股市常用指标

MACD


DIFF线 收盘价短期、长期指数平滑移动平均线间的差
DEA线  DIFF线的M日指数平滑移动平均线
MACD线 DIFF线与DEA线的差,彩色柱状线
参数:SHORT(短期)、LONG(长期)、M 天数,一般为12、26、9
用法:
1.DIFF、DEA均为正,DIFF向上突破DEA,买入信号。
2.DIFF、DEA均为负,DIFF向下跌破DEA,卖出信号。
3.DEA线与K线发生背离,行情反转信号。
4.分析MACD柱状线,由红变绿(正变负),卖出信号;由绿变红,买入信号

 

默认值 6、12、26

当时美国市场的交易日是6天,12天为两周,26为一个月,9为一个半周。
你现在要改为6,9等,首先还是要基于一定的根据,现在你连它原本的意思都不知道的情况下,去做修改,效果不见得会更好。您倒不如依据现实情况将参数改为10,22,8为好,也一定程度上比原来的设置反应快了。

 

DMI

用法:市场行情趋向明显时,指标效果理想。
PDI(上升方向线)    MDI(下降方向线)  ADX(趋向平均值)
1.PDI线从下向上突破MDI线,显示有新多头进场,为买进信号;
2.PDI线从上向下跌破MDI线,显示有新空头进场,为卖出信号;
3.ADX值持续高于前一日时,市场行情将维持原趋势;
4.ADX值递减,降到20以下,且横向行进时,市场气氛为盘整;
5.ADX值从上升倾向转为下降时,表明行情即将反转。
参数:N 统计天数; M  间隔天数,一般为14、6

 

默认参数 14、6 

推荐 12/5

 

DMA

1.DMA 向上交叉其平均线时,买进;
2.DMA 向下交叉其平均线时,卖出;
3.DMA 的交叉信号比MACD、TRIX 略快;
4.DMA 与股价产生背离时的交叉信号,可信度较高;
5.DMA、MACD、TRIX 三者构成一组指标群,互相验证。

 

默认值 10、50、10
推荐值 7、46、7

FSL

股价在分水岭之上为强势,反之为弱势.

 

 

TRIX


1.TRIX由下往上交叉其平均线时,为长期买进信号;
2.TRIX由上往下交叉其平均线时,为长期卖出信号;
3.DMA、MACD、TRIX 三者构成一组指标群,互相验证。

 

默认值 12、9

推荐值 9、7.5

 

BRAR

1.BR>400,暗示行情过热,应反向卖出;BR<40 ,行情将起死回生,应买进;
2.AR>180,能量耗尽,应卖出;AR<40 ,能量已累积爆发力,应买进;
3.BR 由300 以上的高点下跌至50以下的水平,低于AR 时,为绝佳买点;
4.BR、AR、CR、VR 四者合为一组指标群,须综合搭配使用。

 

默认值 26

推荐值 22

CR

1.CR>400时,其10日平均线向下滑落,视为卖出信号;CR<40买进;
2.CR 由高点下滑至其四条平均线下方时,股价容易形成短期底部;
3.CR 由下往上连续突破其四条平均线时,为强势买进点;
4.CR 除了预测价格的外,最大的作用在于预测时间;
5.BR、AR、CR、VR 四者合为一组指标群,须综合搭配使用。

 

默认值 26、10、20、40、62

推荐值 30、10、20、40、60

 

VR

1.VR>450,市场成交过热,应反向卖出;
2.VR<40 ,市场成交低迷,人心看淡的际,应反向买进;
3.VR 由低档直接上升至250,股价仍为遭受阻力,此为大行情的前兆;
4.VR 除了与PSY为同指标群外,尚须与BR、AR、CR同时搭配研判

 

默认值 26、6

推荐值 22、5

OBV


1.股价一顶比一顶高,而OBV 一顶比一顶低,暗示头部即将形成;
2.股价一底比一底低,而OBV 一底比一底高,暗示底部即将形成;
3.OBV 突破其N字形波动的高点次数达5 次时,为短线卖点;
4.OBV 跌破其N字形波动的低点次数达5 次时,为短线买点;
5.OBV 与ADVOL、PVT、WAD、ADL同属一组指标群,使用时应综合研判。

 

默认值 30

推荐值 22

 

ASI


1.ASI 又名「实质线」,是一条比收盘价线更能代表真实行情的曲线;
2.ASI 突破前一波高点后,第二天股价必突破前一波高点;
3.ASI 跌破前一波低点后,第二天股价必跌破前一波低点;
4.ASI 一般与股价走势维持同步波动,并非每一次行情都有领先作用,因此,使用者必须花费一些时间搜寻产生领先信号的个股。

 

默认值 6

推荐值 5

 

EMV


1.EMV 由下往上穿越0 轴时,视为中期买进信号;
2.EMV 由上往下穿越0 轴时,视为中期卖出信号;
3.EMV 的平均线穿越0 轴,产生假信号的机会较少;
4.当ADX 低于±DI时,本指标失去效用;
5.须长期使用EMV 指标才能获得最佳利润。

 

默认值 14、9

推荐值 11、7

 

VOL-TDX

对当天的最后一根日K线进行全天成交量预测,方便与以前的成交量进行对比

 

 

RSI


1.RSI>80 为超买,RSI<20 为超卖;
2.RSI 以50为中界线,大于50视为多头行情,小于50视为空头行情;
3.RSI 在80以上形成M头或头肩顶形态时,视为向下反转信号;
4.RSI 在20以下形成W底或头肩底形态时,视为向上反转信号;
5.RSI 向上突破其高点连线时,买进;RSI 向下跌破其低点连线时,卖出。

 

 

默认值 6、12、26

推荐值 5、10、22

WR

1.WR波动于0 - 100,100置于顶部,0置于底部。
2.本指标以50为中轴线,高于50视为股价转强;低于50视为股价转弱
3.本指标高于20后再度向下跌破20,卖出;低于80后再度向上突破80,买进。
4.WR连续触底3 - 4次,股价向下反转机率大;连续触顶3 - 4次,股价向上反转机率大。

 

默认值 10、6

推荐值 9、5

 

SAR

1.任何时候都可以使用SAR 为停损点;
2.价格涨跌的速度必须比SAR 升降的速度快,否则必会产生停损信号;
3.SAR 由红色变成绿色时,卖出;
4.SAR 由绿色变成红色时,买进;
5.本指标周期参数一般设定为4天;
6.本设定主要为寻找出现多头停损或空头停损的个股。

 

默认参数 4、2、2、20

推荐参数 5、2、2、20

KDJ


1.指标>80 时,回档机率大;指标<20时,反弹机率大;
2.K在20左右向上交叉D时,视为买进信号;
3.K在80左右向下交叉D时,视为卖出信号;
4.J>100 时,股价易反转下跌;J<0 时,股价易反转上涨;
5.KDJ 波动于50左右的任何信号,其作用不大。

 

默认值 9、3、3

推荐值 7.5、2.5、2.5

 

CCI

1.CCI 为正值时,视为多头市场;为负值时,视为空头市场;
2.常态行情时,CCI 波动于±100 的间;强势行情,CCI 会超出±100 ;
3.CCI>100 时,买进,直到CCI<100 时,卖出;
4.CCI<-100 时,放空,直到CCI>-100 时,回补。

 

默认值 14

推荐值 12

 

ROC

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;
4.本指标可设参考线。

 

默认值 12、6

推荐 10、5

 

MTM


MTM线 :当日收盘价与N日前的收盘价的差;
MTMMA线:对上面的差值求N日移动平均;
参数:N 间隔天数,也是求移动平均的天数,一般取6
用法:
1.MTM从下向上突破MTMMA,买入信号;
2.MTM从上向下跌破MTMMA,卖出信号;
3.股价续创新高,而MTM未配合上升,意味上涨动力减弱;
4.股价续创新低,而MTM未配合下降,意味下跌动力减弱;
5.股价与MTM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。

 

默认值 12、6

推荐值 10、5

 

BOLL


1.股价上升穿越布林线上限时,回档机率大;
2.股价下跌穿越布林线下限时,反弹机率大;
3.布林线震动波带变窄时,表示变盘在即;
4.BOLL须配合BB 、WIDTH 使用;

 

默认值 20 

推荐值 18

 

PSY

1.PSY>75,形成M头时,股价容易遭遇压力;
2.PSY<25,形成W底时,股价容易获得支撑;
3.PSY 与VR 指标属一组指标群,须互相搭配使用。

 

默认值 12、6

推荐值 10、5

 

MCST


1.MCST是市场平均成本价格;
2.MCST上升表明市场筹码平均持有成本上升;
3.MCST下降表明市场筹码平均持有成本下降。

 

 

 

以下是股票常用指标的 Python 代码示例: 1. 移动平均线(MA) ```python import pandas as pd # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算5日移动平均线 df['MA5'] = df['close'].rolling(5).mean() # 计算10日移动平均线 df['MA10'] = df['close'].rolling(10).mean() # 计算20日移动平均线 df['MA20'] = df['close'].rolling(20).mean() ``` 2. 指数移动平均线(EMA) ```python import pandas as pd # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算12日指数移动平均线 df['EMA12'] = df['close'].ewm(span=12, adjust=False).mean() # 计算26日指数移动平均线 df['EMA26'] = df['close'].ewm(span=26, adjust=False).mean() ``` 3. 相对强弱指标(RSI) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算14日相对强弱指标 df['RSI'] = talib.RSI(df['close'].values, timeperiod=14) ``` 4. 布林带(BOLL) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算布林带 df['upper'], df['middle'], df['lower'] = talib.BBANDS(df['close'].values, timeperiod=20) ``` 5. 随机指标(KDJ) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算KDJ指标 high = df['high'].values low = df['low'].values close = df['close'].values df['K'], df['D'] = talib.STOCH(high, low, close, fastk_period=9, slowk_period=3, slowk_matype=0, slowd_period=3, slowd_matype=0) df['J'] = 3 * df['K'] - 2 * df['D'] ``` 6. 平均真实波幅(ATR) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算14日平均真实波幅 df['ATR'] = talib.ATR(df['high'].values, df['low'].values, df['close'].values, timeperiod=14) ``` 7. 动量指标(MOM) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算12日动量指标 df['MOM'] = talib.MOM(df['close'].values, timeperiod=12) ``` 8. 相对强弱指数(RSI) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算14日相对强弱指数 df['RSI'] = talib.RSI(df['close'].values, timeperiod=14) ``` 9. 指数平滑移动平均线(MACD) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算MACD指标 macd, macdsignal, macdhist = talib.MACD(df['close'].values, fastperiod=12, slowperiod=26, signalperiod=9) df['MACD'] = macd df['MACD_SIGNAL'] = macdsignal df['MACD_HIST'] = macdhist ``` 10. 相对强弱平均线(RMI) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算RMI指标 df['RMI'] = talib.RMI(df['close'].values, timeperiod=14) ``` 11. 能量潮指标OBV) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算OBV指标 df['OBV'] = talib.OBV(df['close'].values, df['volume'].values) ``` 12. 三重指数平滑移动平均线(TRIX) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算TRIX指标 df['TRIX'] = talib.TRIX(df['close'].values, timeperiod=30) ``` 13. 移动平均线收敛/发散指标(MACD) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算MACD指标 macd, macdsignal, macdhist = talib.MACD(df['close'].values, fastperiod=12, slowperiod=26, signalperiod=9) df['MACD'] = macd df['MACD_SIGNAL'] = macdsignal df['MACD_HIST'] = macdhist ``` 14. 顺势指标(CCI) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) high = df['high'].values low = df['low'].values close = df['close'].values # 计算CCI指标 df['CCI'] = talib.CCI(high, low, close, timeperiod=20) ``` 15. 平均趋向指标(ADX) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) high = df['high'].values low = df['low'].values close = df['close'].values # 计算ADX指标 df['ADX'] = talib.ADX(high, low, close, timeperiod=14) ``` 16. 相对强弱指标(ROC) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算ROC指标 df['ROC'] = talib.ROC(df['close'].values, timeperiod=10) ``` 17. 心理线指标(PSY) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算PSY指标 df['PSY'] = talib.PSY(df['close'].values, timeperiod=12) ``` 18. 威廉指标(WILLR) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) high = df['high'].values low = df['low'].values close = df['close'].values # 计算WILLR指标 df['WILLR'] = talib.WILLR(high, low, close, timeperiod=14) ``` 19. 相对强弱动量指标(RMI) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) # 计算RMI指标 df['RMI'] = talib.RMI(df['close'].values, timeperiod=14) ``` 20. 梅斯线指标(MASS) ```python import pandas as pd import talib # 读取股票数据 df = pd.read_csv('stock.csv', index_col='date', parse_dates=True) high = df['high'].values low = df['low'].values close = df['close'].values # 计算MASS指标 df['MASS'] = talib.MASS(high, low, close) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值