python 量化投资【1】技术指标择时macd ATR RSI KDJ等

本文编写了 几个基本的指标，供大家参考，有移动平均指标MA、指数平滑指标EMA、趋势指标MACD指数平滑异同移动平均、超买超卖KDJ、RSI、摆动指标AD(集散量)、ATR(真实波幅)，均用python语言实现出来了。

包装成类，其中类名tech，

data为DateFrame的形式，要有close收盘价，low最低价，high最高价，pre_close前一天收盘价，eob为bar数据的结束数据，bob为bar数据的开始时间。

股票行情数据，分为bar数据和tick数据，bar数据为相对低频的数据，一般以分钟级别的，tick数据为高频数据，一般为秒级别的，最高频数据为、l2数据l2中tick只有价格price和成交量volume，没有最高价和最低价；

class tech(object):def __init__(self, data):self.data = dataself.close = self.data['close']self.low = self.data['low']self.high = self.data['high']self.pre_close = self.data['pre_close']self.eob = self.data['eob']self.bob = self.data['bob']def MA(self,n=5):'''含义：求简单移动平均。参数n:n日移动平均值，默认n=5用法：MA(X,N)，求X的N日移动平均值。算法：(X1+X2+X3+，，，+Xn)/N。例如：MA(CLOSE,10)表示求10日均价。'''ma_n=self.close.rolling(n).mean()return ma_ndef EMA(self,m=5):'''含义：求指数平滑移动平均。参数n:n日指数平滑移动平均。默认m=5用法：EMA(X,N)，求X的N日指数平滑移动平均。算法：若Y=EMA(X,N)则Y=[2*X+(N-1)*Y']/(N+1)，其中Y'表示上一周期Y值。例如：EMA(CLOSE,30)表示求30日指数平滑均价。'''ema=self.close.ewm(span=m).mean()return emadef MACD(self,short=12,long=26,M=9):''' MACD指数平滑异同移动平均线为两条长、短的平滑平均线。参数默认short=12,long=26,M=9DIFF : EMA(CLOSE,SHORT) - EMA(CLOSE,LONG);DEA : EMA(DIFF,M);MACD : 2*(DIFF-DEA);其买卖原则为：1.DIFF、DEA均为正，DIFF向上突破DEA，买入信号参考。2.DIFF、DEA均为负，DIFF向下跌破DEA，卖出信号参考。3.DEA线与K线发生背离，行情可能出现反转信号。4.分析MACD柱状线，由红变绿(正变负)，卖出信号参考；由绿变红，买入信号参考。'''ema_short=self.close.ewm(span=short).mean()ema_long=self.close.ewm(span=long).mean()diff=ema_short-ema_longdea=diff.ewm(span=M).mean()macd=2*(diff-dea)return macd,diff,deadef KDJ(self,N=9,M1=3,M2=3):'''返回k、d、j的值，默认N=9,M1=3,M2=3RSV=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100;LLV:求最低值，HHV：求最高值，LOW：当日（周期）最低价，HIGH：当日（周期）最高价a=SMA(RSV,M1,1);b=SMA(a,M2,1);e=3*a-2*b;K:a;D:b;J:e;同花顺中默认N=9,M1=3,M2=3；KDJ指标指标说明KDJ，其综合动量观念、强弱指标及移动平均线的优点，早年应用在期货投资方面，功能颇为显著，目前为股市中最常被使用的指标之一。买卖原则1 K线由右边向下交叉D值做卖，K线由右边向上交叉D值做买。2 高档连续二次向下交叉确认跌势，低挡连续二次向上交叉确认涨势。3 D值<20%超卖，D值>80%超买，J>100%超买，J<10%超卖。4 KD值于50%左右徘徊或交叉时，无意义。5 投机性太强的个股不适用。6 可观察KD值同股价的背离，以确认高低点。'''llv = self.low.rolling(N).min() # 假设你的low是一个pandas.series的对象hhv = self.high.rolling(N).max() rsv = (self.close - llv)/(hhv -llv)*100k = rsv.ewm(M1-1).mean()d = k.ewm(M2-1).mean()j = 3*k - 2*dreturn k,d,jdef RSI(self,N1=6,N2=12,N3=24):'''默认N1=6,N2=12,N3=24，返回6日RSI值、12日RSI值、24日RSI值，RSI一般选用6日、12日、24日作为参考基期LC := REF(CLOSE,1);#上一周期的收盘价RSI$1:SMA(MAX(CLOSE-LC,0),N1,1)/SMA(ABS(CLOSE-LC),N1,1)*100;RSI$2:SMA(MAX(CLOSE-LC,0),N2,1)/SMA(ABS(CLOSE-LC),N2,1)*100;RSI$3:SMA(MAX(CLOSE-LC,0),N3,1)/SMA(ABS(CLOSE-LC),N3,1)*100; a:20;d:80;RSI指标：RSIS为1978年美国作者Wells WidlerJR。所提出的交易方法之一。所谓RSI英文全名为Relative Strenth Index，中文名称为相对强弱指标．RSI的基本原理是在一个正常的股市中，多空买卖双方的力道必须得到均衡，股价才能稳定;而RSI是对于固定期间内，股价上涨总幅度平均值占总幅度平均值的比例。1 RSI值于0-100之间呈常态分配，当6日RSI值为80‰以上时，股市呈超买现象，若出现M头，市场风险较大；当6日RSI值在20‰以下时，股市呈超卖现象，若出现W头，市场机会增大。2 RSI一般选用6日、12日、24日作为参考基期，基期越长越有趋势性(慢速RSI)，基期越短越有敏感性，(快速RSI)。当快速RSI由下往上突破慢速RSI时，机会增大；当快速RSI由上而下跌破慢速RSI时，风险增大。'''lc = self.close.shift(1)#计算前收盘价max_diff = (self.close - lc)abs_diff = max_diff.copy()max_diff[max_diff <0 ] = 0#实现MAX(CLOSE-LC,0)abs_diff = abs_diff.abs()#实现ABS(CLOSE-LC)RSI1,RSI2,RSI3 = (max_diff.ewm(N-1).mean()/abs_diff.ewm(N-1).mean()*100 for N in [N1,N2,N3])return RSI1,RSI2,RSI3def AD(self,N=14):'''估算一段时间该证券积累的资金流量 无需参数 sum(((c-l)-(h-c))/(h-l)*volume) 该值从第一天开始累加指标向上，价格向下，买进信号指标向下，价格向上，卖出信号'''ad = sum(((self.close - self.low)-(self.high - self.close))/(self.high - self.low)*self.volume)return ad def ATR(self,N=14):'''求真实波幅的N日移动平均 参数：N 天数，默认取14TR:MAX(MAX((HIGH-LOW),ABS(REF(CLOSE,1)-HIGH)),ABS(REF(CLOSE,1)-LOW));ATR:MA(TR,N);'''maxx=self.high-self.lowabs_high=(self.pre_close-self.high).abs()abs_low=(self.pre_close-self.low).abs()import pandas as pda=pd.DataFrame()a['maxx']=maxx.values a['abs_high']=abs_high.valuesa['abs_low']=abs_low.valuesTR=a.max(axis=1)ATR=TR.rolling(N).mean()return ATR

如果觉得《python 量化投资【1】技术指标择时macd ATR RSI KDJ等》对你有帮助，请点赞、收藏，并留下你的观点哦！