什么是技术分析
所谓股票的技术分析,是相对于基本面分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析,以此来研究股票的价值,衡量股价的高低。而技术分析则是透过图表或技术指标的记录,研究市场过去及现在的行为反应,以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而得的,技术分析只关心证券市场本身的变化,而不考虑会对其产生某种影响的经济方面、政治方面的等各种外部的因素。
什么是talib
talib的简称是Technical Analysis Library,主要功能是计算股价的技术分析指标。先简单看看Talib都给我们提供了那些计算技术指标的函数,按技术指标的类型示例如下:
函数名:CDL2CROWS
名称:Two Crows 两只乌鸦
简介:三日K线模式,第一天长阳,第二天高开收阴,第三天再次高开继续收阴,收盘比前一日收盘价低,预示股价下跌。
例子:integer = CDL2CROWS(open, high, low, close)
函数名:CDL3STARSINSOUTH
名称:Three Stars In The South 南方三星
简介:三日K线模式,与大敌当前相反,三日K线皆阴,第一日有长下影线,第二日与第一日类似,K线整体小于第一日,第三日无下影线实体信号,成交价格都在第一日振幅之内,预示下跌趋势反转,股价上升。
例子:integer = CDL3STARSINSOUTH(open, high, low, close)
函数名 : MA
名称:Moving average 移动平均值
简介:移动平均值是在一定范围内的价格平均值
例子:ma = MA(close, timeperiod=30, matype=0)
函数名:ADX
名称:Average Directional Movement Index 平均趋向指数
简介:ADX指数是反映趋向变动的程度,而不是方向的本身。
例子:adx = ADX(high, low, close, timeperiod=14)
函数名:ATR
名称:Average True Range 平均真实波幅
简介:主要用来衡量价格的波动。因此,这一技术指标并不能直接反映价格走向及其趋势稳定性,而只是表明价格波动的程度。
例子:atr = ATR(high, low, close, timeperiod=14)
函数名:OBV
名称:On Balance Volume 能量潮
简介:通过统计成交量变动的趋势推测股价趋势
计算公式:以某日为基期,逐日累计每日上市股票总成交量,若隔日指数或股票上涨,则基期OBV加上本日成交量为本日OBV。隔日指数或股票下跌,则基期OBV减去本日成交量为本日OBV
例子:obv = OBV(close, volume)
由于篇幅有限,技术分析指标不能在此充分介绍,可以参考talib官方文档
如何使用:MA实例
- 已知MA这个函数的调用方式为:ma = MA(close, timeperiod=30, matype=0)
- close表示收盘价序列,timeperiod指定义好均线的计算长度即几日均线,不输入的话,默认为30日, matype可以默认不用输入,然后就可以得到均线的值
- 因此简单来讲,只取获取收盘价,就可以轻松计算移动平均值
下面以平安银行(000001.SZA)为例进行说明:
计算结果如下所示:
我们就这样跟方便的计算出了移动平均线的值,接下来我们计算xia稍微复杂一点的EMA和MACD
可以看到,talib模块可以很方便地帮助我们计算计算分析指标。
4.策略实战:MACD策略
- 当macd下穿signal时,卖出股票
- 当macd上穿signal时,买入股票
完整的策略我贴在下面,原文请参考BigQuant人工智能量化投资平台 (www.bigquant.com)
1. 策略参数
- instruments = ['000009.SZA']
- start_date = '2014-09-16'# 起始时间
- end_date = '2017-01-03' # 结束时间
- def initialize(context):
-
- context.set_commission(PerDollar(0.0015)) # 手续费设置
- # 需要设置计算MACD的相关参数参数
- context.short = 12
- context.long = 26
- context.smoothperiod = 9
- context.observation = 100
-
-
- def handle_data(context, data):
-
-
- if context.trading_day_index < 100: # 在100个交易日以后才开始真正运行
- return
-
- sid = context.symbol(instruments[0])
- # 获取价格数据
- prices = data.history(sid, 'price', context.observation, '1d')
- # 用Talib计算MACD取值,得到三个时间序列数组,分别为macd, signal 和 hist
- macd, signal, hist = talib.MACD(np.array(prices), context.short,
- context.long, context.smoothperiod)
-
- # 计算现在portfolio中股票的仓位
- cur_position = context.portfolio.positions[sid].amount
-
- # 策略逻辑
- # 卖出逻辑 macd下穿signal
- if macd[-1] - signal[-1] < 0 and macd[-2] - signal[-2] > 0:
- # 进行清仓
- if cur_position > 0 and data.can_trade(sid):
- context.order_target_value(sid, 0)
- # 买入逻辑 macd上穿signal
- if macd[-1] - signal[-1] > 0 and macd[-2] - signal[-2] < 0:
- # 买入股票
- if cur_position == 0 and data.can_trade(sid):
- context.order_target_percent(sid, 1)
- m=M.backtest.v5(
- instruments=instruments,
- start_date=start_date,
- end_date=end_date,
- initialize=initialize,
- handle_data=handle_data,
- order_price_field='close',
- order_price_field_buy='open',
- order_price_field_sell='open',
- capital_base=float("1.0e6"),
- benchmark='000300.INDX',
- )