[量化投资-学习笔记006]Python+TDengine从零开始搭建量化分析平台-MACD

在上一章节介绍了 EMA 均线的计算,本节主要介绍均线的进化形态之一:MACD

MACD (Moving Average Convergence / Divergence) 指数平滑移动平均线。MACD 是通过计算不同时间的 EMA 的差值俩判断价格趋势。

MACD 包括 3 个值:

长短期 EMA 差值:DIF = EMA(close,12)-EMA(close,26) (计算 12 日和 26 日 EMA 均线差值)

信号线: DEA = EMA(DIF,9) (计算差值的 EMA 均线)

柱状图: OSC = DIF - DEA

通过以上公式,可以看出 MACD 可反应如下信息:

  1. DIF>0 价格上涨,DIF<0 价格下跌
  2. DEA>0 价格加速上涨,DEA<0 价格加速下跌
  3. OSC 绝对值越大,说明价格变化越剧烈

1. 从数据库获取收盘价

上一节,对数据进行了清洗,可以直接查询每天的收盘价,不用再使用 interval 聚合函数。

python 复制代码
st = '2022-06-01'
et = '2022-10-01'
sql = 'select tdate,close from trade_data_c.tdata where fcode="000001" and tdate>="'+st+'" and tdate<="'+et+'"'

rt = fun.request_post(tdurl,sql,username,password)

2. 使用 pandas 直接计算EMA

这里 MACD 的周期设置为(12,26,9)。

python 复制代码
df = request_get_d(rt)
df['DIF'] = pd.DataFrame.ewm(df['close'],span=12).mean() - pd.DataFrame.ewm(df['close'],span=26).mean()
df['DEA'] = pd.DataFrame.ewm(df['DIF'],span=9).mean()
df['OSC'] = df['DIF'] - df['DEA']

3. 绘制图形

python 复制代码
plt.title("MACD")
plt.plot(df['DIF'],'r',linewidth=1.0,label='DIF')
plt.plot(df['DEA'],'y',linewidth=1.0,label='DEA')
plt.bar(df.index,df['OSC']*3,label='OSC')
plt.legend()
plt.grid()
plt.show()

为了让图片更美观,将 OSC 进行了优化。

相关推荐
递归不收敛2 分钟前
多模态学习大纲笔记(未完成)
人工智能·笔记·学习·自然语言处理
百锦再23 分钟前
低代码开发的约束性及ABP框架的实践解析
android·开发语言·python·低代码·django·virtualenv·rxjava
Actinen1 小时前
【Python】——注释
python
FPGA-李宇航1 小时前
FPGA中,“按键控制LED灯实验”学习中常见问题、解决思路和措施以及经验总结!!!(新手必看)
学习·fpga开发·按键控制led灯
自动化小秋葵1 小时前
Python入门经典题目
开发语言·python
while(1){yan}2 小时前
数据结构之堆
数据结构·python·算法
摇滚侠2 小时前
Spring Boot3零基础教程,Profile 环境隔离用法,笔记55
java·spring boot·笔记
正经教主2 小时前
【Trae+AI】和Trae学习搭建App_01:项目架构设计与环境搭建
学习·app
普蓝机器人2 小时前
面向智慧农业的自主移动果蔬采摘机器人:融合视觉识别与自动驾驶的智能化农作系统研究
人工智能·学习·机器人·移动机器人·三维仿真导航
凌晨一点的秃头猪2 小时前
Python 常见 bug 总结和异常处理
开发语言·python·bug