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。