什么是技术分析?
所谓股票的技术分析,是相对于基本面分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析,以此来研究股票的价值,衡量股价的高低。而技术分析则是透过图表或技术指标的记录,研究市场过去及现在的行为反应,以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而得的,技术分析只关心证券市场本身的变化,而不考虑会对其产生某种影响的经济方面、政治方面的等各种外部的因素。
什么是talib?
talib 的简称是Technical Analysis Library ,主要功能是计算股价的技术分析指标。先简单看看talib都给我们提供了那些计算技术指标的函数,按技术指标的类型示例如下:
函数名:CDL2CROWS 名称:Two Crows 两只乌鸦 简介:三日K线模式,第一天长阳,第二天高开收阴,第三天再次高开继续收阴,收盘比前一日收盘价低,预示股价下跌。 例子:integer = CDL2CROWS(open, high, low, close)
函数名:CDL3STARSINSOUTH 名称:Three Stars In The South 南方三星 简介:三日K线模式,与大敌当前相反,三日K线皆阴,第一日有长下影线,第二日与第一日类似,K线整体小于第一日,第三日无下影线实体信号,成交价格都在第一日振幅之内,预示下跌趋势反转,股价上升。 例子:integer = CDL3STARSINSOUTH(open, high, low, close)
函数名 :MA 名称:Moving average 移动平均值 简介:移动平均值是在一定范围内的价格平均值 例子:ma = MA(close, timeperiod=30, matype=0)
函数名:ADX 名称:Average Directional Movement Index 平均趋向指数 简介:ADX指数是反映趋向变动的程度,而不是方向的本身。 例子:adx = ADX(high, low, close, timeperiod=14)
函数名:ATR 名称:Average True Range 平均真实波幅 简介:主要用来衡量价格的波动。因此,这一技术指标并不能直接反映价格走向及其趋势稳定性,而只是表明价格波动的程度。 例子:atr = ATR(high, low, close, timeperiod=14)
函数名:OBV 名称:On Balance Volume 能量潮 简介:通过统计成交量变动的趋势推测股价趋势 计算公式:以某日为基期,逐日累计每日上市股票总成交量,若隔日指数或股票上涨,则基期OBV加上本日成交量为本日OBV。隔日指数或股票下跌,则基期OBV减去本日成交量为本日OBV 例子:obv = OBV(close, volume)
由于篇幅有限,技术分析指标不能在此充分介绍,可以参考talib官方文档
如何使用:MA实例
-
已知MA这个函数的调用方式为:ma = MA(close, timeperiod=30, matype=0)
-
close表示收盘价序列,timeperiod指定义好均线的计算长度即几日均线,不输入的话,默认为30日, matype可以默认不用输入,然后就可以得到均线的值
-
因此简单来讲,只取获取收盘价,就可以轻松计算移动平均值
下面以平安银行(000001.SZA)为例进行说明:
# 获取数据
df = D.history_data(['000001.SZA'],'2015-12-01','2016-02-20',
fields=['date','close']).set_index('date')
# 通过rolling_mean函数计算移动平均值(方法1)
df['MA10_rolling'] = pd.rolling_mean(df['close'],10)
# 将价格数据转化成float类型
close = [float(x) for x in df['close']]
# 通过talib计算移动平均值(方法2)
df['MA10_talib'] = talib.MA(np.array(close), timeperiod=10)
# 检查两种方法计算结果是否一致
df.tail(12)
计算结果如下所示:
就这样很方便的计算出了移动平均线的值,接下来我们计算下稍微复杂一点的EMA和MACD
# 调用talib计算6日指数移动平均线的值
df['EMA12'] = talib.EMA(np.array(close), timeperiod=6)
df['EMA26'] = talib.EMA(np.array(close), timeperiod=12)
# 调用talib计算MACD指标
df['MACD'],df['MACDsignal'],df['MACDhist'] = talib.MACD(np.array(close),
fastperiod=6, slowperiod=12, signalperiod=9)
df.tail(12)
补充说明一下,close是收盘价,timeperiod指的是指数移动平均线EMA的长度,fastperiod指更短时段的EMA的长度,slowperiod指更长时段的EMA的长度,signalperiod指DEA长度
策略实战:MACD策略
-
当macd下穿signal时,卖出股票
-
当macd上穿signal时,买入股票
完整的策略如下:
技术分析指标策略: 基于MACD指标
1. 策略参数
import talib
instruments = ['000651.SZA'] #以格力电器为例
start_date = '2010-09-16'# 起始时间
end_date = '2017-11-08' # 结束时间
2. 策略主体
def initialize(context):
context.set_commission(PerDollar(0.0015)) # 手续费设置
# 需要设置计算MACD的相关参数参数
context.short = 12
context.long = 26
context.smoothperiod = 9
context.observation = 100
def handle_data(context, data):
if context.trading_day_index < 100: # 在100个交易日以后才开始真正运行
return
sid = context.symbol(instruments[0])
# 获取价格数据
prices = data.history(sid, 'price', context.observation, '1d')
# 用Talib计算MACD取值,得到三个时间序列数组,分别为macd, signal 和 hist
macd, signal, hist = talib.MACD(np.array(prices), context.short,
context.long, context.smoothperiod)
# 计算现在portfolio中股票的仓位
cur_position = context.portfolio.positions[sid].amount
# 策略逻辑
# 卖出逻辑 macd下穿signal
if macd[-1] - signal[-1] < 0 and macd[-2] - signal[-2] > 0:
# 进行清仓
if cur_position > 0 and data.can_trade(sid):
context.order_target_value(sid, 0)
# 买入逻辑 macd上穿signal
if macd[-1] - signal[-1] > 0 and macd[-2] - signal[-2] < 0:
# 买入股票
if cur_position == 0 and data.can_trade(sid):
context.order_target_percent(sid, 1)
3. 回测接口
m=M.trade.v3(
instruments=instruments,
start_date=start_date,
end_date=end_date,
initialize=initialize,
handle_data=handle_data,
order_price_field_buy='open',
order_price_field_sell='open',
capital_base=float("1.0e6"),
benchmark='000300.INDX',
)