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()