MACD、KDJ、DMA等常用技术指标的python实现

MACD指标

简介

MACD又称为异同移动平均线，用来度量不同频率移动平均线的变化情况。MACD指标主要包括3根线，分别为DIF、DEA和MACD。

计算方法

$$12日EMA:EMA(12)=\frac{2}{12+1}\ast 今日收盘价(12)+\frac{11}{12+1}\ast 昨日EMA(12)$$
$$26日EMA:EMA(26)=\frac{2}{26+1}\ast 今日收盘价(26)+\frac{25}{26+1}\ast 昨日EMA(26)$$
$$DIFF：DIFF=EMA(12)-EMA(26)$$
$$DEA:DEA=\frac{2}{9+1}\ast 今日DIFF+\frac{8}{9+1}\ast 昨日DEA$$
$$MACD：MACD=2\ast (DIFF-DEA)$$

指标含义

DIFF表示长周期均线和短周期均线的差值，DIFF > 0则表示短周期均线处于长周期均线上方，DIFF < 0则表示短周期均线处于长周期均线下方。DEA是DIFF的简单移动平均线，MACD是移动平均线和移动平均线的移动平均线的差值。

在应用过程中，常用其中的MACD指标或其中多个组合进行判断。

同时使用DIFF和DEA进行判断

当DIFF>0时，说明短周期均线处于长周期均线上方，近期价格呈现上涨趋势；当DEA>0时，说明短周期均线在近几期一直处于长周期均线的上方。如果DIFF上穿DEA，表示DIFF近期也处于上涨趋势，这两者叠加，说明该标的近期价格已经处于一个很高的价位。

若单独使用MACD指标

和同时使用DIFF和DEA相差不大，MACD是将DIFF和DEA差值以数值的形式表现出来。MACD有绿柱和红柱，柱体越长，说明近期价格上涨或下跌的程度越强，可以视作上涨或下跌力量的强弱。

python代码实现

在python中可以利用第三方库talib计算MACD指标，但发现怎么都无法和通达信等行情软件对上，所以自己按照原理写了一个。

由于原始数据难以获得，所以以下代码基于掘金量化平台的sdk查询标的原始数据。如果本地有数据或有其他的数据来源，只需要将data数据集变成输入参数，将函数中获取data的部分删除即可。

这里用到pandas库里面特别好用的两个函数：rolling/expanding和ewm，前者是滚动窗口，后者是求加权平均。rolling(N)可以实现每N个求一次平均，expanding(N)可以实现从N个窗口开始，求逐渐扩大窗口的平均。

# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
import pandas as pd
import numpy as np

def MACD(symbol, start_time, end_time):

    '''计算MACD指标
        输入参数：symbol <- str      标的代码 （2005年以前上市的不可用）
                start_time <- str  起始时间
                end_time <- str    结束时间
        输出数据：
                macd <- dataframe  macd指标，包括DIFF、DEA、MACD

    '''
    
    # 取历史数据，取到上市首日
    data = history(symbol=symbol, frequency='1d', start_time='2005-01-01', end_time=end_time, fields='symbol,bob,close',
                   df=True)
                   
    # 将数据转化为dataframe格式
    data['bob'] = data['bob'].apply(lambda x: x.strftime('%Y-%m-%d')).tolist()

    # 计算EMA(12)和EMA(16)
    data['EMA12'] = data['close'].ewm(alpha=2 / 13, adjust=False).mean()
    data['EMA26']