OBV主要计算累积成交量，将股价上涨的成交量进行正累加，股价下跌时的成交量进行负向累加。其计算公式为：

O B V n = ± V n + O B V n − 1 \displaystyle OBV_n=\pm V_n + OBV_{n-1} OBVn=±Vn+OBVn−1

其中，OBVn和OBVn-1分别是本期和前一期的OBV值，而Vn则是当日的成交量。

当本期股价上涨，Vn的符号为正， O B V n = O B V n − 1 + V n \displaystyle OBV_n=OBV_{n-1}+V_n OBVn=OBVn−1+Vn
当本期股价下跌，Vn的符号为负， O B V n = O B V n − 1 − V n \displaystyle OBV_n=OBV_{n-1}-V_n OBVn=OBVn−1−Vn

以东方雨虹为例，计算OBV。Python代码如下：

import matplotlib.pyplot as plt

difClose = df.Close.diff()

difClose[0] = 0

OBV = (((difClose >= 0)*2-1)*Volume).cumsum()

OBV = OBV.dropna()

OBV.name = ‘OBV’

1.2 移动型OBV

移动型OBV是由累积OBV进行简单移动平均得到，一般选择9日或者12日为时间跨度，移动型OBV的计算公式为：

s m O B V t = O B V t + O B V t − 1 + ⋅ ⋅ ⋅ + O B V T − 8 9 , t = 9 , 10 , ⋅ ⋅ ⋅ \displaystyle smOBV_t = \frac{OBV_t+OBV_{t-1}+ ··· +OBV_{T-8}}{9}, t=9,10,··· smOBVt=9OBVt+OBVt−1+⋅⋅⋅+OBVT−8,t=9,10,⋅⋅⋅

用python计算东方雨虹移动型OBV

定义简单移动平均函数

def smaCal(tsPrice, k):

import pandas as pd

Sma = pd.Series(0.0, index=tsPrice.index)

for i in range(k-1, len(tsPrice)):

Sma[i] = sum(tsPrice[(i-k+1):(i+1)])/k

return(Sma)

计算移动型OBV

smOBV=smaCal(OBV,9)[8:]

![在这里插入图片描述](https://img-blo

g.csdnimg.cn/20210502212920607.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80ODk2NDQ4Ng==,size_16,color_FFFFFF,t_70)

1.3 修正型OBV

计算累积成交量时，无论股价变化幅度与趋势如何，当期的成交量的权重是一样的。为了将股价这些因素考虑进去，人们一般用多空比率净额(Volume Accumulation)来替代单纯的成交量。多空比率净额的计算公式为：

V A n = V A n − 1 + V n ( C n − L n ) − ( H n − C n ) H n − L n \displaystyle VA_n=VA_{n-1}+V_n\frac{(C_n-L_n)-(H_n-C_n)}{H_n-L_n} VAn=VAn−1+VnHn−Ln(Cn−Ln)−(Hn−Cn)

其中V_n为当日成交量，而Hn,Ln,Cn则分别是当日的最高价、最低价和收盘价。收盘价与最低价的差值表示多头力量的强度，最高价与最低价的差值表明空头力量的强度，两者之差表示多头的净力量幅度。

再用这个差值 ( C n − L n ) − ( H n − C n ) \displaystyle (C_n-L_n)-(H_n-C_n) (Cn−Ln)−(Hn−Cn)与最高价最低价差值 H n − L n \displaystyle H_n-L_n Hn−Ln之比，表示多头相对力量对于成交量的贡献程度。

计算修正型OBV

AdjOBV = ((df.Close-df.Low)-(df.High-df.Close))/(df.High-df.Low)*df.Volume

AdjOBV.name = ‘AdjOBV’

AdjOBVd = AdjOBV.cumsum()

AdjOBVd.name = ‘AdjOBVd’

AdjOBVd.describe()

绘制能量潮线图 2020年数据

import matplotlib.pyplot as plt

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

ax1 = plt.subplot(3,1,1)

df.Close[‘2020’].plot(title=‘东方雨虹2020年收盘价时序图’)

plt.xticks(df.Close[‘2020’].index[1:3],(’’))

ax2 = plt.subplot(3,1,2)

OBV[‘2020’].plot(label=‘OBV’,title=‘东方雨虹2020年累积能量潮与移动能量潮’)

smOBV[‘2020’].plot(label=‘smOBV’,linestyle=’-.’,color=‘r’)

plt.legend()

plt.xticks(df.Close[‘2020’].index[1:3],(’’))

ax3 = plt.subplot(3,1,3)

AdjOBVd[‘2020’].plot(title=‘成交量多空比率净额’)

for ax in ax1,ax2,ax3:

ax.grid(True)

结果如下所示：

2. OBV指标理论依据

===================================================================================

OBV指标的理论依据主要有以下三点：

当投资者对于股价的预期不一致时，成交量很大；当投资者对于股价的预期一致时，成交量则较小。
物理学中物体不会一直上升，总会下跌，而且物体在上升时所需要的能量要比下降时要多。我们把这个原理类比到股市，会得到一个量与价的关系：股价易跌难涨；而且股价下跌时需要的成交量，要小于股价上升时需要的成交量。
由惯性原理，热门股在相当长的一段时间内都会保持较大的成交量和价格波动。而冷门股则相反。

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

OBV指标交易策略(累积能量潮与移动能量潮，成交量多空比率净额及相关应用原则)相关推荐

【量化笔记】OBV指标交易策略
本篇博客是量化笔记系列的最后一篇了,之后会停更一段时间量化内容,后面会写什么还待定 OVB主要计算累计成交量,将股价上涨时的成交量进行正累加,对股价下跌时的成交量进行负累加,计算公式是: O B V ...
【量化笔记】随机指标交易策略 KDJ
KDJ指标的计算公式未成熟随机指标RSV RSV=第n天的收盘价−最近n天内的最低价最近n天内的最高价−最近n天内的最低价RSV=\frac{第n天的收盘价-最近n天内的最低价}{最近n天内的最高价 ...
Python 金融量化随机指标交易策略
目录 1.随机指标概述 2.随机指标原理 3.获取数据 4. 计算RSV 5. 计算K.D指标值 5.1 K值.D值指标概述 5.2 计算代码 6.计算J值 7.绘制KDJ线 8. KDJ交易策略 1 ...
用Python语言绘制股市OBV指标效果
我的新书<基于股票大数据分析的Python入门实战>于近日上架,在这篇博文向大家介绍我的新书:<基于股票大数据分析的Python入门实战>里,介绍了这本书的内容.这里将摘录出部 ...
obv代码matlab,obv指标源代码,标准obv指标源代码
内容导航: Q1:谁知道这个指标源代码?主图!谢谢 input:P1(5); 年:MA(CLOSE,26),color00ff00; cp:="cpzb@cp"; cp,LINET ...
python n个list如何组成矩阵_如何用马科维茨投资组合优化法和现代资产组合理论生成交易策略？...
全文共6852字,预计学习时长14分钟图源:pixabay 本文旨在展示如何用马科维茨(Markowitz)的投资组合优化法和现代资产组合理论(MPT)来生成交易策略. 本文首先对均值-方差优化法进 ...
均线交易策略的回测 r_使用r创建交易策略并进行回测
均线交易策略的回测 r R Programming language is an open-source software developed by statisticians and it is w ...
在Elasticsearch中回测超级趋势线(Supertrend)交叉交易策略
我们已经讨论了好几个单一指标交易策略,其中简单的相对强弱指数(RSI)交易策略取得的利润最高. 在本文中,我们将使用 Elasticsearch 实现超级趋势线(Supertrend)交叉交易策略,并 ...
基于量能的抄底摸底+追涨杀跌的交易策略
致力于量化策略开发,高质量社群,交易思路分享等相关内容大家好,我是乌克兰剑圣. 这一期我们开发一个基于量能的交易策略,提到量能第一想到的就是成交量,持仓量,委托量这些耳熟能详的名词.然而,利用量能因 ...
量化投资实战（一）之KDJ交易策略
点赞.关注再看,养成良好习惯 Life is short, U need Python 初学量化投资实战,[快来点我吧] 1. 前言由于最近博主比较忙,所以有一段时间没写博文了:另外,量化投资基础系 ...

OBV指标交易策略(累积能量潮与移动能量潮，成交量多空比率净额及相关应用原则)

定义简单移动平均函数

计算移动型OBV

计算修正型OBV

绘制能量潮线图 2020年数据

最后

OBV指标交易策略(累积能量潮与移动能量潮，成交量多空比率净额及相关应用原则)相关推荐

最新文章

热门文章

OBV指标交易策略(累积能量潮与移动能量潮，成交量多空比率净额及相关应用原则)

定义简单移动平均函数

计算移动型OBV

计算修正型OBV

绘制能量潮线图 2020年数据

最后

insertAdIfNeeded();

OBV指标交易策略(累积能量潮与移动能量潮，成交量多空比率净额及相关应用原则)相关推荐

最新文章

热门文章