Python金融数据分析与挖掘（微课版） 课件 第9章 股票价格涨跌趋势预测.pptx

第9章股票价格涨跌趋势预测MA、MACD、KDJ、RSI、BIAS、OBV、因变量Y指标设计及计算方法计算举例

移动平均线（MA）第9章移动平均线（MA）就是将某一定时期的收盘价之和除以该周期，按时间的长短可以分为长期、中期、短期3种。计算公式如下：Ct为t日股票价格，n为天数。Python计算移动平均的命令为：P.rolling(n).mean()。其中，P为价格序列，n为周期数。例如，计算5日移动平均为：P.rolling(5).mean()

指数平滑异同平均线（MACD）第9章指数平滑异同平均线（MACD）是在移动平均线的基础上发展而成的，它利用两条不同速度（一条变动速率较快的短期移动平均线，一条变动速度较慢的长期移动平均线）的指数平滑移动平均线来计算二者之间的差别状况（DIF），作为研判行情的基础，然后再计算出的9日平滑移动平均线。计算公式为：

指数平滑异同平均线（MACD）第9章Python计算指数平滑移动平均的命令为：P.ewm(n).mean()其中，P为价格序列值，n为周期数。例如，计算12日、26日指数平滑移动平均为：Z12=P.ewm(12).mean()Z26=P.ewm(26).mean()则DIF、DEA、MACD计算算法如下：DIF=Z12-Z26Ift=1DEA[t]=DIF[t]Ift1DEA[t]=(2*DIF[t]+8*DEA[t-1])/10MACD[t]=2*（DIF[t]-DEA[t]）

随机指标（KDJ）第9章随机指标（KDJ）一般是用于股票分析的统计体系，根据统计学原理，通过一个特定的周期(常为9日、9周等)内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系，计算最后一个计算周期的未成熟随机值RSV，然后根据平滑移动平均线的方法计算K值、D值与J值，并绘成曲线图研判股票价格走势。Hn、Ln分别表示n日内最高收盘价和最低收盘价，n=9。

随机指标（KDJ）第9章Python计算移动周期内的最大最小值命令为：P.rolling(n).max()P.rolling(n).min()其中，P为价格序列，n为周期数。例如，计算9日移动最大最小值为：Lmin=P.rolling(9).min()Lmax=P.rolling(9).max()RSV=(P-Lmin)/(Lmax-Lmin)则计算KDJ指标算法如下：Ift=1K[t]=RSV[t]D[t]=RSV[t]Ift1K[t]=2/3*K[t-1]+1/3*RSV[t]D[t]=2/3*D[t-1]+1/3*K[t]J[t]=3*D[t]-2*K[t]

相对强弱指标（RSI）第9章相对强弱指标是利用一定时期内平均收盘涨数与平均收盘跌数的比值来反映股市走势的。“一定时期”的选择是不同的，一般讲，天数选择短，易对起伏的股市产生动感，不易平衡长期投资的心理准备，做空做多的短期行为增多。天数选择长，对短期的投资机会不易把握。因此RSI一般可选用天数为6天、12天、24天，计算公式为：公式中，A=n日内收盘涨数；B=n日内收盘跌数；n=6,12,24

相对强弱指标（RSI）第9章相对强弱指标RSI计算方法如下：（1）预定义涨跌标识向量z，即z=np.zeros(len(P)-1)，其中P为价格序列。（2）涨跌标识向量赋值。z[P(2:end)-P(1:end-1)≥0]=1?#涨z[P(2:end)-P(1:end-1)0]=-1#跌z1=pd.Series(z==1)#转化为序列z2=pd.Series(z==-1)#转化为序列（3）涨跌情况统计。z1=z1.rolling(N).sum()#N日移动计算涨数z2=z2.rolling(N).sum()#N日移动计算跌数z1=z1.values#取values值，转为数组z2=z2.values#取values值，转为数组（4）RSI指标计算。fort=Ntolen(P)-1rsi[t]=z1[t]/(z1[t]+z2[t])

乖离率指标