技术面分析又称技术分析（Technical Analysis ），是股票投资分析的专业术语。技术分析研究以往价格和交易量数据，进而预测未来的价格走向。此类型分析侧重于图表与公式的构成，以捕获主要和次要的趋势，并通过估测市场周期长短，识别买入 / 卖出机会。根据您选择的时间跨度，您可以使用日内（每 5 分钟、每 15 分钟、每小时）技术分析，也可使用每周或每月技术分析。
技术因子主要是作为基本面选股的一个重要补充，解决基本面选股策略中对买入时机的选择有所欠缺的问题。
技术因子的来源可以有多个方面，比如我们可以根据自身的数据处理知识自行编写技术因子，也直接调用第三方函数库的函数作为技术因子，甚至还可以将前两种方式融合，对函数进行重构，以实现自己特有目的的技术因子
技术因子构建策略1：自行编写技术因子
在这里我随便写一个作为例子：
假设技术因子为：对股票过去5天的成交量和最高价进行排名，再取相关系数
# coding=utf-8
import gm.api as gm
import talib
import numpy as np
import pandas as pd
from scipy.stats import rankdata
import datetime
gm.set_token("自己的token码")
"""
1、set_token 设置用户token， 如果token不正确, 函数调用会抛出异常；
2、调用数据查询函数， 直接进行数据查询。
"""
def eg(symbol,now):last_day = gm.get_previous_trading_date("SHSE",now)data = gm.history_n(symbol=symbol,frequency="1d",count=5,end_time=last_day,fields="volume,high",adjust=gm.ADJUST_PREV,df=True)volume = data["volume"].valueshigh = data["high"].valueshigh_rank = rankdata(high)#根据最高价大小进行排名print(high_rank)volume_rank = rankdata(volume) #根据成交量大小进行排名print(volume_rank)corr =np.corrcoef(high_rank,volume_rank)return corr[0][1]day_time, hour_and_mins = str(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')).split(" ")
corr = eg("SZSE.002415",day_time)
print(corr)
由此，我们得到了一个技术因子，我们可以用过这个技术因子对股票进行买卖回测，看该技术因子的实战效果如何。
技术因子构建策略2：调用talib库中现成的技术因子
这个我们在前面章节已经讲过，我这里不再详述，以获取EMA均线因子为例，代码如下：
from gm.api import *
import talib
import numpy as np
#MA_Type: 0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA, 6=KAMA, 7=MAMA, 8=T3 (Default=SMA)
# 与数据库进行通信，将账号密码加密后发送给服务器
)
