均線，到底哪個更有指導價值;等額定投和加權定投，到底哪個收益更大?
目前，我只完成了價格比率的分佈圖。
更多的分析，計劃在後續的文章再寫。
注1: 本文只是為了實踐資料分析，不構成任何投資建議。
注2: 本文涉及的所有程式碼可在btc_price_analyzer檢視。