Talib技术因子详解（一）

talib安装方式：pip install Ta-lib

Tushare数据获取请参考：金融量化分析基础环境搭建

数据获取代码

import tushare as ts
ts.set_token('Tushare的token')
pro = ts.pro_api()#使用tushare旧版接口获取数据
def get_data(code, start, end):df = pro.daily(ts_code=code, start_date=start, end_date=end)df.index = pd.to_datetime(df.trade_date)df=df[['open', 'high', 'low', 'close', 'pre_close', 'change', 'pct_chg', 'vol', 'amount']]df = df.rename(columns={"vol": "volume"})df = df.iloc[::-1]return df

1、布林线 (买卖指标)，调用方式为：

upper, middle, lower = talib.BBANDS(close, timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)

根据历史数据画出一个通道，upper为上限，lower为下限，middle为平均位置。调用参数：

（1）close：收盘价。

（2）timeperiod：计算的周期，通常选择20天。

（3） nbdevup：上限价格相对于周期内标准偏差的倍数，取值越大，则上限越大，通道越宽。

（4）nbdevdn：下限价格相对于周期内标准偏差的倍数，取值越大，则下限越大，通道越宽。

（5）matype：平均值计算类型，0代表简单一定平均，还可以有加权平均等方式。

2、双指数平均线DEA，调用方式为：

output = talib.DEMA(close, timeperiod)

双指数平均线大幅度的改善了传统平均线的延迟效应，可以较早的显示出价格反转的可能性，这个指标不仅只是当投资人在使用葛兰碧移动平均线八大法则时，能够更快的获知价格突破或跌破的反转点，同时，将这个双指数用在MACD理论时，可用以替代传统的单指数EMA线上，而获得更早的买卖进出时点的讯号。

3、指数平均线，EMA，平均线的一种，调用方式为：

output = talib.DEMA(close, timeperiod)

4、HT_TRENDLINE希尔伯特瞬时变换，调用方式为：

output = talib.HT_TRENDLINE(close)

趋向类指标，其构造原理是仍然对价格收盘价进行算术平均，并根据计算结果来进行分析，用于判断价格未来走势的变动趋势。

5、KAMA 卡芙曼自适应移动平均线，调用方式为：

output = talib.KAMA(close, timeperiod)

6、MA 移动平均线，调用方式如下：

output = talib.MA(close_price_arr, 14)

7、MAMA MESA自适应移动平均线，调用方式如下：

8、MAVP 变周期移动平均线, 调用方式：

output = talib.MAVP(close, periods, minperiod=2, maxperiod=30, matype=0)

periods的维度需与close一致，也就是为每个价格设置不同的平均线周期。

9、MIDPOINT 阶段中点价格，调用方式如下：

output = talib.MIDPOINT(close, timeperiod)

10、MIDPRICE 阶段中点价格，调用方式如下：

output = talib.MIDPRICE(high, low, timeperiod)

全部代码

# -*- coding: utf-8 -*-
"""
Created on Wed Jul  7 22:45:25 2021@author: Administrator
"""import numpy as np
import talib as tl
import matplotlib.pyplot as plt
import pandas as pd  import tushare as ts
ts.set_token('自己申请的token')
pro = ts.pro_api()#使用tushare旧版接口获取数据
def get_data(code, start, end):df = pro.daily(ts_code=code, start_date=start, end_date=end)df.index = pd.to_datetime(df.trade_date)df=df[['open', 'high', 'low', 'close', 'pre_close', 'change', 'pct_chg', 'vol', 'amount']]df = df.rename(columns={"vol": "volume"})df = df.iloc[::-1]return dfif __name__ == '__main__':#matplotlib作图plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号#Tushare数据获取start_date = '20200701'end_date   = '20210701'df = get_data('000001.SZ', start_date, end_date)open_price_arr = df['open'].valuesclose_price_arr = df['close'].valueshigh_price_arr = df['high'].valueslow_price_arr = df['low'].valuesvolume_arr = df['volume'].values#1、BBANDS upper, middle, lower = BBANDS(input_arrays, 20, 2, 2) 布林线 (买卖指标)# upper, middle, lower = tl.BBANDS(close_price_arr, 20, 2, 2, 0)# plt.plot(close_price_arr)# plt.plot(upper)# plt.plot(middle)# plt.plot(lower)# plt.legend(['close', 'upper', 'middle', 'lower'])# plt.show()#2、DEMA dema = DEMA(close, timeperiod)# output = tl.DEMA(close_price_arr, 14)#3、EMA ，指数平均线 output = DEMA(close, timeperiod)# output = tl.EMA(close_price_arr, 14)#4、HT_TRENDLINE希尔伯特瞬时变换# output = tl.HT_TRENDLINE(close_price_arr)#5、KAMA 卡芙曼自适应移动平均线 output = tl.KAMA(close, timeperiod)# output = tl.KAMA(close_price_arr, 14)#6、MA 移动平均线 output = tl.MA(close, timeperiod)# output = tl.MA(close_price_arr, 14)#7、MAMA MESA自适应移动平均线 mama, fama = tl.MAMA(close)# mama, fama = tl.MAMA(close_price_arr)# plt.plot(close_price_arr)# plt.plot(mama)# plt.plot(fama)# plt.legend(['close', 'mama', 'fama'])# plt.show()#8、MAVP 变周期移动平均线, MAVP(close, periods, minperiod=2, maxperiod=30, matype=0)# close_price_arr = np.array([1,5,7,8], dtype=float)# periods =np.array([2,3,3,2], dtype=float)# output = tl.MAVP(close_price_arr, periods, maxperiod=3)#9、MIDPOINT 阶段中点价格 mid = tl.MIDPOINT(close, timeperiod)# output = tl.MIDPOINT(close_price_arr, 14)#10、MIDPRICE 阶段中点价格 output = tl.MIDPRICE(high, low, 14)# output = tl.MIDPRICE(high_price_arr, low_price_arr, 14)# plt.plot(high_price_arr)# plt.plot(low_price_arr)# plt.plot(output)# plt.legend(['high', 'low', 'output'])# plt.show()plt.plot(close_price_arr)plt.plot(output)plt.legend(['close', 'output'])plt.show()

Talib技术因子详解（一）相关推荐

Talib技术因子详解（四）
talib安装方式:pip install Ta-lib Tushare数据获取请参考:金融量化分析基础环境搭建数据获取代码请参考:Talib技术因子详解(一) 26.MACD 异同移动平均线,调用 ...
Talib技术因子详解（三）
talib安装方式:pip install Ta-lib Tushare数据获取请参考:金融量化分析基础环境搭建数据获取代码请参考:Talib技术因子详解(一) 17.ADX 平均趋向指数,调用方式 ...
Talib技术因子详解（二）
talib安装方式:pip install Ta-lib Tushare数据获取请参考:金融量化分析基础环境搭建数据获取代码请参考:Talib技术因子详解(一) 11.SAR 阶段中点价格SAR指标 ...
【干货】PMcaff干货课程学习精彩分享：Apple Watch 技术特性详解
昨天PMcaff给大家推荐了Apple Watch的发布会,好多小伙伴们在后台留言,所以PMcaff小咖今天给大家找来一篇干货,看完感觉还不错,在这里分享给大家. 作为苹果主推的智能穿戴产品,Appl ...
[Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解（定位元素、常用方法、键盘鼠标操作）
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
nmos导通流向_技术参数详解，MOS管知识最全收录！
原标题:技术参数详解,MOS管知识最全收录! MOS管,即金属(Metal)-氧化物(Oxide)-半导体(Semiconductor)场效应晶体管,是一种应用场效应原理工作的半导体器件:和普通双极型 ...
计算机三级网络技术知识点cn,计算机等级三级网络技术考试详解
首页 > 办公休闲手游计算机等级三级网络技术考试详解一.基本知识 1.具有计算机软件及应用的基本知识 2.掌握操作系统的基本知识 3.掌握计算机网络的基本概念与基本工作原理 4.掌握I ...
交换机最多可以接几个_【技术】详解一个交换机能带动多少个网络监控摄像头？...
原标题:[技术]详解一个交换机能带动多少个网络监控摄像头? 一个交换机能带动多少个网络监控摄像头?千兆交换机一般接200万网络摄像机能接几个?24个网络头,用一台24口百兆交换机行不行?下面就这类问题 ...
Android网络开发技术实战详解
<Android网络开发技术实战详解> 基本信息作者: 朱桂英丛书名: Android移动开发技术丛书出版社:电子工业出版社 ISBN:9787121173493 上架时间:2012 ...
知识图谱技术发展详解（一）
一.万维网现状 1.当前的Web是一种面向人的网络,很多繁琐的过程依旧需要人工的参与. 2.以搜索引擎为例,目前的搜索引擎主要依靠关键字匹配,因此存在如下问题: (1)高匹配.低精度,搜索出来的内容中 ...

Talib技术因子详解（一）

全部代码

Talib技术因子详解（一）相关推荐

最新文章

热门文章