MA、MACD、KDJ、RSI、OBV相关指标计算

1.

# -*- coding: utf-8 -*-

#今有部分股票交易数据表“trd_data”，字段名称为：

# Stkcd    、Trddt、开盘价、最高价、最低价、收盘价、交易量、交易金额

# 读取股票代码601668,2017-01-01至2018-01-01的交易数据，

# 计算收盘价5、10、20日移动平均价格，

# 返回计算结果，结果用一个数据框ma表示，第1-3列依次为5、10、20日移动平均价格

def return_values():

    #1.读取数据

    import pandas as pd

    data=pd.read_excel('trd_data.xlsx')

    d=data[data.iloc[:,0].values==601668]

    d=d[d.iloc[:,1].values>='2017-01-01']

    d=d[d.iloc[:,1].values<='2018-01-01']

    d.index=range(len(d)) #索引重新排序

    #2.移动平均线指标的计算

    ma5=d['收盘价'].rolling(5).mean() #计算5日的移动平均

    ma10=d['收盘价'].rolling(10).mean() #计算10日的移动平均

    ma20=d['收盘价'].rolling(20).mean() #计算20日的移动平均

    #3.合并数据并保存Excel表

    ma={'MA5':ma5,'MA10':ma10,'MA20':ma20}

    ma=pd.DataFrame(ma)    

    return ma

2.

# -*- coding: utf-8 -*-

#今有部分股票交易数据表“trd_data”，字段名称为：

# Stkcd    、Trddt、开盘价、最高价、最低价、收盘价、交易量、交易金额

# 读取股票代码601668,2017-01-01至2018-01-01的交易数据，

# 计算MACD指标，公式参考书本

# 返回计算结果，结果用一个数据框macd表示

def return_values():

    #1.读取数据

    import pandas as pd

    data=pd.read_excel('trd_data.xlsx')

    d=data[data.iloc[:,0].values==601668]

    d=d[d.iloc[:,1].values>='2017-01-01']

    d=d[d.iloc[:,1].values<='2018-01-01']

    d.index=range(len(d)) #索引重新排序

    #2.平滑异同平均线MACD指标值

    import numpy as np

    #指数平滑移动平均

    ema12=pd.DataFrame.ewm(d['收盘价'],span=12).mean()

    ema26=pd.DataFrame.ewm(d['收盘价'],span=26).mean()

    dif=ema12-ema26

    dea=np.zeros((len(dif))) #以dif为长度做全为0的数组

    macd=np.zeros((len(dif)))

    for t in range(len(dif)):

        if t==0:

            dea[t]=dif[t]

        if t>0:

            dea[t]=(2*dif[t]+8*dea[t-1])/10

        macd[t]=2*(dif[t]-dea[t])

    #3.合并数据并保存Excel表

    macd={'MACD':macd}

    macd=pd.DataFrame(macd)

    return macd

3.

#今有部分股票交易数据表“trd_data”，字段名称为：

# Stkcd    、Trddt、开盘价、最高价、最低价、收盘价、交易量、交易金额

# 读取股票代码601668,2017-01-01至2018-01-01的交易数据，

# 计算KDJ指标，公式参考书本