写在前面
最近正在研究算法交易,看了几本英文原版书。本文总结自Packt出版社的《Learn Algorithmic Trading - Fundamentals of Algorithmic Trading》(图1)。现将该书的MACD技术指标部分进行总结,并对数据处理等函数做了相应改动,供有需要的读者学习研究。
MACD简介
MACD(Moving average convergence divergence)平滑异同移动平均线,1979年由美国人杰拉德·阿佩尔(Gerald Appel)及福雷德·海期尔(Fred Hitschler)所发明,在股票、期货等的市场分析等方面都有着广泛的应用。
用到的主要Python库
Python绘图库Matplotlib 3.2.1
Python金融数据处理库Pandas 1.0.2
MACD详细介绍
- MACD指标[1]基于快速、慢速两个长度不同的移动均线
(FastMA是短期均线,SlowMA是长期均线),即:
MACD = FastMA - SlowMA
第二条线,称为信号线,为移动MACD的平均值,即:
SignalLine = MovAvg (MACD)
第三条线,称为MACD直方图,为MACD和信号线之间的差异,即:
MACD Histogram = MACD - SignalLine - 公式 M A C D = E M A Fast − E M A Slow M A C D Signal = E M A M A C D M A C D Histogram = M A C D − M A C D Signal \begin{array}{c} MACD=E M A_{\text {Fast}}-E M A_{\text {Slow}} \\ MACD_{\text {Signal}}=E M A_{M A C D} \\ MACD_{\text {Histogram}}=M A C D-M A C D_{\text {Signal}} \end{array} MACD=EMAFast−EMASlowMACDSignal=EMAMACDMACDHistogram=MACD−MACDSignal
Python代码
# 处理时间标签
from datetime import datetime
# 图形参数控制
import pylab as pl
# 导入及处理数据
import pandas as pd
# 绘图
import matplotlib.pyplot as plt
import matplotlib as mpl
# 解决一些编辑器(VSCode)或IDE(PyCharm)等存在的图片显示问题,
# 应用Tkinter绘图,以便对图形进行放缩操作
mpl.use('TkAgg')
# 导入数据并做处理
def import_csv(stock_code):
df = pd.read_csv(stock_code + '.csv')
df.rename(columns={
'date': 'Date',
'open': 'Open',
'high': 'High',
'low': 'Low',
'close': 'Close',
'volume': 'Volume'
},
inplace=True)
df['Date'] = pd.to_datetime(df['Date'], format='%Y/%m/%d')
df.set_index(['Date'], inplace=True)
return df
stock_code = 'sh600519'
# 绘制数据的规模scale
scale = 100
df = import_csv(stock_code)[-scale:]
# EMA(Exponential Moving Average), 指数移动平均线
num_periods_fast = 10 # 快速EMA的时间周期,10
# K:平滑常数,常取2/(n+1)
K_fast = 2 / (num_periods_fast + 1) # 快速EMA平滑常数
ema_fast = 0
num_periods_slow = 40 # 慢速EMA的时间周期,40
K_slow = 2 / (num_periods_slow + 1) # 慢速EMA平滑常数
ema_slow = 0
num_periods_macd = 20 # MACD EMA的时间周期,20
K_macd = 2 / (num_periods_macd + 1) # MACD EMA平滑常数
ema_macd = 0
ema_fast_values = []
ema_slow_values = []
macd_values = []
macd_signal_values = []
# MACD - MACD-EMA
MACD_hist_values = []
for close_price in df['Close']:
if ema_fast == 0: # 第一个值
ema_fast = close_price
ema_slow = close_price
else:
ema_fast = (close_price - ema_fast) * K_fast + ema_fast
ema_slow = (close_price - ema_slow) * K_slow + ema_slow
ema_fast_values.append(ema_fast)
ema_slow_values.append(ema_slow)
# MACD is fast_MA - slow_EMA
macd = ema_fast - ema_slow
if ema_macd == 0:
ema_macd = macd
else:
# signal is EMA of MACD values
ema_macd = (macd - ema_macd) * K_macd + ema_macd
macd_values.append(macd)
macd_signal_values.append(ema_macd)
MACD_hist_values.append(macd - ema_macd)
df = df.assign(ClosePrice=pd.Series(df['Close'], index=df.index))
df = df.assign(FastEMA10d=pd.Series(ema_fast_values, index=df.index))
df = df.assign(SlowEMA40d=pd.Series(ema_slow_values, index=df.index))
df = df.assign(MACD=pd.Series(macd_values, index=df.index))
df = df.assign(EMA_MACD20d=pd.Series(macd_signal_values, index=df.index))
df = df.assign(MACD_hist=pd.Series(MACD_hist_values, index=df.index))
close_price = df['ClosePrice']
ema_f = df['FastEMA10d']
ema_s = df['SlowEMA40d']
macd = df['MACD']
ema_macd = df['EMA_MACD20d']
macd_hist = df['MACD_hist']
# 设置画布,纵向排列的三个子图
fig, ax = plt.subplots(3, 1)
# 设置标签显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 调整子图的间距,hspace表示高(height)方向的间距
plt.subplots_adjust(hspace=.1)
# 设置第一子图的y轴信息及标题
ax[0].set_ylabel('Close price in ¥')
ax[0].set_title('A_Stock %s MACD Indicator' % stock_code)
close_price.plot(ax=ax[0], color='g', lw=1., legend=True, use_index=False)
ema_f.plot(ax=ax[0], color='b', lw=1., legend=True, use_index=False)
ema_s.plot(ax=ax[0], color='r', lw=1., legend=True, use_index=False)
# 应用同步缩放
ax[1] = plt.subplot(312, sharex=ax[0])
macd.plot(ax=ax[1], color='k', lw=1., legend=True, sharex=ax[0], use_index=False)
ema_macd.plot(ax=ax[1], color='g', lw=1., legend=True, use_index=False)
# 应用同步缩放
ax[2] = plt.subplot(313, sharex=ax[0])
df['MACD_hist'].plot(ax=ax[2], color='r', kind='bar', legend=True, sharex=ax[0])
# 设置间隔,以便图形横坐标可以正常显示(否则数据多了x轴会重叠)
interval = scale // 20
# 设置x轴参数,应用间隔设置
# 时间序列转换,(否则日期默认会显示时分秒数据00:00:00)
# x轴标签旋转便于显示
pl.xticks([i for i in range(1, scale + 1, interval)],
[datetime.strftime(i, format='%Y-%m-%d') for i in \
pd.date_range(df.index[0], df.index[-1], freq='%dd' % (interval))],
rotation=45)
plt.show()
所得图像如下:
总结
本文以Python
的Matplotlib
绘图库为工具,实现了金融领域常用的MACD技术指标,便于大家更好地理解和应用量化交易,日后还会更新其他技术指标的Python
实现,欢迎学习交流!
本文用到的数据及有关书籍资源有需要者可私信我。
参考文献
[1] Sebastien Donadio,Sourav Ghosh.Learn Algorithmic Trading - Fundamentals of Algorithmic Trading.Birmingham:Packt Press,2019.P55-59.
推荐阅读
2020.8.1更新
指出了文中的一个错误,已在文中修改。代码第71行应该为K_macd,为macd的EMA的平滑常数,在此感谢细心的读者@ertewu.