对照通达信一些指标的Python实现

行情软件里习惯了通达信的简介，虽然很多时候还是要依赖大智慧，但平时看图形基本都是用通达信。因此在有时候做数据分析的时候，不可避免的需要再次的实现一些指标功能，所以在Python里整理了一下，写了部分的指标工具。

# 威廉指标
def williams(df, n, column='williams'):
    # 100*(10日内最高价的最高值-收盘价)/(10日内最高价的最高值-10日内最低价的最低值)
    for i in range(len(df)):
        if i < n-1: continue
        df.ix[i, column] = 100 * (df.high.values[i-n+1:i+1].max()-df.close.values[i])/(
        df.high.values[i-n+1:i+1].max()-df.low.values[i-n+1:i+1].min())
    return df
# 布林指标
def bollinger(df,n):
    for i in range(len(df)):
        if i < n-1: continue
        df.ix[i, 'BOLL'] = df.close.values[i-n+1:i+1].mean()
        df.ix[i, 'UB'] = df.ix[i, 'BOLL'] + 2 * numpy.std(df.close.values[i-n+1:i+1], ddof=1)
        df.ix[i, 'LB'] = df.ix[i, 'BOLL'] - 2 * numpy.std(df.close.values[i-n+1:i+1], ddof=1)
    return df
# 轨道线
def ene(df,n,m1,m2):
    for i in range(len(df)):
        if i < n-1: continue
        df.ix[i, 'UPPER'] = (1+m1/100)*df.close.values[i-n+1:i+1].mean()
        df.ix[i, 'LOWER'] = (1-m2/100)*df.close.values[i-n+1:i+1].mean()
        df.ix[i, 'ENE'] = (df.ix[i, 'UPPER'] + df.ix[i, 'LOWER'])/2
    return df
def kdj(df,n,m1,m2):
    for i in range(len(df)):
        if i < n-1: continue
        df.ix[i, 'rsv'] = (df.close.values[i]-df.low.values[i-n+1:i+1].min()) / (df.high.values[i-n+1:i+1].max()-df.low.values[i-n+1:i+1].min())*100
        df = getSMA(df,m1,1,'rsv','K')
        df = getSMA(df,m2,1,'K','D')
    for i in range(len(df)):
        df.ix[i, 'J'] = 3*df.K.values[i] - 2*df.D.values[i]
    return df

所有数据都是Dataframe类型，以时间为Index顺序排列。关于getSMA这个函数可以在本博另一帖子《行情软件里的平均函数以及Python的实现》中可以找到。