Команда установки выглядит следующим образом:
pip install stockstats
conda install -c conda-forge ta-lib
Вы можете проверить значение каждого индикатора на веб-сайте mbalib. Например:wiki.mbalib.com/wiki/Тройное экспоненциальное сглаживание…
| сокращение | описывать |
|---|---|
| K | Значение K в KDJ |
| D | Значение D в KDJ |
| J | Значение J в KDJ |
| MACD | Схождение и разница скользящих средних |
| MOM | Линия импульса |
| BIAS | скорость отклонения |
| CMO | Осциллятор Chande Momentum |
| TRIX | Тройное экспоненциальное сглаженное среднее |
| OBV | всплеск энергии |
| ROC | индикатор скорости изменения |
| AMA | Индикатор разницы скользящих средних параллельных линий |
| VR | Скорость изменения объема |
| PSY | Индикатор ментальной линии |
| Force Index | Индикатор индекса силы |
| DPO | линия, ограничивающая диапазон |
| VHF | Индикатор пересечения фильтров |
| RVI | Относительный индекс жизнеспособности |
выполнить
Сначала импортируйте несколько пакетов, помимо talib, numpy и pandas, есть stockstats, pandas_talib
import pandas as pd
import numpy as np
import talib
import stockstats
import pandas_talib
'''
这里虽然没有定义df这个变量，但这很明显就是dateframe格式的某只股票基础数据
包括开盘价、收盘价、最高价、最低价和成交量
建议用tushare来获取数据(当然仅限日数据)
'''
stockStat = stockstats.StockDataFrame.retype(df)
close = df.close
highPrice = df.high
lowPrice = df.low
volume = df.volume
Затем выпустите некоторые индикаторы, которые были реализованы в других библиотеках.
df.rename(columns={'close': 'Close', 'volume': 'Volume'}, inplace=True)
sig_k , sig_d = talib.STOCH(np.array(highPrice), np.array(lowPrice),
np.array(close), fastk_period=9,slowk_period=3,
slowk_matype=0, slowd_period=3, slowd_matype=0)
sig_j = sig_k * 3 - sig_d * 2
sig = pd.concat([sig_k, sig_d, sig_j], axis=1, keys=['K', 'D', 'J'])
sig['MACD'], MACDsignal, MACDhist = talib.MACD(np.array(close), fastperiod=6,
slowperiod=12, signalperiod=9)
sig['MOM'] = talib.MOM(np.array(close), timeperiod=5)
sig['CMO'] = talib.CMO(close, timeperiod=10)
sig['TRIX'] = talib.TRIX(close, timeperiod=14)
sig['OBV'] = talib.OBV(close, volume)
sig['ROC'] = talib.ROC(close, timeperiod=10)
sig['VR'] = stockStat['vr']
sig['Force_Index'] = pandas_talib.FORCE(df, 12)['Force_12']
BIAS
def BIAS(close, timeperiod=20):
if isinstance(close,np.ndarray):
pass
else:
close = np.array(close)
MA = talib.MA(close,timeperiod=timeperiod)
return (close-MA)/MA
AMA
def AMA(stockStat):
return talib.MA(stockStat['dma'], timeperiod=10)
PSY
def PSY(priceData, period):
difference = priceData[1:] - priceData[:-1]
difference = np.append(0, difference)
difference_dir = np.where(difference > 0, 1, 0)
psy = np.zeros((len(priceData),))
psy[:period] *= np.nan
for i in range(period, len(priceData)):
psy[i] = (difference_dir[i-period+1:i+1].sum()) / period
return psy*100
DPO
def DPO(close):
p = talib.MA(close, timeperiod=11)
p.shift()
return close-p
VHF
def VHF(close):
LCP = talib.MIN(close, timeperiod=28)
HCP = talib.MAX(close, timeperiod=28)
NUM = HCP - LCP
pre = close.copy()
pre = pre.shift()
DEN = abs(close-close.shift())
DEN = talib.MA(DEN, timeperiod=28)*28
return NUM.div(DEN)
def RVI(df):
close = df.close
open = df.open
high = df.high
low = df.low
X = close-open+2*(close.shift()-open.shift())+
2*(close.shift(periods=2)-open.shift(periods=2))*(close.shift(periods=3)-
open.shift(periods=3))/6
Y = high-low+2*(high.shift()-low.shift())+
2*(high.shift(periods=2)-low.shift(periods=2))*(high.shift(periods=3)-
low.shift(periods=3))/6
Z = talib.MA(X, timeperiod=10)*10
D = talib.MA(Y, timeperiod=10)*10
return Z/D