利用python编写macd、kdj、rsi、ma等指标.docVIP

下载本文档

776
0
约2.94千字
约 3页
2017-11-20 发布于北京
举报
版权申诉

利用python编写macd、kdj、rsi、ma等指标.doc

1、本文档共3页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

利用python编写macd、kdj、rsi、ma等指标

# -*- coding: utf-8 -*- Created on Thu Dec 15 13:57:32 2016 @author: four import pandas as pd #获取地址数据 def get_adress_data(adress=0): data=pd.read_csv(adress,parse_dates=False,header=None,names=[dateL,openL,highL,lowL,closeL,volL]) data[dateL]=pd.to_datetime(data.dateL) return data #获取macd def get_macd_data(data,short=0,long1=0,mid=0): if short==0: short=12 if long1==0: long1=26 if mid==0: mid=9 data[sema]=pd.ewma(data[closeL],span=short) data[lema]=pd.ewma(data[closeL],span=long1) data.fillna(0,inplace=True) data[data_dif]=data[sema]-data[lema] data[data_dea]=pd.ewma(data[data_dif],span=mid) data[data_macd]=2*(data[data_dif]-data[data_dea]) data.fillna(0,inplace=True) return data[[data_dif,data_dea,data_macd]] def get_kdj_data(data,N=0,M=0): if N==0: N=9 if M==0: M=2 low_list = pd.rolling_min(data[lowL], N) low_list.fillna(value=pd.expanding_min(data[lowL]), inplace=True) high_list = pd.rolling_max(data[highL],N) high_list.fillna(value=pd.expanding_max(data[highL]), inplace=True) rsv = (data[closeL] - low_list) / (high_list - low_list) * 100 data[KDJ_K] = pd.ewma(rsv,com=M) data[KDJ_D]=pd.ewma(data[KDJ_K],com=M) data[KDJ_J] = 3 * data[KDJ_K] - 2 * data[KDJ_D] data.fillna(0,inplace=True) return data[[KDJ_K,KDJ_D,KDJ_J]] def get_ma_data(data,N=0): if N==0: N=5 data[ma]=pd.rolling_mean(data[closeL],N) data.fillna(0,inplace=True) return data[[ma]] def get_rsi_data(data,N=0): if N==0: N=24 data[value]=data[closeL]-data[closeL].shift(1) data.fillna(0,inplace=True) data[value1]=data[value] data[value1][data[value1]0]=0 data[value2]=data[value] data[value2][data[value2]0]=0 data[plus]=pd.rolling_sum(data[value1],N) data[minus]=pd.rolling_sum(data[value2],N) data.fillna(0,inplace=True) rsi=data[plus]/(data[plus]-data[minus])*100 d