借助talib使用技术分析指标来炒股（附完整策略代码）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

1.什么是技术分析?

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。

2.什么是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)

3.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:

1. # 获取数据
   
2. df = D.history_data(['000001.SZA'],'2015-12-01','2016-02-20',
   
3.                     fields=['date','close']).set_index('date')
   
4. # 通过rolling_mean函数计算移动平均值（方法1）
   
5. df['MA10_rolling'] = pd.rolling_mean(df['close'],10)
   
6. # 将价格数据转化成float类型
   
7. close = [float(x) for x in df['close']]
   
8. # 通过talib计算移动平均值（方法2）
   
9. df['MA10_talib'] = talib.MA(np.array(close), timeperiod=10)
   
10. # 检查两种方法计算结果是否一致
    
11. df.tail(12)

复制代码

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，接下来我们计算下稍微复杂一点的EMA和MACD

1. # 调用talib计算6日指数移动平均线的值
   
2. df['EMA12'] = talib.EMA(np.array(close), timeperiod=6)  
   
3. df['EMA26'] = talib.EMA(np.array(close), timeperiod=12)   
   
4. # 调用talib计算MACD指标
   
5. df['MACD'],df['MACDsignal'],df['MACDhist'] = talib.MACD(np.array(close),
   
6.                             fastperiod=6, slowperiod=12, signalperiod=9)   
   
7. df.tail(12)

复制代码

补充说明一下，close是收盘价，timeperiod指的是指数移动平均线EMA的长度，fastperiod指更短时段的EMA的长度，slowperiod指更长时段的EMA的长度，signalperiod指DEA长度

可以看到，talib模块可以很方便地帮助我们计算技术分析指标。

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
  

策略源代码见（运行平台为BigQuant）：

1. instruments = ['000651.SZA']
   
2. start_date = '2010-09-16'# 起始时间   
   
3. end_date = '2017-05-07' # 结束时间
   
4. def initialize(context):
   
5.    
   
6.     context.set_commission(PerDollar(0.0015)) # 手续费设置
   
7.     # 需要设置计算MACD的相关参数参数
   
8.     context.short = 12
   
9.     context.long = 26
   
10.     context.smoothperiod = 9
    
11.     context.observation = 100
    
12.    
    
13. def handle_data(context, data):
    
14.     if context.trading_day_index < 100: # 在100个交易日以后才开始真正运行
    
15.         return
    
16.    
    
17.     sid = context.symbol(instruments[0])
    
18.     # 获取价格数据
    
19.     prices = data.history(sid, 'price', context.observation, '1d')
    
20.     # 用Talib计算MACD取值，得到三个时间序列数组，分别为macd, signal 和 hist
    
21.     macd, signal, hist = talib.MACD(np.array(prices), context.short,
    
22.                                     context.long, context.smoothperiod)
    
23. 
    
24.     # 计算现在portfolio中股票的仓位
    
25.     cur_position = context.portfolio.positions[sid].amount
    
26.    
    
27.     # 策略逻辑
    
28.     # 卖出逻辑 macd下穿signal
    
29.     if macd[-1] - signal[-1] < 0 and macd[-2] - signal[-2] > 0:
    
30.         # 进行清仓
    
31.         if cur_position > 0 and data.can_trade(sid):
    
32.             context.order_target_value(sid, 0)
    
33. 
    
34.     # 买入逻辑  macd上穿signal
    
35.     if macd[-1] - signal[-1] > 0 and macd[-2] - signal[-2] < 0:
    
36.         # 买入股票
    
37.         if cur_position == 0 and data.can_trade(sid):
    
38.             context.order_target_percent(sid, 1)
    
39. 
    
40. m=M.backtest.v5(
    
41.     instruments=instruments,
    
42.     start_date=start_date,
    
43.     end_date=end_date,
    
44.     initialize=initialize,
    
45.     handle_data=handle_data,
    
46.     order_price_field_buy='open',
    
47.     order_price_field_sell='open',
    
48.     capital_base=float("1.0e6"),
    
49.     benchmark='000300.INDX',
    
50. )

复制代码

原文地址为BigQuant社区（https://bigquant.com/tutorial/）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏6 回帖

关键词：技术分析指标 分析指标 技术分析 ALI lib 技术 经营管理 证券市场 成交量 分析法

好用的，thanks

谢谢分享