初学python量化投资（二）

初学python量化投资（二）

MACD

小白刚开始炒股，学了看K线和均线之后，再想学指标估计就是MACD了，MACD的图形也比较好理解，一条快线（DIF），大于零说明多头强，小于零说明空头暂时nb一些，一条慢线（DEA），实际上就是快线的均线，跟快线上下跑，形成一些交叉，表示多空实力的翻转，下图是2000年的macd图像

想理解macd是怎么算出来的最重要的是了解EMA的算法，EMA不同于MA，多了的E代表Exponential，也就是指数的意思，原来的ＭA的算法简单粗暴，直接平均。多了个E就变成了越近的日子越重要，给了个指数形式的权重，成了加权平均，按理说这种指标用递归写最简单，但是为了不让一些意想不到的事情发生，也为了算的快一点，还是直接调库，

stock_data=pd.read_csv(code+'.csv',index_col='date',parse_dates=['date'])
stock_data['ema12']=mylib.EMA(stock_data['close'],12)
stock_data['ema26']=mylib.EMA(stock_data['close'],26)
stock_data['dif']=stock_data['ema12']-stock_data['ema26']
stock_data['dea']=mylib.EMA(stock_data['dif'],9)
stock_data['Histogram']=2*(stock_data['dif']-stock_data['dea'])
stock_data=stock_data.dropna()

手续费还是得交的

大战均线策略