Python实现ROC工具判断信号：股票技术分析的工具系列（7）

---

介绍

ROC（变动率指标）是一种技术分析指标，用于衡量价格变动的速度和幅度，计算方式为当前收盘价与一定期间前收盘价的变动率。

先看看官方介绍：

ROC(变动率指标）
用法
1.本指标的超买超卖界限值随个股不同而不同，使用者应自行调整；
2.本指标的超买超卖范围，一般介于±6.5之间；
3.本指标用法请参考MTM 指标用法；
（1）ROC从下向上突破ROCMA，买入信号；
（2）ROC从上向下跌破ROCMA，卖出信号；
（3）股价续创新高，而ROC未配合上升，意味上涨动力减弱；
（4）股价续创新低，而ROC未配合下降，意味下跌动力减弱；
（5）股价与ROC在低位同步上升，将有反弹行情；反之，从高位同步下降，将有回落走势。
4.本指标可设参考线。

算法公式

ROC:100*(CLOSE-REF(CLOSE,N))/REF(CLOSE,N);
MAROC:MA(ROC,M);

优势	描述
灵活性	ROC指标的超买超卖界限值随个股不同而不同，使用者可以根据具体情况进行调整，使得指标更适合不同个股的特性。
清晰的买卖信号	当ROC从下向上突破ROCMA时，产生买入信号；当ROC从上向下跌破ROCMA时，产生卖出信号。这提供了清晰的交易信号，有助于投资者抓住市场的买卖时机。
配合价格趋势	ROC指标能够配合价格趋势进行分析，当股价续创新高而ROC未配合上升时，意味着上涨动力减弱；反之，当股价续创新低而ROC未配合下降时，意味着下跌动力减弱。
指示反弹或回落行情	当股价与ROC在低位同步上升时，将有反弹行情；反之，当股价与ROC在高位同步下降时，将有回落走势。这为投资者提供了判断市场走势的重要参考。

劣势：

劣势	描述
单一性	ROC指标虽然能够提供清晰的买卖信号，但它只是从价格变动率的角度进行分析，缺乏对其他市场因素的考虑，可能无法全面反映市场的复杂情况。
市场噪音影响	在市场波动较大或处于震荡状态时，ROC指标可能会产生虚假信号，影响投资者的交易决策。
需要进一步验证	虽然ROC指标提供了买卖信号和趋势配合分析，但投资者仍需要结合其他指标和分析方法进行综合判断，以确认信号的有效性。

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。

完整代码

data代码

这里完整代码中的data部分，阔以通过下面资源文件下载，或者留下邮箱等发送。：

https://download.csdn.net/download/qq_36051316/88896567

ROC.py

 
import pandas as pd
import stock_data

data = {
    'DATE': stock_data.DATE,
    'CLOSE': stock_data.CLOSE,
    'HIGH': stock_data.HIGH,
    'LOW': stock_data.LOW,
    'OPEN': stock_data.OPEN,
    'CHANGE': stock_data.CHANGE,
    'VOL': stock_data.VOL,
    'CAPITAL': stock_data.CAPITAL
}

df = pd.DataFrame(data)


def calculate_roc(data, n):
    """
    计算ROC指标

    参数：
    data: pandas.DataFrame，包含股票数据的DataFrame
    n: int，窗口大小

    返回：
    pandas.Series，ROC指标数据
    """
    return 100 * (data['CLOSE'] - data['CLOSE'].shift(n)) / data['CLOSE'].shift(n)


def calculate_maroc(roc, m):
    """
    计算MAROC指标

    参数：
    roc: pandas.Series，ROC指标数据
    m: int，窗口大小

    返回：
    pandas.Series，MAROC指标数据
    """
    return roc.rolling(window=m).mean()


def generate_signals(v_df, day_index=-1):
    """
    生成信号

    参数：
    v_df: pandas.DataFrame，包含ROC和MAROC指标的DataFrame
    day_index: int，要检查的日期索引，默认为最后一天

    返回：
    str，表示信号的字符串，可能为"买入信号"、"卖出信号"或"无信号"
    """
    row = v_df.iloc[day_index]
    if row['ROC'] > row['MAROC']:
        return '买入信号'
    elif row['ROC'] < row['MAROC']:
        return '卖出信号'
    else:
        return '无信号'


n = 12
m = 6

df['ROC'] = calculate_roc(df, n)
df['MAROC'] = calculate_maroc(df['ROC'], m)
result = generate_signals(df)
print(result)