02 布林线

1.概念

布林线指标，即BOLL指标，其英文全称是“Bollinger Bands”，布林线(BOLL)由约翰 布林先生创造，其利用统计原理，求出股价的标准差及其信赖区间，从而确定股价的波动范围及未来走势，利用波带显示股价的安全高低价位，因而也被称为布林带。其上下限范围不固定，随股价的滚动而变化。布林指标和麦克指标MIKE一样同属路径指标，股价波动在上限和下限的区间之内，这条带状区的宽窄，随着股价波动幅度的大小而变化，股价涨跌幅度加大时，带状区变宽，涨跌幅度狭小盘整时，带状区则变窄。

2.计算方法

1）日BOLL指标的计算公式

　中轨线=N日的移动平均线
　上轨线=中轨线＋两倍的标准差
　下轨线=中轨线－两倍的标准差

2）日BOLL指标的计算过程

       a.计算MA:MA=N日内的收盘价之和÷N
　　b.计算标准差MD:MD=平方根N日的（C－MA）的两次方之和除以N
　　C.计算MB、UP、DN线:
　　MB=（N－1）日的MA
　　UP=MB＋2×MD
　　DN=MB－2×MD

3.BOLL指标意义：

布林线中长期看来是一种优秀的趋势指标，当布林线由收口转至开口时，表示股价结束盘整，即将产生剧烈波动，而股价的突破方向，标志着未来趋势的运动方向。也即，股价向上突破阻力线，则是一轮上升趋势，反之，将是下跌趋势。同时。平均线与阻力线(或支撑线)构成的上行(楚游)通道对于把握股价的中长期走势有着强烈的指示作用。

• 当布林线的上、中、下轨线同时向上运行时，表明股价强势特征非常明显，股价短期内将继续上涨，投资者应坚决持股待涨或逢低买入。
• 当布林线的上、中、下轨线同时向下运行时，表明股价的弱势特征非常明显，股价短期内将继续下跌，投资者应坚决持币观望或逢高卖出。
• 当布林线的上轨线向下运行，而中轨线和下轨线却还在向上运行时，表明股价处于整理态势之中。如果股价是处于长期上升趋势时，则表明股价是上涨途中的强势整理，投资者可以持股观望或逢低短线买入；如果股价是处于长期下跌趋势时，则表明股价是下跌途中的弱势整理，投资者应以持股观望或逢高减仓为主。
• 布林线的上轨线向上运行，而中轨线和下轨线同时向下运行，表明股价将经历一轮下跌，下跌的幅度将由开口的大小决定，反之，布林线的下轨线向下运行，而中轨线和上轨线同时向上运行，表明股价将经历一轮上涨，上涨的幅度将由开口的大小决定。

4.代码实现

import talib
import pandas as pd
import matplotlib.pyplot as plt


# 布林线
def Boll(data_df, para=[20, 2, 2, 0]):
    timeperiod, nbdevup, nbdevdn, matype = para
    data_df['boll_upper'], data_df['boll_middle'], data_df['boll_lower'] = talib.BBANDS(data_df.close.values,
                                                                                        timeperiod=timeperiod,
                                                                                        nbdevup=nbdevup,  # 平均值的无偏标准偏差数
                                                                                        nbdevdn=nbdevdn,
                                                                                        matype=matype
                                                                                        # 移动平均线类型：此处为简单移动平均线
                                                                                        )


if __name__ == '__main__':
    df = pd.read_csv('SH.601857.csv').iloc[-1000:, :]
    Boll(df)
    plt.figure()
    plt.plot(df.close.values, label='close')
    plt.plot(df.boll_upper.values, label='boll_upper')
    plt.plot(df.boll_middle.values, label='boll_middle')
    plt.plot(df.boll_lower.values, label='boll_lower')
    plt.legend()
    plt.show()