Python 实现股票指标计算——CR

CR (Chande Momentum Oscillator) - 中间意愿指标

1 公式

中间价 = 当日最高价和最低价的平均值

上升值 = 当日最高价与前一日中间价之差，若差值小于0则设为0

下跌值 = 前一日中间价与当日最低价之差，若差值小于0则设为0

多方强度 =  N 个周期内上升值的总和

空方强度 =  N 个周期内下跌值的总和

CR 指标 = 多方强度除以空方强度后 ✖ 100

a = CR的10天简单平均线后移5天

b = CR的20天简单平均线后移9天

c = CR的40天简单平均线后移17天

d = CR的62天简单平均线后移28天

2 数据准备

我们以科创50指数 000688 为例，指数开始日期为2019-12-31，数据格式如下：

3 计算过程

def calculate_cr(df: pd.DataFrame, N=26, M1=10, M2=20, M3=40, M4=62):
    """
    计算 Chaikin 振荡指标（CR）及其移动平均线。

    参数:
    df (pd.DataFrame): 包含至少 'high' 和 'low' 列的 DataFrame，代表每日最高价和最低价。
    N (int): 用于计算多方和空方强度的时间窗口大小，默认为26。
    M1 (int): 第一条 CR 移动平均线的时间窗口大小，默认为10。
    M2 (int): 第二条 CR 移动平均线的时间窗口大小，默认为20。
    M3 (int): 第三条 CR 移动平均线的时间窗口大小，默认为40。
    M4 (int): 第四条 CR 移动平均线的时间窗口大小，默认为62。

    返回:
    pd.DataFrame: 包含 CR 指标和其四条移动平均线的 DataFrame。
    """

    # 创建一个df的副本以避免修改原始数据
    data = df.copy()

    # 计算中间价，作为当日最高价和最低价的平均值
    mid_price = (data['high'] + data['low']) / 2

    # 计算上升值和下跌值
    # 上升值是当日最高价与前一日中间价之差，若差值小于0则设为0
    up_move = data['high'] - mid_price.shift(1)
    up_move[up_move < 0] = 0
    # 下跌值是前一日中间价与当日最低价之差，若差值小于0则设为0
    down_move = mid_price.shift(1) - data['low']
    down_move[down_move < 0] = 0

    # 计算多方强度和空方强度，即在 N 个周期内上升值和下跌值的总和
    positive_strength = up_move.rolling(N, min_periods=1).sum()
    negative_strength = down_move.rolling(N, min_periods=1).sum()

    # 计算 CR 指标，它是多方强度除以空方强度后乘以100
    cr = (positive_strength / negative_strength) * 100

    # 计算 CR 指标的多条移动平均线，每个移动平均线都有不同的时间窗口
    a = cr.rolling(M1).mean().shift(5)
    b = cr.rolling(M2).mean().shift(9)
    c = cr.rolling(M3).mean().shift(17)
    d = cr.rolling(M4).mean().shift(28)

    # 将计算出的 CR 指标和移动平均线添加到 DataFrame
    data['cr'] = cr
    data['a'] = a
    data['b'] = b
    data['c'] = c
    data['d'] = d

    # 返回包含所有计算出指标的 DataFrame
    return data

4 注意事项

参数N=26，M1=10，M2=20，M3=40，M4=62时，计算结果与东方财富软件中一致

雪球无此指标