量化交易——传统技术分析平滑异同移动平均线MACD的原理及实现
2017-05-08 13:28
561 查看
指数平滑异同移动平均线MACD
MACD是股票交易中常见的一个技术分析工具,同时也是一个我认为分析可执行度高并且效果优秀的一种手段。其是于1970年代由Gerald Appel提出,它主要是利用了双指数移动平均线,即是求得一条快速的指数移动平均线EMA12和一条慢的指数移动平均线EMA26,再进行相减得到差离值DIF。进而将得到的DIF取9日加权移动平均DEA,最后得到MACD。MACD指标由一组曲线和柱形图构成,它反映的是股票价格变化额趋势周期等特征,通过这些特征便可以很好的挖掘出股票买卖交易的最佳时机。实现
分析过程可以参考前面的博文,量化交易——传统技术分析相对强弱指数RSI的原理及实现,这里不细讲。相关代码:
import numpy as np import math import random import json import matplotlib.pyplot as plt import sys sys.setrecursionlimit(10000) #date|open|high|low|close|volume|adjsuted def get_stock_hist(num): s_his=np.genfromtxt('C:/Users/Haipeng/Desktop/python/Korea/Korea_{:03d}.csv'.format(num), delimiter=',') s_hi=s_his[1:][:] days=s_hi.shape[0] this_stock = [] for i in range(1,days,1): this_day = [i] for k in range(1,7): this_day.append(s_hi[i][k]) this_stock.append(this_day) print 'Maximum date is ',len(this_stock) return this_stock def get_price(D, p_tpe): if p_tpe=='close': pos=4; elif p_tpe=='open': pos=1; elif p_tpe=='high': pos=2; elif p_tpe=='low': pos=3; else: pos=5 price=stock_hist[D-1][pos]; return price def get_ma(D, N): p_used=np.zeros(N); for i in range(1,N+1,1): p_used[i-1]=stock_hist[(D-1)-(i-1)][4]; ma=np.mean(p_used); return ma def get_mar(fro,to,N): ma = [] for i in range(fro,to+1): ma.append(get_ma(i,N)) return ma #Date\Open\High\Low\Close def get_tuples(fro,to): res =[] for d in range(fro,to+1): tmp = [] tmp.append(d) tmp.append(get_price(d,'open')) tmp.append(get_price(d,'high')) tmp.append(get_price(d,'low')) tmp.append(get_price(d,'close')) res.append(tmp) return res def get_volume(fro,to): res = [] for d in range(fro,to+1): num = 1 try: if get_price(d,'close')<get_price(d-1,'close'): num = -1 except: pass res.append(num*get_price(d,'volume')) return res # MACD def get_MACD(D): EMA12 = 0 EMA26 = 0 DEM = 0 DIF = 0 for i in range(1,D): if i==1: EMA12 = get_price(i+1,'close')*2.0/13+(1-2.0/13)*get_price(i,'close') EMA26 = get_price(i+1,'close')*2.0/27+(1-2.0/27)*get_price(i,'close') DIF = EMA12 - EMA26 DEM = DIF*2.0/10 else: EMA12 = get_price(i+1,'close')*2.0/13+(1-2.0/13)*EMA12 EMA26 = get_price(i+1,'close')*2.0/27+(1-2.0/27)*EMA26 DIF = EMA12 - EMA26 DEM = DIF*2.0/10+DEM*(1-2.0/10) OSC = DIF-DEM return [DIF,DEM,OSC] def get_DIF_DEM_OSC(fro,to): res = [[],[],[]] for d in range(fro,to+1): tmp = get_MACD(d) res[0].append(tmp[0]) res[1].append(tmp[1]) res[2].append(tmp[2]) return res
绘制k线图及MACD指标
画图代码:def plot_MACD(fro,to): volume = get_volume(fro,to) tmp = get_DIF_DEM_OSC(fro,to) DIF = tmp[0] DEM = tmp[1] OSC = tmp[2] ma5 = get_mar(fro,to,5) ma10 = get_mar(fro,to,10) ma20 = get_mar(fro,to,20) tuples = get_tuples(fro,to) date = [d for d in range(fro,to+1)] fig = plt.figure(figsize=(8,5)) p1 = plt.subplot2grid((5,4),(0,0),rowspan=3,colspan=4,axisbg='k') p1.set_title("Moving Average Convergence / Divergence(MACD)") p1.set_ylabel("Price") p1.plot(date,ma5,'m') p1.plot(date,ma10,'b') p1.plot(date,ma20,'y') p1.legend(('MA5','MA10','MA20')) p1.grid(True,color='w') candlestick_ohlc(p1, tuples, width=0.7,colorup='r',colordown="g") p2 = plt.subplot2grid((5,4),(3,0),colspan=4,axisbg='c') p2.set_ylabel("Volume") colors = [] for i in range(len(volume)): if volume[i]<0: colors.append('green') volume[i] = -volume[i] else: colors.append('red') p2.bar(date,volume,color=colors) p3 = plt.subplot2grid((5,4),(4,0),colspan=4,axisbg='m') p3.set_ylabel("MACD") p3.set_xlabel("Dates") p3.plot(date,DIF, 'r-') p3.plot(date,DEM, 'g-') p3.bar(date,OSC,facecolor = 'yellowgreen',edgecolor = 'gold') p3.legend(('DIF','DEM','MACD bar / OSC'),loc='upper left') plt.subplots_adjust(hspace=0) plt.show()# show the plot on the screen #select stock 18 stock_hist = get_stock_hist(18) #Date from 110 to 880 plot_MACD(110,880)
图像1:
图像2:
#Date from 400 to 520 plot_MACD(400,520)
欢迎交流~
相关文章推荐
- 量化交易——传统技术分析顺势指标CCI的原理及实现
- 量化交易——传统技术分析布林通道BollingerBands的原理及实现
- 量化交易——传统技术分析能量潮指标OBV的原理及实现
- "QQ尾巴病毒"核心技术的实现原理分析
- Citrix打印技术实现原理分析
- jquery lazyload延迟加载技术的实现原理分析
- 5-爬虫的运行原理及实现技术分析
- 揭开智能配置上网(微信Airkiss)的神秘面纱 本文介绍微信利用Airkiss技术对wifi设备进行智能配置上网的场景,并分析其实现的原理。这里再次说明,Airkiss只是用于配置上网,其跟微信
- Java对象池技术的原理及其实现 --Java对象的生命周期分析
- 专业量化交易从业人士如何看待传统的技术分析?
- seo伪原创技术原理分析,php实现伪原创示例
- ARP欺骗技术实现原理分析
- [技术学习]配合APUE学习贴篇select实现原理分析
- 用户从手机的浏览器访问www.baidu.com,看到的可能跟桌面PC电脑,是不太一样的网页效果,会更适合移动设备使用。请简要分析一下,实现这种网页区分显示的原因及技术原理。
- [技术学习]配合APUE学习贴篇select实现原理分析
- jquery lazyload延迟加载技术的实现原理分析
- 分布式Web应用----Java动态代理技术实现原理分析
- IronPython for ASP.NET 的原理分析(一):如何在 CLR 类型上实现动态性