macd.zip_MACD量化_Python编写macd_macdpython实现_pythonmacd绘图_python

共1个文件

py：1个

版权申诉

5星 · 超过95%的资源 46 浏览量 2022-09-21 22:11:44 上传评论 1 收藏 1KB ZIP 举报

**MACD指标与Python编程** MACD，全称为Moving Average Convergence Divergence，中文名为移动平均收敛/发散指标，是一种广泛应用于股票、期货、外汇等金融市场的技术分析工具。它通过比较短期和长期指数移动平均线的差异来判断市场趋势和买卖信号。在Python中实现MACD，我们可以利用Pandas库处理数据，Numpy库进行数学计算，Matplotlib库进行图表绘制。以下是一个简化的MACD策略实现过程： 1. **数据获取与预处理**：你需要获取股票或期货的历史价格数据。这通常可以通过API接口（如Yahoo Finance, Alpha Vantage等）或者直接导入CSV文件完成。将数据加载到Pandas DataFrame中，确保包含日期（index）、开盘价（open）、收盘价（close）、最高价（high）和最低价（low）等关键列。 2. **计算MACD线**：MACD由MACD线、信号线和离差柱状线三部分组成。MACD线是快速EMA（指数移动平均）和慢速EMA的差值，通常选择12日作为快速EMA，26日作为慢速EMA。在Pandas中，可以使用`rolling`函数计算这些移动平均值。 3. **计算信号线**：信号线是MACD线的9日平滑移动平均，用于确认MACD线的趋势。同样使用`rolling`函数计算9日的移动平均。 4. **计算离差柱状线**：离差柱状线是MACD线与信号线的差值，反映两者之间的差距，是交易信号的关键。 5. **绘制MACD**：使用Matplotlib库绘制MACD线、信号线和离差柱状线，通常会包含原始价格走势，以便于对比分析。在`plot`函数中设置不同线条的颜色和样式，可以创建出直观的MACD图表。 6. **制定交易策略**：根据MACD线与信号线的交叉点以及离差柱状线的上下穿越来制定买入和卖出信号。例如，当MACD线上穿信号线时，可能为买入信号；反之，下穿可能为卖出信号。 7. **回测验证**：为了评估策略的有效性，需要对历史数据进行回测。计算模拟交易的收益率，观察策略在不同市场条件下的表现。在给定的`macd.py`文件中，很可能包含了上述步骤的具体实现。初学者可以通过阅读和运行这段代码，理解MACD指标的计算过程，并学习如何在Python中实现金融数据分析。需要注意的是，虽然MACD是一个强大的工具，但它并不总是准确无误。市场有其复杂性和不可预测性，因此在实际交易中，应结合其他技术指标和基本面分析，谨慎决策。此外，对于任何量化策略，都需要进行充分的测试和调整，以适应不断变化的市场环境。

资源详情

资源评论

资源推荐

收起资源包目录

macd.zip （1个子文件）

macd.py 2KB

#本程序可直接在PYTHON3.6下运行通过，适合初学者 import pandas as pd import xlrd import matplotlib.pyplot as plt import numpy as np import talib xls = xlrd.open_workbook('hs300.xls')#打开文件 sheet = xls.sheets()[0]#打开表1 col = sheet.col_values(0)#打开第一列 nrows = sheet.nrows #行数 ma_re = pd.DataFrame(columns=['ret','max_re','min_re','win_rate','winloss_rate']) ma=np.array(col) macd, macdsignal, macdhist = talib.MACD(ma, fastperiod=12, slowperiod=26, signalperiod=9) #利用talib库直接计算出MACD结果 buy=[] sell=[] ret=0 a=0 #用于判断是否持仓，0代表空仓 s=0 #用于胜率的计算 win=0 #总盈利 loss=0 #总亏损 row=0 for k in range(31,nrows): if macdhist[k]>0 and a==0: #出现红柱，空仓的时候买入 # if macdhist[k]>0 and a==0: buy.append(col[k]) a=1 elif macdhist[k]<0 and a==1: #出现绿柱，持仓的时候卖出 sell.append(col[k]) a=0 for l in range(0,len(sell)): #用卖出数列减去买入数列得到收益点数，然后对所有收益求和 ret += sell[l]-buy[l] sb=sell[l]-buy[l] if sb>0: s+=1 win+=sb else: loss+=sb re=[sell[i]-buy[i] for i in range(len(sell))] #列表每次交易的收益 max_re=max(re) min_re=min(re) if s==len(sell): winloss_rate=win elif (s==0.0): winloss_rate=0 else: winloss_rate=(win/s)/(abs(loss)/(len(sell)-s)) win_rate=s/len(sell) ma_re.loc[row] = [ret,max_re,min_re,win_rate,winloss_rate] #把收益点数和相应的均线参数存到表格中 row+=1 print(ma_re)