Python利用RSI、MACD和20均线图，分析某公司股票的短期价格趋势

本文选取恒瑞医药（股票代码为 'sh.600276' ） 2023-05-01至2023-07-01的收盘价，利用RSI（相对强弱指标）、MACD（移动平均收敛/发散指标）和20均线图来分析某公司股票收盘价的短期趋势。这些技术指标可以提供有关市场价格走势和动能的重要信息，帮助投资者更好地理解股票价格的波动。

（获取源代码ipynb文件可关注gzh'finance褪黑素'回复对应关键字，更多实证案例和模型可同样获取）

爬取恒瑞医药的股票价格数据

在最开始需要爬取恒瑞医药2023-05-01至2023-07-01的收盘价，Python代码如下：

# 获取股票数据代码
import baostock as bs
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime, date

# 登陆系统
lg = bs.login()
code = 'sh.600276' 
start = '2022-07-01'
end = '2023-07-01'

# 获取指数基金指数历史数据

hs300_price = bs.query_history_k_data_plus(code, "date,code,open,high,low,close,preclose,pctChg",
              start_date=start, end_date=end, frequency="d")
# 整合为DataFrame格式
data_list = []
while (hs300_price.error_code == '0') & hs300_price.next():
    data_list.append(hs300_price.get_row_data())
hs300 = pd.DataFrame(data_list, columns=hs300_price.fields)
hs300.to_csv('600276.csv')

通过df = pd.read_csv('600276.csv')调用查看生成的数据：

1.相对强弱指标（RSI）

1.1 RSI的介绍

RSI是一种平稳价格动量的技术指标，通常在0到100的范围内波动。它用于判断股票或其他资产是否处于超买或超卖状态。

超买（Overbought）：当市场价格上涨过快或过多，导致股票或其他资产的价格高于其合理价值时，市场被认为是超买状态。在这种情况下，市场参与者普遍认为该资产的价格偏高，可能面临回调或下跌的风险。超买并不意味着股票价格就一定会立即下跌，但它可能是一个价格反转的潜在信号。

超卖（Oversold）：当市场价格下跌过快或过多，导致股票或其他资产的价格低于其合理价值时，市场被认为是超卖状态。在这种情况下，市场参与者普遍认为该资产的价格偏低，可能面临反弹或上涨的机会。超卖并不意味着股票价格就一定会立即上涨，但它可能是一个价格反转的潜在信号。

RSI值70可能表示超买，意味着价格可能会回调。RSI值低于30可能表示超卖，暗示价格可能会反弹。

1.2 RSI的具体计算公式

（1）计算涨幅的平均值（Average Gain，AG）：取N天内涨幅的总和，然后除以N，其中N为RSI的计算周期（通常为14）。

AG = (gain1 + gain2 + ... + gainN) / N

计算跌幅的平均值（Average Loss，AL）：取N天内跌幅的总和，然后除以N，其中N为RSI的计算周期（通常为14）。

AL = (loss1 + loss2 + ... + lossN) / N

（2）计算RS的值（Relative Strength）：RS = AG / AL

（3）RSI = 100 - (100 / (1 + RS))

在RSI计算中，N天是选择当天之前的交易日数据。具体说来，RSI的计算周期为N天，而每一天的RSI值都是基于这N天内的价格变化数据计算出来的。

假设我们有一段时间内的股票价格数据，我们要计算14天的RSI值，那么对于第15天的RSI值，就是基于前14天（第2天到第15天）的价格变化数据来计算的。对于第16天的RSI值，就是基于前15天（第3天到第16天）的价格变化数据来计算的，依此类推。

RSI的计算周期是一个固定的值，通常常用的计算周期有14天、9天或者其他不同的天数，这取决于个人的偏好和分析需求。可以根据自己的需求选择合适的RSI计算周期。

1.3 恒瑞医药一年内的RSI

根据上述计算公式得到恒瑞医药2022-7-1至2023-7-1的RSI为（受篇幅限制只展示部分数据）

这一系列的数据都为RSI值的磁盘。磁盘的长度与输入价格数据的长度相同，每个位置上的值对时期的RSI值。当RSI值超过70时，可能意味着市场超买，当RSI值低于30时，可能意味着市场超卖。这些信号可指导进行买入或卖出出的决策。

price = df["close"]

def calculate_rsi(prices, period=14):
    deltas = np.diff(prices)
    seed = deltas[:period + 1]
    up = seed[seed >= 0].sum() / period
    down = -seed[seed < 0].sum() / period
    rs = up / down
    rsi = np.zeros_like(prices)
    rsi[:period] = 100. - 100. / (1. + rs)

    for i in range(period, len(prices)):
        delta = deltas[i - 1]  # since the diff is 1 shorter
        if delta > 0:
            upval = delta
            downval = 0.
        else:
            upval = 0.
            downval = -delta

        up = (up * (period - 1) + upval) / period
        down = (down * (period - 1) + downval) / period
        rs = up / down
        rsi[i] = 100. - 100. / (1. + rs)

    return rsi

# 示例用法
import numpy as np

# 假设这是你的价格数据，这里使用一个随机生成的示例数据
prices = np.array(price)

rsi_values = calculate_rsi(prices)
print(rsi_values)

 对rsi_values作柱形图，超过70的标红，少于30的部分标绿：

plt.figure(figsize=(12, 6))
plt.bar(range(len(rsi_values)), rsi_values)

# 设置柱形颜色
for i in range(len(rsi_values)):
    if rsi_values[i] > 70:
        plt.gca().get_children()[i].set_facecolor('red')
    elif rsi_values[i] < 30:
        plt.gca().get_children()[i].set_facecolor('green')

plt.xlabel('Days')
plt.ylabel('RSI Values')
plt.title('RSI Values with Red Bars > 70 and Green Bars < 30')
plt.show()

2.移动平均收敛/发散指标（MACD）

2.1 MACD的介绍

MACD是一种趋势跟踪指标，通过计算两条移动平均线（通常是12日和26日指数移动平均线）之间的方差来计算。还包括一条信号线（通常是9日移动平均线）。MACD的正值表示短期均线与长期均线，可能表明股票处于上涨趋势。反之，负值可能表明下跌趋势。

2.2 MACD的计算步骤

（1）计算快速（短期）移动平均线（EMA12）和慢速（长期）移动平均线（EMA26）。EMA是指数移动平均线。

EMA的初始值是取第一个计算周期（12或26）内的价格数据的简单移动平均（SMA）。简单移动平均是取这段时间内所有价格的总和，然后除以计算周期的天数。

接下来，计算每个后续EMA的值时，都会根据上一期EMA值和当前价格数据来计算。计算公式如下：

当前EMA值 = (当前价格 - 上一期EMA值) * 平滑系数 + 上一期EMA值

其中，平滑系数 = 2 / (计算周期 + 1)

（2）计算DIF线，即快EMA和慢速EMA的差值：DIF = EMA12 - EMA26。

（3）计算信号线（DEA），通常为DIF的9日（或其他周期）EMA。

（4）计算MACD柱状线（MACD Histogram），即DIF线与信号线之间的差值：MACD Histogram = DIF - DEA。

2.3 恒瑞医药的MACD图和解析

MACD指标图通常包含价格曲线、DIF线、信号线和MACD柱状图。

DIF线（红色线）：快速EMA和慢速EMA的差值。当DIF线在零轴上方时，表示短期均线相对于长期均线的走势较强势，可能会着着价格。上涨反之，当DIF线在零轴下方时，表示短期均线相对于长期均线的走势较为不利，可能会着着价格下跌。

信号线（绿线）：通常为DIF线的9日EMA。信号线是DIF线的平滑线，有助于过滤短期的价格波动。当DIF线从下方突破信号线时，可能是买入信号。相反，当DIF线从上方突破信号线时，可能是卖出信号。

MACD柱状图（橙色柱状图）：DIF线和信号线的差值。MACD柱状图在零轴上方时，表示快速均线走势强于慢速均线，市场可能呈现上涨趋势。反之，MACD柱状图在零上方轴下方时，表示快速均线走势弱于慢速均线，市场可能呈下跌趋势。

图中需要关注几个部分：

（1）DIF线和信号线的交叉：当DIF线从下方向上突破信号线，可能是买入信号。反之，当DIF线从上方上方突破信号线，可能是卖出信号。

（2）MACD柱状图的形态：观察MACD柱状图的高低，当MACD柱状图逐渐增大，表示快速均线走势强于慢速均线，市场可能呈上涨趋势。反之，当MACD柱状图逐渐缩小，表示快速均线走势弱于慢速均线，市场可能呈下跌趋势。

import numpy as np

def calculate_ema(data, window):
    # 计算指数移动平均线
    weights = np.exp(np.linspace(-1., 0., window))
    weights /= weights.sum()
    ema = np.convolve(data, weights, mode='full')[:len(data)]
    ema[:window] = ema[window]
    return ema

def calculate_macd(prices, short_window=12, long_window=26, signal_window=9):
    # 计算MACD指标
    short_ema = calculate_ema(prices, short_window)
    long_ema = calculate_ema(prices, long_window)

    dif = short_ema - long_ema
    signal_line = calculate_ema(dif, signal_window)

    macd_histogram = dif - signal_line

    return dif, signal_line, macd_histogram

# 示例用法
import matplotlib.pyplot as plt

# 假设这是你的价格数据，这里使用一个随机生成的示例数据
prices = price

dif, signal_line, macd_histogram = calculate_macd(prices)

plt.figure(figsize=(12, 6))
plt.plot(prices, label='Prices', color='blue')
plt.legend()
plt.show()

plt.figure(figsize=(12, 6))
plt.plot(dif, label='DIF', color='red')
plt.plot(signal_line, label='Signal Line', color='green')
plt.bar(range(len(prices)), macd_histogram, label='MACD Histogram', color='orange')
plt.legend()
plt.show()

3.20日简单移动平均线（20均线）

20日简单移动平均线是指过去20个交易日的收盘价的配合。它用于平滑价格数据，并经常启动支撑和制动水平。当价格上涨时并且位于20日均线上方时，可能表明股票呈上涨趋势。相反，当价格下跌且位于20日均线下方时，可能表明股票呈下跌趋势。

使用calculate_moving_average函数计算了20日均线的值。然后使用Matplotlib库来绘制不同的价格曲线和20日均线曲线。上述价格曲线以蓝色显示，20日均线以红色显示。

价格曲线（蓝色线）：代表了市场价格的走势。价格曲线的波动和变化反映了资产的价格走势，可以看出价格的涨跌趋势。

20日均线（红色线）代表了20日的移动平均价格。均线的作用是平滑价格波动，它反映了更长期的价格趋势。当价格在20日均线上方时，可能表明市场出现上涨趋势；当价格位于20日均线下方时，可能表明市场呈下跌趋势。

当价格曲线与20日均线之间交叉时，可能会着着价格趋势的变化。当价格曲线从下方向上突破20日均线时，可能是一个买入信号，表示市场可能出现上涨；反之，当价格椭圆形从上方穿过20日均线时，可能是卖出信号，表示市场可能出现下跌。

import numpy as np
import matplotlib.pyplot as plt

def calculate_moving_average(prices, window=20):
    # 计算移动平均线
    return np.convolve(prices, np.ones(window)/window, mode='same')

# 示例用法
# 假设这是你的价格数据，这里使用一个随机生成的示例数据
prices = price

# 计算20日均线
ma_20 = calculate_moving_average(prices, window=20)

# 绘制价格曲线和20日均线曲线
plt.figure(figsize=(12, 6))
plt.plot(prices, label='Prices', color='blue')
plt.plot(ma_20, label='20-day Moving Average', color='red')
plt.legend()
plt.show()

（获取源代码ipynb文件可关注gzh'finance褪黑素'回复对应关键字，更多实证案例和模型可同样获取）