Python 实现 CCI 指标计算：股票技术分析的利器系列（8）

---

介绍

CCI指标的数值波动通常在一个区间内，常见的情况是在-100到+100之间。当CCI超过+100时，通常表示价格处于超买状态，可能会出现回调或下跌的趋势；当CCI低于-100时，通常表示价格处于超卖状态，可能会出现反弹或上涨的趋势。因此，CCI可以帮助交易者确认价格的转折点，并作为买入或卖出的参考依据。

先看看官方介绍：

CCI(商品路径指标）
用法
1.CCI 为正值时，视为多头市场；为负值时，视为空头市场；
2.常态行情时，CCI 波动于±100 的间；强势行情，CCI 会超出±100 ；
3.CCI>100 时，买进，直到CCI<100 时，卖出；
4.CCI<-100 时，放空，直到CCI>-100 时，回补。

算法解释

TYP:=(HIGH+LOW+CLOSE)/3;
CCI:(TYP-MA(TYP,N))/(0.015*AVEDEV(TYP,N));

1. 计算TYP（典型价格）：

   • TYP 是指通过将最高价（HIGH）、最低价（LOW）和收盘价（CLOSE）相加，然后除以3得到的值。这个值代表了一定时间段内的典型价格。

2. 计算CCI（商品通道指数）：

   • 首先，从TYP序列中减去TYP的N期简单移动平均（MA(TYP, N)），其中N是指定的周期数，通常是20。
   • 接着，将差值除以一个常数（0.015）与TYP的N期平均绝对偏差（AVEDEV(TYP, N)）的乘积。
   • 平均绝对偏差是指TYP序列中每个数据点与序列的平均值的绝对差的平均值。
   • 最终得到的值就是CCI指标，用来衡量价格相对于其平均价格的差异程度。

这个指标主要用于判断市场是否处于超买或超卖状态。CCI越高，说明价格偏离其平均值越多，可能意味着市场处于超买状态；而CCI越低，可能意味着市场处于超卖状态。

代码

rolling函数介绍

rolling 函数通常与其他函数（如 mean、sum、std 等）一起使用，以计算滚动统计量，例如滚动均值、滚动总和等。

以下是 rolling 函数的基本语法：

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

• window: 用于计算统计量的窗口大小。
• min_periods: 每个窗口最少需要的非空观测值数量。
• center: 确定窗口是否居中，默认为 False。
• win_type: 窗口类型，例如 None、boxcar、triang 等，默认为 None。
• on: 在数据帧中执行滚动操作的列，默认为 None，表示对整个数据帧执行操作。
• axis: 执行滚动操作的轴，默认为 0，表示按列执行操作。
• closed: 确定窗口的哪一端是闭合的，默认为 None。

核心代码

计算 CCI

# 计算 CCI
def calculate_CCI(data, n):
    typ = (data['HIGH'] + data['LOW'] + data['CLOSE']) / 3
    typ_ma = typ.rolling(window=n).mean()
    mean_deviation = typ.rolling(window=n).apply(lambda x: (x - x.mean()).abs().mean())
    cci = (typ - typ_ma) / (0.015 * mean_deviation)
    return cci

apply 函数

apply函数是pandas库中的一个重要函数，它能够将指定的函数应用到DataFrame或Series的行或列上。apply函数的灵活性使得我们能够对数据进行各种自定义的处理和计算。

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)
Series.apply(func, convert_dtype=True, args=())

• func：要应用的函数，可以是一个Python函数、lambda函数或者其他可调用的对象。
• axis：指定函数是沿着DataFrame的行（axis=0）还是列（axis=1）进行应用，默认是沿着列方向。
• raw：布尔值，表示是否将整行或整列的数据传递给函数，默认为False，表示传递的是每个元素。
• result_type：结果的数据类型，默认为None，表示返回结果的数据类型与输入的数据类型相同；如果指定为’expand’，则返回一个DataFrame；如果指定为’reduce’，则返回一个Series。
• args：要传递给函数的其他位置参数。

apply函数能够接受的函数有很多种，包括lambda函数、自定义函数、numpy函数等。通常情况下，我们会使用lambda函数或者自定义函数来对数据进行处理，然后通过apply函数将其应用到DataFrame或Series上。

下面是一个示例，演示如何使用apply函数将一个自定义函数应用到DataFrame的列上：

import pandas as pd

# 自定义函数，用于计算平方
def square(x):
    return x ** 2

# 创建DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10]})

# 将自定义函数应用到DataFrame的每一列上
result = df.apply(square)
print(result)

abs 函数

abs() 函数是 Python 的内置函数之一，用于返回指定数字的绝对值。

在数学上，一个数的绝对值是该数到零的距离，因此无论该数是正数还是负数，它的绝对值都是非负数。

abs() 函数接受一个参数，并返回该参数的绝对值。如果参数是整数或浮点数，则返回相应的数值的绝对值；如果参数是复数，则返回该复数的模。

下面是一个简单的示例：

# 整数的绝对值
print(abs(-5))  # 输出：5

# 浮点数的绝对值
print(abs(-3.14))  # 输出：3.14

# 复数的模
print(abs(3 + 4j))  # 输出：5.0

完整代码

import pandas as pd

import a_get_data

data = {
    'CLOSE': 填每日收盘的数据,
    'HIGH': 填每日最高的数据,
    'LOW': 填每日最低的数据
}

# 计算 CCI
def calculate_CCI(data, n):
    typ = (data['HIGH'] + data['LOW'] + data['CLOSE']) / 3
    typ_ma = typ.rolling(window=n).mean()
    mean_deviation = typ.rolling(window=n).apply(lambda x: (x - x.mean()).abs().mean())
    cci = (typ - typ_ma) / (0.015 * mean_deviation)
    return cci


df = pd.DataFrame(data)

n = 14

# 计算CCI指标
df["CCI"] = calculate_CCI(df, n)
print(df)