时序数据研究之篇《三》股指参数指标的计算Python篇

时序数据研究之篇《二》中所讲述的都是理论计算，无论学什么，都得有理论基础的支撑嘛！若给出csv表格，再结合Excel表格的计算公式进行计算，不是不行，光是敲公式估计已经够繁琐了吧。现在我就用Python来实现这些参数的计算！

 

上代码前先给你们安利一个技术指标库TA_Lib，关于如何下载车轮和安装，参考：https://blog.csdn.net/feixuedongji/article/details/82796381；

关于TA_Lib库的文档可以去官网看，或者参考中文文档：https://blog.csdn.net/luoganttcc/article/details/84028334

 

对了，还有一个很重要的提醒：时序数据研究之篇《一》的hs_300.csv 文件最好放在你创建代码所在的projec下，避免不必要的error！！

废话不多说，上代码：

import pandas as pd
import numpy as np
import talib
import os

# 导入数据 - 注意：这里请填写数据文件在您电脑中的路径
df= pd.read_csv('hs_300.csv')

# 获取标签列‘close’的list（注：计算MA的值时只需要一列数据close收盘价）
close = [float(x) for x in df['close']]
# 获取最高价和最低价
high = [float(x) for x in df['high']]
low = [float(x) for x in df['low']]
# 获取开盘价和成交金额
open = [float(x) for x in df['open']]
money = [float(x) for x in df['money']]

# 调用TA_Lib库计算移动均线
df['MA5'] = talib.MA(np.array(close), timeperiod=5)
df['MA10'] = talib.MA(np.array(close), timeperiod=10)

# 调用talib计算指数移动平均线的值
df['EMA12'] = talib.EMA(np.array(close), timeperiod=6)
df['EMA20'] = talib.EMA(np.array(close), timeperiod=20)
df['EMA26'] = talib.EMA(np.array(close), timeperiod=12)

# 调用talib计算MACD指标
df['DIFF'],df['DEA'],df['MACD'] = talib.MACD(np.array(close),
                            fastperiod=6, slowperiod=12, signalperiod=9)

# 调用talib计算CCI指标
df['CCI'] = talib.CCI(np.array(high), np.array(low),
                      np.array(close), timeperiod=14)

#调用talib计算ATR指标
df['ATR'] = talib.ATR(np.array(high), np.array(low),
                      np.array(close), timeperiod=14)

# 定义MTM指标函数
def cal_MTM(x):
    if x == 6:
        MTM_6 = []
        for i in range(len(close)):
            if i < 5:
                continue
            else:
                MTM = close[i]-close[i-5]
                MTM_6.append(MTM)
        df['MTM6'] = pd.Series(MTM_6, index=((j+5) for j in range(len(close)-5)))
    elif x == 12:
        MTM_12 = []
        for i in range(len(close)):
            if i < 11:
                continue
            else:
                MTM_num = close[i] - close[i - 11]
                MTM_12.append(MTM_num)
        df['MTM12'] = pd.Series(MTM_12, index=((j + 11) for j in range(len(close) - 11)))
    else:
        print("目前支持求6和12的MTM指标")

# 调用MTM指标函数
cal_MTM(6)
cal_MTM(12)

# 调用talib计算BOLL指标
df['BOLL_up'], df['middle'], df['BOLL_low'] = talib.BBANDS(
                np.array(close), timeperiod=20,
                # number of non-biased standard deviations from the mean
                nbdevup=2, nbdevdn=2,
                # Moving average type: simple moving average here
                matype=0)

# 调用talib计算ROC指标
df['ROC'] = talib.ROC(np.array(close), timeperiod=10)

# 定义SMI指标计算方式函数
def cul_SMI():
    pass

# 定义WVAD指标计算方式函数
def cul_WVAD(x):
    try:
        if x !='':
            wvad = 0
            WVAD = []
            for i in range(len(close)):
                if i < x-1:
                    continue
                else:
                    A = close[i-x+1] - open[i-x+1]
                    B = high[i-x+1] - low[i-x+1]
                    V = money[i-x+1]
                    if B != 0:
                        wvad = wvad+(A/B*V)
                        WVAD.append(wvad)
                    else:
                        wvad = 0
                        WVAD.append(wvad)
            df['WVAD'] = pd.Series(WVAD, index=((j + x-1) for j in range(len(close) - x+1)))
    except Exception as e:
        raise e  # 异常抛出

# 调用WVAD函数计算WVAD指标
cul_WVAD(6)

# 删除多余的列,看根据自己的需求
df.drop('EMA12', axis=1, inplace=True)
df.drop('EMA26', axis=1, inplace=True)
df.drop('DIFF', axis=1, inplace=True)
df.drop('DEA', axis=1, inplace=True)
df.drop('middle', axis=1, inplace=True)

# 若文件存在则删除
if os.path.exists('hs_300_args.csv'):
    os.remove('hs_300_args.csv')

# 暂时生成csv文件，后期需要可以把DataFrame直接传到MySQL中
df.to_csv('hs_300_args.csv', index=False)

里面大部分参数指标的计算都是调用talib技术指标库，像MTM和WVAD参数指标是个人按照对应的公式自行编写函数完成的！同时MTM亦可以像WVAD那样编写类似的函数不会显得那么死板！！！

结果显示图：

 各类指标可以进行往后的工作！

 

个人原创，如有疑问可以咨询我；若有不对的地方，欢迎指正！！