一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典
简历模板![在这里插入图片描述](https://img-blog.csdnimg.cn/646863996ac44da8af500c049bb72fbd.png#pic_center)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
-
1.3 修正型OBV
-
2. OBV指标理论依据
-
3. OBV指标的交易策略制定
-
4.OBV指标的应用原则
OBV的英文全称为On Balance Volume,中文为能量潮。该指标认为,市场的动能应该由成交量的变化情况来反映。成交量可以反映出市场买卖双方的活跃情况,量是价的先行者,价格的变化情况与成交量有着密切关系。OBV指标从量入手对价格走势做出预测,将成交量指标化,制成趋势线,配合股价趋势线,通过价格的变动及成交量的增减关系来推测股价变动趋势。
获取数据以便示例
获取数据
import tushare as ts
import pandas as pd
import numpy as np
token = ‘Your token’ # 输入你的接口密匙,获取方式及相关权限见Tushare官网。这句话不能照抄!
pro = ts.pro_api(token)
def get_data(tscode):
df = pro.daily(ts_code=tscode)
df = df.loc[:, [‘trade_date’, ‘open’, ‘high’, ‘low’, ‘close’, ‘vol’]]
df.rename(
columns={
‘trade_date’: ‘Date’, ‘open’: ‘Open’,
‘high’: ‘High’, ‘low’: ‘Low’,
‘close’: ‘Close’, ‘vol’: ‘Volume’},
inplace=True) # 重定义列名,方便统一规范操作。
df[‘Date’] = pd.to_datetime(df[‘Date’]) # 转换日期列的格式,便于作图
df.set_index([‘Date’], inplace=True) # 将日期列作为行索引
df = df.sort_index() # 倒序以便作图
return df
df = get_data(‘002271.SZ’) #东方雨虹为例
=================================================================================
关于能量潮OBV的指标计算,一般有累积OBV,移动OBV和修正型OBV这三种计算方式。
OBV主要计算累积成交量,将股价上涨的成交量进行正累加,股价下跌时的成交量进行负向累加。其计算公式为:
O B V n = ± V n + O B V n − 1 \displaystyle OBV_n=\pm V_n + OBV_{n-1} OBVn=±Vn+OBVn−1
其中,OBVn和OBVn-1分别是本期和前一期的OBV值,而Vn则是当日的成交量。
-
当本期股价上涨,Vn的符号为正, O B V n = O B V n − 1 + V n \displaystyle OBV_n=OBV_{n-1}+V_n OBVn=OBVn−1+Vn
-
当本期股价下跌,Vn的符号为负, O B V n = O B V n − 1 − V n \displaystyle OBV_n=OBV_{n-1}-V_n OBVn=OBVn−1−Vn
以东方雨虹为例,计算OBV。Python代码如下:
import matplotlib.pyplot as plt
difClose = df.Close.diff()
difClose[0] = 0
OBV = (((difClose >= 0)*2-1)*Volume).cumsum()
OBV = OBV.dropna()
OBV.name = ‘OBV’
移动型OBV是由累积OBV进行简单移动平均得到,一般选择9日或者12日为时间跨度,移动型OBV的计算公式为:
s m O B V t = O B V t + O B V t − 1 + ⋅ ⋅ ⋅ + O B V T − 8 9 , t = 9 , 10 , ⋅ ⋅ ⋅ \displaystyle smOBV_t = \frac{OBV_t+OBV_{t-1}+ ··· +OBV_{T-8}}{9}, t=9,10,··· smOBVt=9OBVt+OBVt−1+⋅⋅⋅+OBVT−8,t=9,10,⋅⋅⋅
用python计算东方雨虹移动型OBV
定义简单移动平均函数
def smaCal(tsPrice, k):
import pandas as pd
Sma = pd.Series(0.0, index=tsPrice.index)
for i in range(k-1, len(tsPrice)):
Sma[i] = sum(tsPrice[(i-k+1):(i+1)])/k
return(Sma)
计算移动型OBV
smOBV=smaCal(OBV,9)[8:]
计算累积成交量时,无论股价变化幅度与趋势如何,当期的成交量的权重是一样的。为了将股价这些因素考虑进去,人们一般用多空比率净额(Volume Accumulation)来替代单纯的成交量。多空比率净额的计算公式为:
V A n = V A n − 1 + V n ( C n − L n ) − ( H n − C n ) H n − L n \displaystyle VA_n=VA_{n-1}+V_n\frac{(C_n-L_n)-(H_n-C_n)}{H_n-L_n} VAn=VAn−1+VnHn−Ln(Cn−Ln)−(Hn−Cn)
其中V_n为当日成交量,而Hn,Ln,Cn则分别是当日的最高价、最低价和收盘价。收盘价与最低价的差值表示多头力量的强度,最高价与最低价的差值表明空头力量的强度,两者之差表示多头的净力量幅度。
再用这个差值 ( C n − L n ) − ( H n − C n ) \displaystyle (C_n-L_n)-(H_n-C_n) (Cn−Ln)−(Hn−Cn)与最高价最低价差值 H n − L n \displaystyle H_n-L_n Hn−Ln之比,表示多头相对力量对于成交量的贡献程度。
计算修正型OBV
AdjOBV = ((df.Close-df.Low)-(df.High-df.Close))/(df.High-df.Low)*df.Volume
AdjOBV.name = ‘AdjOBV’
AdjOBVd = AdjOBV.cumsum()
AdjOBVd.name = ‘AdjOBVd’
AdjOBVd.describe()
绘制能量潮线图 2020年数据
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False
ax1 = plt.subplot(3,1,1)
df.Close[‘2020’].plot(title=‘东方雨虹2020年收盘价时序图’)
plt.xticks(df.Close[‘2020’].index[1:3],(‘’))
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!