python：talib 计算 KDJ 用 pro_api

最新推荐文章于 2024-08-01 06:00:00 发布

belldeep

最新推荐文章于 2024-08-01 06:00:00 发布

阅读量1.2k

点赞数

分类专栏： python 文章标签： python talib tushare kdj

本文链接：https://blog.csdn.net/belldeep/article/details/116400985

版权

python 专栏收录该内容

233 篇文章 22 订阅

订阅专栏

该博客通过TALIB库计算股票KDJ指标，并使用pandas和matplotlib展示K线图及KDJ曲线。首先，从tushare Pro获取历史数据，然后调用STOCH函数计算KDJ的快速确认线（K）、慢速主干线（D）和J值，最后绘制KDJ曲线与收盘价图。

摘要由CSDN通过智能技术生成

talib 计算 KDJ值对应的函数是Stochastic Oscillator Slow （Stoch），

其返回值有两个，一个是快速确认线值，另外一个是慢速主干线值。KDJ 需要至少最近9天的数据。

talib_kdj2.py

# -*- coding: utf-8 -*-
import os, sys
import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import talib

if len(sys.argv) ==2:
    code = sys.argv[1]
else:
    print('usage: python talib_kdj2.py stockcode ')
    sys.exit(1)

if len(code) !=6:
    print('stock code length: 6')
    sys.exit(2)

if code < '600000':
    ts_code = code +'.SZ'
else:
    ts_code = code +'.SH'

# 初始化pro接口
pro = ts.pro_api('your token')

dh = pro.daily(ts_code=ts_code, start_date='20210101')
if dh.empty ==True:
    print(" df is empty ")
    sys.exit(2)

df = dh.sort_values(by='trade_date')
#df = df.reset_index(drop=True)
# 为了与原来的 tushare 保持一致性，修改列名
df.rename(columns={'trade_date':'date','vol':'volume'}, inplace=True)
if len(df) <10:
    print(" len(df) <10 ")
    sys.exit(2)

dw = pd.DataFrame()
# KDJ 值对应的函数是 STOCH
dw['slowk'], dw['slowd'] = talib.STOCH(
			df['high'].values, 
			df['low'].values, 
			df['close'].values,
                        fastk_period=9,
                        slowk_period=3,
                        slowk_matype=0,
                        slowd_period=3,
                        slowd_matype=0)
# 求出J值，J = (3*K) - (2*D)
dw['slowj'] = list(map(lambda x,y: 3*x-2*y, dw['slowk'], dw['slowd']))
dw.index = range(len(dw))
print(dw[-5:])

df['ma10'] = df['close'].rolling(window=10).mean()
df.index = pd.to_datetime(df.date)
# 画股票收盘价图
fig,axes = plt.subplots(2,1)
df[['close', 'ma10']].plot(ax=axes[0], grid=True, title=code)
# 画 KDJ 曲线图
dw[['slowk','slowd','slowj']].plot(ax=axes[1], grid=True)
plt.legend(loc='best', shadow=True)
plt.show()

请尽快使用Pro版接口：https://waditu.com/document/2