3分飞艇破解器app_用matplotlib和pandas绘制股票MACD指标图,并验证化交易策略

  • 时间:
  • 浏览:0

    我的新书《基于股票大数据分析的Python入门实战》于近日上架,在这篇博文向大伙儿介绍我的新书:《基于股票大数据分析的Python入门实战》里,介绍了这本书的内容。这里将摘录出次要内容,用以推广本书,请大伙儿多多支持。   

1 MACD指标的计算妙招

     从数学深度来分析,MACD指标是根据均线的构造原理,对股票收盘价进行平滑外理,计算出算术平均值日后再进行二次计算,它是属于趋向类指标。

    MACD指标是由三次要构成的,分别是:DIF(离差值,也叫差离值)、DEA(离差值平均)和BAR(柱状线)。

    具体的计算过程是,首先算出快速移动平均线(EMA1)和慢速移动平均线(EMA2),用两种 个多多数值来测量两者间的差离值(DIF),在此基础上再计算差离值(DIF)N周期的平滑移动平均线DEA(也叫MACD、DEM)线。

    如前文所述,EMA1周期参数一般取12日,EMA2一般取26日,而DIF一般取9日,在此基础上,MACD指标的计算步骤如下所示。

    第一步:计算移动平均值(即EMA)。

    12日EMA1的计算妙招是:EMA(12)= 前一日EMA(12)× 11/13 + 今日收盘价 × 2/13

    26日EMA2的计算妙招是:EMA(26)= 前一日EMA(26)× 25/27 + 今日收盘价 ×2 /27

    第二步:计算MACD指标中的差离值(即DIF)。

    DIF = 今日EMA(12)- 今日EMA(26)

    第三步:计算差离值的9日EMA(即MACD指标中的DEA)。用差离值计算它的9日EMA,两种 值什么都有有 差离平均值(DEA)。

    今日DEA(MACD)= 前一日DEA × 8/10 + 今日DIF × 2/10

    第四步:计算BAR柱状线。

    BAR = 2 × (DIF - DEA)

    这里乘以2的因为是,在不影响趋势的情况报告下,从数值上扩大DIF和DEA差值,六个多多多观察效果就更加明显。

    最后,把各点(即每个交易日)的DIF值和DEA值连接起来,就能得到在x轴上下移动的两条线,分别表示短期(即快速,EMA1,周期是12天)和长期(即慢速,EMA2,周期是26天)。但会 ,DIF和DEA的离差值能构成红、绿两种 颜色的柱状线,在x轴之上是红色,而x轴之下是绿色。

2 遍历数据表数据,绘制MACD指标

    同K线指标一样,根据不同的计算周期, MACD指标也都还还能不能分为日指标、周指标、月指标乃至年指标。在下面的DrawMACD.py范例系统任务管理器中将绘制日MACD指标,在两种 范例系统任务管理器中都还还能不能看了关于数据形态、图形绘制和数据库相关的操作,因为系统任务管理器代码比较长,下面分段讲解。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import matplotlib.pyplot as plt
5    import pymysql
6    import sys
7    # 第六个多多参数是数据,第六个参数是周期
8    def calEMA(df, term):
9        for i in range(len(df)):
10           if i==0: # 第一天
11               df.ix[i,'EMA']=df.ix[i,'close']
12           if i>0:
13              df.ix[i,'EMA']=(term-1)/(term+1)*df.ix[i-1,'EMA']+2/(term+1) * df.ix[i,'close']
14       EMAList=list(df['EMA'])
15       return EMAList

    在第8行到第15行的calEMA妙招中,根据第六个参数term,计算快速(周期是12天)和慢速(周期是26天)的EMA值。

    具体步骤是,通过第9行的for循环,遍历由第六个多多参数指定的DataFrame类型的df对象,根据第10行的if条件中,因为是第一天,则EMA值用当天的收盘价,因为满足第12行的条件,即算不算第一天,则在第13行中根据8.3.1节的算法,计算当天的EMA值。

    请注意,在第11行和第13行中是通过df.ix的形式访问索引行(比如第i行)和指定标签列(比如EMA列)的数值,ix妙招与日后loc以及iloc妙招不同的是,ix妙招都还还能不能通过索引值和标签值访问,而loc以及iloc妙招都都还还能不能通过索引值来访问。计算完成后,在第14行把df的EMA列转加进去列表类型的对象并在第15行返回。

16   # 定义计算MACD的妙招
17   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
18       shortEMA = calEMA(df, shortTerm)
19       longEMA = calEMA(df, longTerm)
20       df['DIF'] = pd.Series(shortEMA) - pd.Series(longEMA)
21       for i in range(len(df)):
22           if i==0:         # 第一天
23               df.ix[i,'DEA'] = df.ix[i,'DIF']  # ix都还还能不能通过标签名和索引来获取数据
24           if i>0:
25                 df.ix[i,'DEA'] = (DIFTerm-1)/(DIFTerm+1)*df.ix[i-1,'DEA'] + 2/(DIFTerm+1)*df.ix[i,'DIF']
26       df['MACD'] = 2*(df['DIF'] - df['DEA'])
27       return df[['date','DIF','DEA','MACD']]
28       # return df

    在第15行到第27行定义的calMACD妙招中,将调用第8行定义的calEMA妙招来计算MACD的值。具体步骤是,在第18行和第19行通过调用calEMA妙招,分别得到了快速和慢速的EMA值,在第20行,用两种 个多多值计算DIF值。请注意,shortEMA和longEMA算不算列表类型,什么都有有都还还能不能像第20行那样,通过调用pd.Series妙招把它们转加进去Series类对象后再直接计算差值。

    从第21行到第25行的系统任务管理器句子,也是根据8.3.1节给出的公式计算DEA值,同样要用两条if句子区分“第一天”和“日后几天”这两种 情况报告,在第26行根据计算公式算出MACD的值。

    第27行返回指定的列,在上面的代码中前要用到df对象的两种 列,此时则都还还能不能用如第28行所示的代码返回df的全部列。

29   try:
1000       # 打开数据库连接
31       db = pymysql.connect("localhost","root","123456","pythonStock" )
32   except:
33       print('Error when Connecting to DB.')
34       sys.exit()
35   cursor = db.cursor()
36   cursor.execute("select * from stock_10000895")
37   cols = cursor.description        # 返回列名
38   heads = []
39   # 依次把每个cols元素中的第六个多多值放进col数组
40   for index in cols:
41       heads.append(index[0])
42   result = cursor.fetchall()
43   df = pd.DataFrame(list(result))
44   df.columns=heads
45   # print(calMACD(df, 12, 26, 9)) # 输出结果
46   stockDataFrame = calMACD(df, 12, 26, 9)

    从第29行到第35行的系统任务管理器句子,建立了MySQL数据库的连接和获得游标cursor对象,在第36行中,通过select类型的SQL句子,来获取stock_10000895表中的所有数据,如8.2节所述,两种 数据表中的数据源自雅虎网站。

    在第37行中,得到了stock_10000895数据表的字段列表。在第40行和第41行的for循环中,把字段列表中的第0行索引元素放进了heads。在第42行和第43行,把从stock_10000895数据表中获取的数据里放进df对象。在第44行的系统任务管理器句子,把包含数据表字段列表的heads对象赋值给df对象的字段。

    执行到这里,因为加进去第45行打印句子的注解,就能看了第一列输出的是字段名列表,过时会按天输出与MACD有关的股票指标数据。

    在第46行调用了calMACD妙招,并把结果赋值给stockDataFrame对象,日后就都还还能不能根据stockDataFrame对象中的值开使英语 英语 绘图。

47   # 开使英语

英语
绘图
48   plt.figure()
49   stockDataFrame['DEA'].plot(color="red",label='DEA')
1000   stockDataFrame['DIF'].plot(color="blue",label='DIF')
51   plt.legend(loc='best')    # 绘制图例
52   # 设置MACD柱状图
53   for index, row in stockDataFrame.iterrows():
54       if(row['MACD'] >0):   # 大于0则用红色
55           plt.bar(row['date'], row['MACD'],width=0.5, color='red')
56       else:                               # 小于等于0则用绿色
57           plt.bar(row['date'], row['MACD'],width=0.5, color='green')
58   # 设置x轴坐标的标签和旋转深度
59   major_index=stockDataFrame.index[stockDataFrame.index%10==0]
1000   major_xtics=stockDataFrame['date'][stockDataFrame.index%10==0]
61   plt.xticks(major_index,major_xtics)
62   plt.setp(plt.gca().get_xticklabels(), rotation=1000)
63   # 带网格线,且设置了网格样式
64   plt.grid(line)
65   plt.title("10000895张江高科的MACD图")
66   plt.rcParams['axes.unicode_minus'] = False
67   plt.rcParams['font.sans-serif']=['SimHei']
68   plt.show()

    在第49和第1000行中通过调用plot妙招,以折线的形式绘制出DEA和DIF十根线,在第51行中设置了图例。

    在第53行到第57行的for循环中,以柱状图的形式依次绘制了每天的MACD值的柱状线,这里用第54行和第56行的if…else句子进行区分,因为row['MACD']大于0,则MACD柱是红色,反之是绿色。

    从第59行到第61行的系统任务管理器句子设置了x轴的标签,因为显示每天的日期,这样x轴上的文字会过于密集,什么都有有在第59行和第1000行进行相应的外理,只显示stockDataFrame.index%10==0(即索引值是10的倍数)的日期。

    在第62行设置了x轴文字的旋转深度,在第64行设置了网格的式样,在第65行设置了标题文字,最后在第68行通过调用show妙招绘制了整个图形。

    请注意,因为不编写第66行的系统任务管理器句子,这样y轴标签值里的负号就不要再显示,六个多多多显示结果就不正确了。读者都还还能不能把这条句子注释掉后,再运行一下,看看结果怎么。

     至此,大伙儿实现了计算并绘制MACD指标线的功能,读者应该掌握了怎么获得指定股票在指定时间段内的交易数据,而后都还还能不能稍微改写上述的范例系统任务管理器,绘制出两种 股票在指定时间范围内的MACD走势图。

3 MACD与K线均线的整合效果图

     MACD是趋势类指标,因为把它与K线和均线整合到一块儿句子,就能更好地看出股票走势的“趋势性”。在下面的DrawKwithMACD.py范例系统任务管理器中示范了整合它们的效果,因为系统任务管理器代码比较长,因而在下面的分析中略去了两种 日后分析过的重复代码,读者都还还能不能从本书提供下载的范例系统任务管理器中看了全部的代码。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import matplotlib.pyplot as plt
5    import pymysql
6    import sys
7    from mpl_finance import candlestick2_ochl
8    from matplotlib.ticker import MultipleLocator
9    # 计算EMA的妙招,第六个多多参数是数据,第六个参数是周期
10   def calEMA(df, term):
11       # 省略具体实现,请参考本书提供下载的全部范例系统任务管理器
12   # 定义计算MACD的妙招
13   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
14       # 省略上面的计算过程,请参考本书提供下载的全部范例系统任务管理器
15       return df

    从第3行到第8行的系统任务管理器句子通过import句子导入了必要的依赖包,第10行定义的calEMA妙招和DrawMACD.py范例系统任务管理器中的全部一致,什么都有有就省略了该妙招外部的代码。第13行定义计算MACD的calMACD妙招和DrawMACD.py范例系统任务管理器中的同名妙招也全部一致,但在最后的第15行,是通过return句子返回整个df对象,而算不算返回仅仅包含MACD指标的相关列,这是因为,在后文中前要股票的开盘价等数值来绘制K线图。

16   try:
17       # 打开数据库连接
18       db = pymysql.connect("localhost","root","123456","pythonStock" )
19   except:
20       print('Error when Connecting to DB.')
21       sys.exit()
22   cursor = db.cursor()
23   cursor.execute("select * from stock_10000895")
24   cols = cursor.description        # 返回列名
25   heads = []
26   # 依次把每个cols元素中的第六个多多值放进col数组
27   for index in cols:
28       heads.append(index[0])
29   result = cursor.fetchall()
1000   df = pd.DataFrame(list(result))
31   df.columns=heads
32   # print(calMACD(df, 12, 26, 9)) # 输出结果
33   stockDataFrame = calMACD(df, 12, 26, 9)

    从第16行到第33行的系统任务管理器句子把前要的数据放进了stockDataFrame两种 DataFrame类型的对象中,日后就都还还能不能根据其中的数据画图了,这段系统任务管理器代码日后分析过,就不再重复讲述了。

34   # 开使英语

英语
绘图,设置大小,共享x坐标轴
35   figure,(axPrice, axMACD) = plt.subplots(2, sharex=True, figsize=(15,8))
36   # 调用妙招绘制K线图
37   candlestick2_ochl(ax = axPrice, opens=stockDataFrame["open"].values, closes = stockDataFrame["close"].values, highs=stockDataFrame["high"].values,  lows = stockDataFrame["low"].values, width=0.75, colorup='red', colordown='green')
38   axPrice.set_title("10000895张江高科K线图和均线图")   # 设置子图的标题
39   stockDataFrame['close'].rolling(window=3).mean().plot(ax=axPrice,color="red",label='3日均线')
40   stockDataFrame['close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='5日均线')
41   stockDataFrame['close'].rolling(window=10).mean().plot(ax=axPrice,color="green",label='10日均线')
42   axPrice.legend(loc='best')       # 绘制图例
43   axPrice.set_ylabel("价格(单位:元)")
44   axPrice.grid(line)     # 带网格线

    从第34行到第44行的系统任务管理器句子绘制了指定时间范围内“张江高科”股票的K线图和均线,这次要代码和第7章drawKMAAndVol.py范例系统任务管理器中实现类似于功能的代码很类似于,有差别的是在第35行,第六个子图的名字设置为“axMACD”,在第44行中通过linestyle设置了网格线的样式。

45   # 开使英语

英语
绘制第六个子图
46   stockDataFrame['DEA'].plot(ax=axMACD,color="red",label='DEA')
47   stockDataFrame['DIF'].plot(ax=axMACD,color="blue",label='DIF')
48   plt.legend(loc='best')    # 绘制图例
49   # 设置第六个子图中的MACD柱状图
1000   for index, row in stockDataFrame.iterrows():
51       if(row['MACD'] >0):   # 大于0则用红色
52           axMACD.bar(row['date'], row['MACD'],width=0.5, color='red')
53       else:                               # 小于等于0则用绿色
54           axMACD.bar(row['date'], row['MACD'],width=0.5, color='green')
55   axMACD.set_title("10000895张江高科MACD")   # 设置子图的标题
56   axMACD.grid(line)                # 带网格线
57   # xmajorLocator = MultipleLocator(10)    # 将x轴的主刻度设置为10的倍数
58   # axMACD.xaxis.set_major_locator(xmajorLocator)
59   major_xtics=stockDataFrame['date'][stockDataFrame.index%10==0]
1000   axMACD.set_xticks(major_xtics)
61   # 旋转x轴显示文字的深度
62   for xtick in axMACD.get_xticklabels():
63       xtick.set_rotation(1000)
64   plt.rcParams['font.sans-serif']=['SimHei']
65   plt.rcParams['axes.unicode_minus'] = False
66   plt.show()

    在上述系统任务管理器代码中,在axMACD子图内绘制了MACD线,因为是在子图内绘制,但会 在第46行和第47行绘制DEA和DIF折线的日后,前要在参数里通过“ax=axMACD”的形式指定所在的子图。

    在第59行和第1000行中设置了axMACD子图中的x轴标签,因为在第35行中设置了axPrice和axMACD两子图是共享x轴,但会 K线和均线所在子图的x轴刻度会和MACD子图中的一样。因为是在子图中,什么都有有前要通过第62行和第63行的for循环依次旋转x轴坐标的标签文字。

    在这段代码中虽然给出了两种 设置x轴标签的妙招。因为注释掉第59行和第1000行的代码,并加进去第57行和第58行的注释,会发现效果是相同的。

    前要说明的是,其虽然第57行和第59行的代码中并这样指定标签文字,但在第37行调用candlestick2_ochl妙招绘制K线图时,会设置x轴的标签文字,什么都有有依然能看了x轴上日期的标签。运行两种 范例系统任务管理器后,结果如图所示。

4 MACD指标的指导意义

    根据MACD各项指标的含义,都还还能不能通过DIF和DEA两者的值、DIF和DEA指标的交叉情况报告(比如金叉或死叉)以及BAR柱状图的长短与收缩的情况报告来判断当前股票的趋势。

    如下两点是根据DIF和DEA的数值情况报告以及它们在x轴上下的位置来选则股票的买卖策略。

    第一,当DIF和DEA两者的值均大于0(在x轴之上)并向上移动时,一般表示当前指在多头行情中,建议都还还能不能买入。反之,当两者的值均小于0且向下移动时,一般表示指在空头行情中,建议卖出或观望。

    第二,当DIF和DEA的值均大于0但算不算向下移动时,一般表示为上涨趋势即将开使英语 英语 ,建议都还还能不能卖出股票或观望。同理,当两者的值均小于0,但在向上移动时,一般表示股票将上涨,建议都还还能不能持续关注或买进。

    如下四点是根据DIF和DEA的交叉情况报告来决定买卖策略。

    第一,DIF与DEA都大于0但会 DIF向上突破DEA时,说明当前指在强势阶段,股价再次上涨的因为性比较大,建议都还还能不能买进,这什么都有有 所谓MACD指标黄金交叉,也叫石叉。

    第二,DIF与DEA都小于0,但此时DIF向上突破DEA时,表明股市虽然当前因为仍然指在跌势,但即将转强,建议都还还能不能开使英语 英语 买进股票因为重点关注,这也是MACD金叉的两种 形式。

    第三,DIF与DEA虽然都大于0,但而DIF却向下突破DEA时,这说明当前有因为从强势转变成弱势,股价有因为会跌,此时建议看因为就卖出,这什么都有有 所谓MACD指标的死亡交叉,也叫死叉。

    第四,DIF和DEA都小于0,在两种 情况报告下又指在了DIF向下突破DEA的情况报告,这说明因为进入下一阶段的弱势中,股价有因为继续下跌,此时建议卖出股票或观望,这也是MACD死叉的两种 形式。

    如下两点是根据MACD中BAR柱状图的情况报告来决定买卖策略。

    第一,红柱持续放大,这说明当前指在多头行情中,此时建议买入股票,直到红柱无法再进一步放大时才考虑卖出。相反,因为绿柱持续放大,这说明当前指在空头行情中,股价有因为继续下跌,此时观望或卖出,直到绿柱开使英语 英语 缩小时都都还还能不能考虑买入。

    第二,当红柱逐渐消失而绿柱逐渐总出 时,这表明当前的上涨趋势即将开使英语 英语 ,有因为开使英语 英语 加速下跌,这时建议都还还能不能卖出股票因为观望。反之,当绿柱逐渐消失而红柱开使英语 英语 总出 时,这说明下跌行情即将或因为开使英语 英语 ,有因为开使英语 英语 加速上涨,此时都还还能不能开使英语 英语 买入。

    虽然说MACD指标对趋势的分析有一定的指导意义,但它一块儿也指在一定的盲点。

    比如,当这样形成明显的上涨或下跌趋势时(即在盘整阶段),DIF和DEA两种 个多多指标会频繁地总出 金叉和死叉的情况报告,这时因为这样形成趋势,但会 金叉和死叉的指导意义暂且明显。

    又如,MACD指标是对趋势而言的,从中无法看出未来时间段内价格上涨和下跌的幅度。比如在图8-11中,股票“张江高科”在价格高位时,DIF的指标在2左右,但两种 股票在高位时,DIF的指标甚至会超过5。

也什么都有有 说,无法根据DIF和DEA数值的大小来判断股价会不要再进一步涨或进一步跌。有时看似DIF和DEA到达六个多多高位,之后因为当前上涨趋势强劲,股价会继续上涨,一块儿两种 个多多指标会进一步上升,反之亦然。

    但会 ,在实际使用中,投资者都还还能不能用MACD指标结合两种 技术指标,比如日后提到的均线,从而能对买卖信号进行多重确认。

5 验证基于柱状图和金叉的买点

    在CalBuyPointByMACD.py范例系统任务管理器中将根据如下原则来验证买点:DIF向上突破DEA(总出 金叉),且柱状图在x轴上面(即当前是红柱情况报告)。

    在两种 范例系统任务管理器中,用的是股票“金石资源(代码为1000310005)从2018年9月到2019年5月的交易数据,系统任务管理器代码如下。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import pymysql
5    import sys
6    # 第六个多多参数是数据,第六个参数是周期
7    def calEMA(df, term):
8      # 省略妙招内的代码,请参考本书提供下载的全部范例系统任务管理器
9    # 定义计算MACD的妙招
10   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
11       # 省略上面计算过程的代码,最后返回的是df,请参考本书提供下载的全部范例系统任务管理器
12       return df

    上述代码的calEMA和calMACD妙招和8.3.4节的范例系统任务管理器中的代码全部一致,什么都有有就不再重复讲述了。

13	def getMACDByCode(code):
14	    try:
15	        # 打开数据库连接
16	        db = pymysql.connect("localhost","root","123456","pythonStock" )
17	    except:
18	        print('Error when Connecting to DB.')
19	        sys.exit()  
20	    cursor = db.cursor()
21	    cursor.execute('select * from stock_'+code)
22	    cols = cursor.description  	# 返回列名
23	    heads = []
24	    # 依次把每个cols元素中的第六个多多值放进col数组
25	    for index in cols:
26	        heads.append(index[0])
27	    result = cursor.fetchall()
28	    df = pd.DataFrame(list(result))
29	    df.columns=heads
1000	    stockDataFrame = calMACD(df, 12, 26, 9)
31	    return stockDataFrame

    第13行开使英语 英语 的getMACDByCode妙招中包含了从数据表中获取的股票交易数据并返回MACD指标的代码, 这次要系统任务管理器代码与日后DrawKwithMACD.py范例系统任务管理器中的系统任务管理器也非常类似于,只不过在第21行中是根据股票代码来动态地拼接select句子。该妙招在第31行中返回包含MACD指标的stockDataFrame对象。

32	# print(getMACDByCode('1000310005')) 	# 可去除这条句子的注解以确认数据
33	stockDf = getMACDByCode('1000310005')
34	cnt=0
35	while cnt<=len(stockDf)-1:
36	    if(cnt>=1000):		# 前几天有误差,从第1000天算起
37	        try:
38	            # 规则1:这天DIF值上穿DEA
39	            if stockDf.iloc[cnt]['DIF']>stockDf.iloc[cnt]['DEA'] and stockDf.iloc[cnt-1]['DIF']<stockDf.iloc[cnt-1]['DEA']:
40	                #规则2:总出

红柱,即MACD值大于0
41	                if stockDf.iloc[cnt]['MACD']>0:
42	                    print("Buy Point by MACD on:" + stockDf.iloc[cnt]['date'])
43	        except:
44	            pass
45	    cnt=cnt+1

    因为加进去第32行打印句子的注释,执行后就能确认数据。在第35行到第45行的while循环中,依次遍历了每个交易日的数据。有数据计算的误差,什么都有有在两种 范例系统任务管理器中通过第36行的if句子排除了开使英语 英语 29天的数据,从第1000天算起。

    在第39行的if条件句子中制定了第六个多多规则,前六个多多交易日的DIF小于DEA,但会 当天DIF大于DEA,即总出 上穿金叉的大问题。在第41行的if条件句子中制定了第六个规则,即总出 金叉的当日,MACD指标前要大于0,即当前BAR柱是红柱情况报告。运行两种 范例系统任务管理器日后,就能看了如下输出的买点。

    Buy Point by MACD on:2018-10-31

    Buy Point by MACD on:2019-01-09

    Buy Point by MACD on:2019-03-18

    Buy Point by MACD on:2019-04-04

    Buy Point by MACD on:2019-04-19

    下面改写一下日后的范例系统任务管理器,把股票代码改成1000310005,把股票名称改为“金石资源”,运行后即可看了如图所示的结果图。 

    根据图中的价格走势,在表中列出了各买点的确认情况报告。

表  基于MACD得到的买点情况报告确认表

买点

对买点的分析

正确性

2018-10-31

该日总出 DIF金叉,且Bar因为在红柱情况报告,后市有涨。

正确

2019-01-09

该日总出 DIF金叉,且Bar柱开使英语 英语 逐渐变红,后市有涨。

正确

2019-03-18

该日虽然总出 金叉,Bar柱也开使英语 英语 变红,但日后几天Bar交替总出 红柱和绿柱情况报告,后市在下跌后,总出 上涨情况报告。

不明确

2019-04-04

该日在总出 金叉的一块儿,Bar柱由绿转红。但日后若干交易日后总出 死叉,且Bar柱又转绿,后市下跌。

不正确

2019-04-19

总出 金叉,且Bar柱由绿柱一下子变很长,后市有涨。

正确

    根据两种 范例系统任务管理器的运行结果,都还还能不能得到的结论是:通过MACD指标的确能算出买点,但日后也说过,MACD有盲点,在盘整阶段,趋势这样形成时,此时金叉的指导意义就算不算很明显,甚至是错误的。

6 验证基于柱状图和死叉的卖点

    参考MACD指标,与8.4.2节描述的情况报告相反,因为总出 如下情况报告,则都还还能不能卖出股票:DIF向下突破DEA(总出 死叉),且柱状图向下运动(红柱缩小或绿柱变长)。下面通过股票“士兰微”(代码为1000041000)从2018年9月到2019年5月的交易数据来验证卖点。

    先来做如下的准备工作:在MySQL的pythonStock数据库中创建stock_1000041000数据表,在日后介绍的InsertDataFromYahoo.py范例系统任务管理器中,把股票代码改为1000041000,运行后即可在stock_1000041000数据表中看了指定时间范围内的交易数据。

    验证MACD指标卖点的CalSellPointByMACD.py范例系统任务管理器与日后CalBuyPointByMACD.py范例系统任务管理器很类似于,下面只分析不同的系统任务管理器代码次要。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import pymysql
5    import sys
6    # calEMA妙招中的代码这样变
7    def calEMA(df, term):
8        # 省略妙招内的系统任务管理器代码,请参考本书提供下载的全部范例系统任务管理器
9    # 定义计算MACD的妙招内的系统任务管理器代码也这样变
10   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
11       # 省略妙招内的系统任务管理器代码,请参考本书提供下载的全部范例系统任务管理器
12   def getMACDByCode(code):
13       # 和CalBuyPointByMACD.py范例系统任务管理器中的系统任务管理器代码一致
14   stockDf = getMACDByCode('1000041000')
15   cnt=0
16   while cnt<=len(stockDf)-1:
17       if(cnt>=1000):         # 前几天有误差,从第1000天算起
18           try:
19               # 规则1:这天DIF值下穿DEA
20               if stockDf.iloc[cnt]['DIF']<stockDf.iloc[cnt]['DEA'] and stockDf.iloc[cnt-1]['DIF']>stockDf.iloc[cnt-1]['DEA']:
21                   # 规则2:Bar柱算不算向下运动
22                   if stockDf.iloc[cnt]['MACD']<stockDf.iloc[cnt-1]['MACD']:
23                       print("Sell Point by MACD on:" + stockDf.iloc[cnt]['date'])
24           except:
25               pass
26       cnt=cnt+1

    上述代码中的calEMA、calMACD和getMACDByCode六个多多妙招和CalBuyPointByMACD.py范例系统任务管理器中的代码全部一致,什么都有有本节仅仅是给出了哪些妙招的定义,不再重复讲述了。

    在第14行中通过调用getMACDByCode妙招,获取了1000041000(士兰微)的交易数据,其中包含了MACD指标数据。在第16行到第26行的while循环中通过遍历stockDf对象,计算卖点。

    具体的步骤是,通过第17行的if条件句子排除了误差比较大的数据,之后 通过第20行的if句子判断当天算不算总出 了DIF死叉的情况报告,即前六个多多交易日的DIF比DEA大,但当前交易日DIF比DEA小。

    当满足两种 条件时,再通过第22行的if句子判断当天的Bar柱数值算不算小于日后的,即判断Bar柱算不算在向下运动。当满足两种 个多多条件时,通过第23行的代码输出建议卖出股票的日期。运行两种 范例系统任务管理器代码后,可看了如下输出的卖点。

    Sell Point by MACD on:2018-10-11

    Sell Point by MACD on:2018-11-29

    Sell Point by MACD on:2018-12-06

    Sell Point by MACD on:2019-02-28

    Sell Point by MACD on:2019-04-04

再修改前文提到的DrawKwithMACD.py范例系统任务管理器,把股票代码改为1000041000,把股票名称改成“士兰微”,运行后即可看了如图所示的结果图。

     图  股票“士兰微”的K线、均线整合MACD的走势图

    再根据价格走势,在表中列出了各卖点的确认情况报告。

表  基于MACD得到的卖点情况报告确认表

卖点

对卖点的分析

正确性

2018-10-11

1. 该日总出 DIF死叉,且DIF和DEA均在x轴下方,Bar由红转绿,且绿柱持续扩大。

2. 虽然能验证该点付进 指在弱势,之后因为此点因为指在弱势,所日后市价位跌幅不大。

不明确

2018-11-29

1. 在DIF和DEA上行过程中总出 死叉。

2. Bar柱从红转绿,后市股价有一定幅度的下跌。

正确

2018-12-06

在11月29日的卖点基础上,总出 死叉,且Bar柱这样向上运动的趋势,什么都有有进一步确认了弱势行情,岂算不算后市股价有一定幅度的下跌。

正确

2019-02-28

1. 虽然总出 死叉,但前后几天DIF和DEA均在向上运动。这说明强势并这样开使英语 英语 。

2. Bar柱虽然变绿,但变绿的幅度非常小。

3. 后市价格算不算下跌,什么都有有 上涨了。

不正确

2019-04-04

1. DIF和DEA在x轴上面总出 死叉,说明强势行情有因为即将开使英语 英语 。

2. Bar柱由红开使英语 英语 转绿。

3. 后市价位总出 一波短暂反弹,这都还还能不能理解成强势的开使英语 英语 ,日后总出 下跌,且下跌幅度不小。

正确

    从上述的验证结果可知,从MACD指标中能看出股价发展的趋势,当从强势开使英语 英语 转弱时,因为这样两种 利喜信,都还还能不能考虑观望或适当卖出股票。

    在通过MACD指标确认趋势时,应当从DIF和DEA的数值、运动趋势(即金叉或死叉的情况报告)和Bar柱的运动趋势等方面综合评判,而都都还还能不能简单割裂地通过单个因素来考虑。

    但会 ,影响股价的因素非常多,在选股时,应当从资金面、消息面和指标的技术面等因素综合考虑,哪怕在指标的技术面,也应当结合多项技术指标综合考虑。如前文所述,单个指标难免总出 盲点,当遇到盲点时算不算不算因为总出 风险而误判。

7 总结和版权说明

    上述内容是摘自我的书,《基于股票大数据分析的Python入门实战 视频教学版》,京东链接:https://item.jd.com/69241653952.html。

    

    在我的博客里,算不算其它相关介绍本书的文章,链接如下。

    本文可转载,但请标明出处,一块儿请全文转载,别根据自身前要在转载时恶意全部本文