好运快3app苹果_用matplotlib和pandas绘制股票MACD指标图,并验证化交易策略

  • 时间:
  • 浏览:1
  • 来源:GZ资源网 - 专注共享维森博客资讯

    我的新书《基于股票大数据分析的Python入门实战》于近日上架,在这篇博文向亲们介绍我的新书:《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。这里将摘录出累积内容,用以推广本书,请亲们多多支持。   

1 MACD指标的计算依据

     从数学深层来分析,MACD指标是根据均线的构造原理,对股票收盘价进行平滑解决,计算出算术平均值只是我再进行二次计算,它是属于趋向类指标。

    MACD指标是由三累积构成的,分别是:DIF(离差值,也叫差离值)、DEA(离差值平均)和BAR(柱状线)。

    具体的计算过程是,首先算出快速移动平均线(EMA1)和慢速移动平均线(EMA2),用这只是我数值来测量两者间的差离值(DIF),在此基础上再计算差离值(DIF)N周期的平滑移动平均线DEA(也叫MACD、DEM)线。

    如前文所述,EMA1周期参数一般取12日,EMA2一般取26日,而DIF一般取9日,在此基础上,MACD指标的计算步骤如下所示。

    第一步:计算移动平均值(即EMA)。

    12日EMA1的计算依据是:EMA(12)= 前一日EMA(12)× 11/13 + 今日收盘价 × 2/13

    26日EMA2的计算依据是:EMA(26)= 前一日EMA(26)× 25/27 + 今日收盘价 ×2 /27

    第二步:计算MACD指标中的差离值(即DIF)。

    DIF = 今日EMA(12)- 今日EMA(26)

    第三步:计算差离值的9日EMA(即MACD指标中的DEA)。用差离值计算它的9日EMA,只是我 值只是我差离平均值(DEA)。

    今日DEA(MACD)= 前一日DEA × 8/10 + 今日DIF × 2/10

    第四步:计算BAR柱状线。

    BAR = 2 × (DIF - DEA)

    这里乘以2的导致 是,在不影响趋势的状况下,从数值上扩大DIF和DEA差值,只是我观察效果就更加明显。

    最后,把各点(即每个交易日)的DIF值和DEA值连接起来,就能得到在x轴上下移动的两条线,分别表示短期(即快速,EMA1,周期是12天)和长期(即慢速,EMA2,周期是26天)。只是我,DIF和DEA的离差值能构成红、绿一种颜色的柱状线,在x轴之上是红色,而x轴之下是绿色。

2 遍历数据表数据,绘制MACD指标

    同K线指标一样,根据不同的计算周期, MACD指标只是还都还上能分为日指标、周指标、月指标乃至年指标。在下面的DrawMACD.py范例系统进程运行中将绘制日MACD指标,在只是我 范例系统进程运行中不还都还上能看得人关于数据型态、图形绘制和数据库相关的操作,导致 系统进程运行代码比较长,下面分段讲解。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import matplotlib.pyplot as plt
5    import pymysql
6    import sys
7    # 第只是我参数是数据,第一三个小参数是周期
8    def calEMA(df, term):
9        for i in range(len(df)):
10           if i==0: # 第一天
11               df.ix[i,'EMA']=df.ix[i,'close']
12           if i>0:
13              df.ix[i,'EMA']=(term-1)/(term+1)*df.ix[i-1,'EMA']+2/(term+1) * df.ix[i,'close']
14       EMAList=list(df['EMA'])
15       return EMAList

    在第8行到第15行的calEMA依据中,根据第一三个小参数term,计算快速(周期是12天)和慢速(周期是26天)的EMA值。

    具体步骤是,通过第9行的for循环,遍历由第只是我参数指定的DataFrame类型的df对象,根据第10行的if条件中,导致 是第一天,则EMA值用当天的收盘价,导致 满足第12行的条件,即有的是第一天,则在第13行中根据8.3.1节的算法,计算当天的EMA值。

    请注意,在第11行和第13行中是通过df.ix的形式访问索引行(比如第i行)和指定标签列(比如EMA列)的数值,ix依据与只是我loc以及iloc依据不同的是,ix依据不还都还上能通过索引值和标签值访问,而loc以及iloc依据不到通过索引值来访问。计算完成后,在第14行把df的EMA列转加进去列表类型的对象并在第15行返回。

16   # 定义计算MACD的依据
17   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
18       shortEMA = calEMA(df, shortTerm)
19       longEMA = calEMA(df, longTerm)
20       df['DIF'] = pd.Series(shortEMA) - pd.Series(longEMA)
21       for i in range(len(df)):
22           if i==0:         # 第一天
23               df.ix[i,'DEA'] = df.ix[i,'DIF']  # ix不还都还上能通过标签名和索引来获取数据
24           if i>0:
25                 df.ix[i,'DEA'] = (DIFTerm-1)/(DIFTerm+1)*df.ix[i-1,'DEA'] + 2/(DIFTerm+1)*df.ix[i,'DIF']
26       df['MACD'] = 2*(df['DIF'] - df['DEA'])
27       return df[['date','DIF','DEA','MACD']]
28       # return df

    在第15行到第27行定义的calMACD依据中,将调用第8行定义的calEMA依据来计算MACD的值。具体步骤是,在第18行和第19行通过调用calEMA依据,分别得到了快速和慢速的EMA值,在第20行,用这只是我值计算DIF值。请注意,shortEMA和longEMA有的是列表类型,全都不还都还上能像第20行那样,通过调用pd.Series依据把它们转加进去Series类对象后再直接计算差值。

    从第21行到第25行的系统进程运行励志的话 ,也是根据8.3.1节给出的公式计算DEA值,同样要用两条if励志的话 区分“第一天”和“只是我几天”类似于于种状况,在第26行根据计算公式算出MACD的值。

    第27行返回指定的列,在里边的代码中不还都还上能 用到df对象的只是我 列,此时则不还都还上能用如第28行所示的代码返回df的删剪列。

29   try:
50       # 打开数据库连接
31       db = pymysql.connect("localhost","root","123456","pythonStock" )
32   except:
33       print('Error when Connecting to DB.')
34       sys.exit()
35   cursor = db.cursor()
36   cursor.execute("select * from stock_500895")
37   cols = cursor.description        # 返回列名
38   heads = []
39   # 依次把每个cols元素中的第只是我值里装去去col数组
40   for index in cols:
41       heads.append(index[0])
42   result = cursor.fetchall()
43   df = pd.DataFrame(list(result))
44   df.columns=heads
45   # print(calMACD(df, 12, 26, 9)) # 输出结果
46   stockDataFrame = calMACD(df, 12, 26, 9)

    从第29行到第35行的系统进程运行励志的话 ,建立了MySQL数据库的连接和获得游标cursor对象,在第36行中,通过select类型的SQL励志的话 ,来获取stock_500895表中的所有数据,如8.2节所述,只是我 数据表中的数据源自雅虎网站。

    在第37行中,得到了stock_500895数据表的字段列表。在第40行和第41行的for循环中,把字段列表中的第0行索引元素里装去去了heads。在第42行和第43行,把从stock_500895数据表中获取的数据里装去去到df对象。在第44行的系统进程运行励志的话 ,把含晒 数据表字段列表的heads对象赋值给df对象的字段。

    执行到这里,导致 加进去第45行打印励志的话 的注解,就能看得人第一列输出的是字段名列表,只是我会按天输出与MACD有关的股票指标数据。

    在第46行调用了calMACD依据,并把结果赋值给stockDataFrame对象,只是我就不还都还上能根据stockDataFrame对象中的值结速绘图。

47   # 结速绘图
48   plt.figure()
49   stockDataFrame['DEA'].plot(color="red",label='DEA')
50   stockDataFrame['DIF'].plot(color="blue",label='DIF')
51   plt.legend(loc='best')    # 绘制图例
52   # 设置MACD柱状图
53   for index, row in stockDataFrame.iterrows():
54       if(row['MACD'] >0):   # 大于0则用红色
55           plt.bar(row['date'], row['MACD'],width=0.5, color='red')
56       else:                               # 小于等于0则用绿色
57           plt.bar(row['date'], row['MACD'],width=0.5, color='green')
58   # 设置x轴坐标的标签和旋转深层
59   major_index=stockDataFrame.index[stockDataFrame.index%10==0]
50   major_xtics=stockDataFrame['date'][stockDataFrame.index%10==0]
61   plt.xticks(major_index,major_xtics)
62   plt.setp(plt.gca().get_xticklabels(), rotation=50)
63   # 带网格线,且设置了网格样式
64   plt.grid(line)
65   plt.title("500895张江高科的MACD图")
66   plt.rcParams['axes.unicode_minus'] = False
67   plt.rcParams['font.sans-serif']=['SimHei']
68   plt.show()

    在第49和第50行中通过调用plot依据,以折线的形式绘制出DEA和DIF第两根线,在第51行中设置了图例。

    在第53行到第57行的for循环中,以柱状图的形式依次绘制了每天的MACD值的柱状线,这里用第54行和第56行的if…else励志的话 进行区分,导致 row['MACD']大于0,则MACD柱是红色,反之是绿色。

    从第59行到第61行的系统进程运行励志的话 设置了x轴的标签,导致 显示每天的日期,没法 x轴上的文字会过于密集,全都在第59行和第50行进行相应的解决,只显示stockDataFrame.index%10==0(即索引值是10的倍数)的日期。

    在第62行设置了x轴文字的旋转深层,在第64行设置了网格的式样,在第65行设置了标题文字,最后在第68行通过调用show依据绘制了整个图形。

    请注意,导致 不编写第66行的系统进程运行励志的话 ,没法 y轴标签值里的负号就不用显示,只是我显示结果就不正确了。读者不还都还上能把这条励志的话 注释掉后,再运行一下,看看结果怎样才能。

     至此,亲们实现了计算并绘制MACD指标线的功能,读者应该掌握了怎样才能获得指定股票在指定时间段内的交易数据,而不还里都还上能稍微改写上述的范例系统进程运行,绘制出只是我 股票在指定时间范围内的MACD走势图。

3 MACD与K线均线的整合效果图

     MACD是趋势类指标,导致 把它与K线和均线整合到一起励志的话 ,就能更好地看出股票走势的“趋势性”。在下面的DrawKwithMACD.py范例系统进程运行中示范了整合它们的效果,导致 系统进程运行代码比较长,因而在下面的分析中略去了只是我 只是我分析过的重复代码,读者不还都还上能从本书提供下载的范例系统进程运行中看得人删剪的代码。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import matplotlib.pyplot as plt
5    import pymysql
6    import sys
7    from mpl_finance import candlestick2_ochl
8    from matplotlib.ticker import MultipleLocator
9    # 计算EMA的依据,第只是我参数是数据,第一三个小参数是周期
10   def calEMA(df, term):
11       # 省略具体实现,请参考本书提供下载的删剪范例系统进程运行
12   # 定义计算MACD的依据
13   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
14       # 省略里边的计算过程,请参考本书提供下载的删剪范例系统进程运行
15       return df

    从第3行到第8行的系统进程运行励志的话 通过import励志的话 导入了必要的依赖包,第10行定义的calEMA依据和DrawMACD.py范例系统进程运行中的删剪一致,全都就省略了该依据内部管理的代码。第13行定义计算MACD的calMACD依据和DrawMACD.py范例系统进程运行中的同名依据也删剪一致,但在最后的第15行,是通过return励志的话 返回整个df对象,而有的是返回仅仅含晒 MACD指标的相关列,这是导致 ,在后文中不还都还上能 股票的开盘价等数值来绘制K线图。

16   try:
17       # 打开数据库连接
18       db = pymysql.connect("localhost","root","123456","pythonStock" )
19   except:
20       print('Error when Connecting to DB.')
21       sys.exit()
22   cursor = db.cursor()
23   cursor.execute("select * from stock_500895")
24   cols = cursor.description        # 返回列名
25   heads = []
26   # 依次把每个cols元素中的第只是我值里装去去col数组
27   for index in cols:
28       heads.append(index[0])
29   result = cursor.fetchall()
50   df = pd.DataFrame(list(result))
31   df.columns=heads
32   # print(calMACD(df, 12, 26, 9)) # 输出结果
33   stockDataFrame = calMACD(df, 12, 26, 9)

    从第16行到第33行的系统进程运行励志的话 把不还都还上能 的数据里装去去了stockDataFrame只是我 DataFrame类型的对象中,只是我就不还都还上能根据其中的数据画图了,这段系统进程运行代码只是我分析过,就不再重复讲述了。

34   # 结速绘图,设置大小,共享x坐标轴
35   figure,(axPrice, axMACD) = plt.subplots(2, sharex=True, figsize=(15,8))
36   # 调用依据绘制K线图
37   candlestick2_ochl(ax = axPrice, opens=stockDataFrame["open"].values, closes = stockDataFrame["close"].values, highs=stockDataFrame["high"].values,  lows = stockDataFrame["low"].values, width=0.75, colorup='red', colordown='green')
38   axPrice.set_title("500895张江高科K线图和均线图")   # 设置子图的标题
39   stockDataFrame['close'].rolling(window=3).mean().plot(ax=axPrice,color="red",label='3日均线')
40   stockDataFrame['close'].rolling(window=5).mean().plot(ax=axPrice,color="blue",label='5日均线')
41   stockDataFrame['close'].rolling(window=10).mean().plot(ax=axPrice,color="green",label='10日均线')
42   axPrice.legend(loc='best')       # 绘制图例
43   axPrice.set_ylabel("价格(单位:元)")
44   axPrice.grid(line)     # 带网格线

    从第34行到第44行的系统进程运行励志的话 绘制了指定时间范围内“张江高科”股票的K线图和均线,这累积代码和第7章drawKMAAndVol.py范例系统进程运行中实现类似于于功能的代码很类似于于,有差别的是在第35行,第一三个小子图的名字设置为“axMACD”,在第44行中通过linestyle设置了网格线的样式。

45   # 结速绘制第一三个小子图
46   stockDataFrame['DEA'].plot(ax=axMACD,color="red",label='DEA')
47   stockDataFrame['DIF'].plot(ax=axMACD,color="blue",label='DIF')
48   plt.legend(loc='best')    # 绘制图例
49   # 设置第一三个小子图中的MACD柱状图
50   for index, row in stockDataFrame.iterrows():
51       if(row['MACD'] >0):   # 大于0则用红色
52           axMACD.bar(row['date'], row['MACD'],width=0.5, color='red')
53       else:                               # 小于等于0则用绿色
54           axMACD.bar(row['date'], row['MACD'],width=0.5, color='green')
55   axMACD.set_title("500895张江高科MACD")   # 设置子图的标题
56   axMACD.grid(line)                # 带网格线
57   # xmajorLocator = MultipleLocator(10)    # 将x轴的主刻度设置为10的倍数
58   # axMACD.xaxis.set_major_locator(xmajorLocator)
59   major_xtics=stockDataFrame['date'][stockDataFrame.index%10==0]
50   axMACD.set_xticks(major_xtics)
61   # 旋转x轴显示文字的深层
62   for xtick in axMACD.get_xticklabels():
63       xtick.set_rotation(50)
64   plt.rcParams['font.sans-serif']=['SimHei']
65   plt.rcParams['axes.unicode_minus'] = False
66   plt.show()

    在上述系统进程运行代码中,在axMACD子图内绘制了MACD线,导致 是在子图内绘制,只是我在第46行和第47行绘制DEA和DIF折线的只是我,不还都还上能 在参数里通过“ax=axMACD”的形式指定所在的子图。

    在第59行和第50行中设置了axMACD子图中的x轴标签,导致 在第35行中设置了axPrice和axMACD两子图是共享x轴,只是我K线和均线所在子图的x轴刻度会和MACD子图中的一样。导致 是在子图中,全都不还都还上能 通过第62行和第63行的for循环依次旋转x轴坐标的标签文字。

    在这段代码中我我实在给出了一种设置x轴标签的依据。导致 注释掉第59行和第50行的代码,并加进去第57行和第58行的注释,会发现效果是相同的。

    不还都还上能 说明的是,我实在在第57行和第59行的代码中并没法 指定标签文字,但在第37行调用candlestick2_ochl依据绘制K线图时,会设置x轴的标签文字,全都依然能看得人x轴上日期的标签。运行只是我 范例系统进程运行后,结果如图所示。

4 MACD指标的指导意义

    根据MACD各项指标的含义,不还都还上能通过DIF和DEA两者的值、DIF和DEA指标的交叉状况(比如金叉或死叉)以及BAR柱状图的长短与收缩的状况来判断当前股票的趋势。

    如下两点是根据DIF和DEA的数值状况以及它们在x轴上下的位置来确定 股票的买卖策略。

    第一,当DIF和DEA两者的值均大于0(在x轴之上)并向上移动时,一般表示当前所处多头行情中,建议不还都还上能买入。反之,当两者的值均小于0且向下移动时,一般表示所处空头行情中,建议卖出或观望。

    第二,当DIF和DEA的值均大于0但有的是向下移动时,一般表示为上涨趋势即将结速,建议不还都还上能卖出股票或观望。同理,当两者的值均小于0,但在向上移动时,一般表示股票将上涨,建议不还都还上能持续关注或买进。

    如下四点是根据DIF和DEA的交叉状况来决定买卖策略。

    第一,DIF与DEA都大于0只是我DIF向上突破DEA时,说明当前所处强势阶段,股价再次上涨的导致 性比较大,建议不还都还上能买进,这只是我所谓MACD指标黄金交叉,也叫雪叉。

    第二,DIF与DEA都小于0,但此时DIF向上突破DEA时,表明股市我实在当前导致 仍然所处跌势,但即将转强,建议不还都还上能结速买进股票导致 重点关注,这也是MACD金叉的一种形式。

    第三,DIF与DEA我实在都大于0,但而DIF却向下突破DEA时,这说明当前有导致 从强势转变成弱势,股价有导致 会跌,此时建议看导致 就卖出,这只是我所谓MACD指标的死亡交叉,也叫死叉。

    第四,DIF和DEA都小于0,在只是我 状况下又所处了DIF向下突破DEA的状况,这说明导致 进入下一阶段的弱势中,股价有导致 继续下跌,此时建议卖出股票或观望,这也是MACD死叉的一种形式。

    如下两点是根据MACD中BAR柱状图的状况来决定买卖策略。

    第一,红柱持续放大,这说明当前所处多头行情中,此时建议买入股票,直到红柱无法再进一步放大时才考虑卖出。相反,导致 绿柱持续放大,这说明当前所处空头行情中,股价有导致 继续下跌,此时观望或卖出,直到绿柱结速缩小时不还都还上能考虑买入。

    第二,当红柱逐渐消失而绿柱逐渐总出 时,这表明当前的上涨趋势即将结速,有导致 结速加速下跌,这时建议不还都还上能卖出股票导致 观望。反之,当绿柱逐渐消失而红柱结速总出 时,这说明下跌行情即将或导致 结速,有导致 结速加速上涨,此时不还都还上能结速买入。

    我实在说MACD指标对趋势的分析有一定的指导意义,但它一起也所处一定的盲点。

    比如,当没法 形成明显的上涨或下跌趋势时(即在盘整阶段),DIF和DEA这只是我指标会频繁地总出 金叉和死叉的状况,这时导致 没法 形成趋势,只是我金叉和死叉的指导意义不用明显。

    又如,MACD指标是对趋势而言的,从中无法看出未来时间段内价格上涨和下跌的幅度。比如在图8-11中,股票“张江高科”在价格高位时,DIF的指标在2左右,但只是我 股票在高位时,DIF的指标甚至会超过5。

也却励志的话 ,无法根据DIF和DEA数值的大小来判断股价会不用进一步涨或进一步跌。有时看似DIF和DEA到达只是我高位,但导致 当前上涨趋势强劲,股价会继续上涨,一起这只是我指标会进一步上升,反之亦然。

    只是我,在实际使用中,投资者不还都还上能用MACD指标结合只是我 技术指标,比怎样才能是我提到的均线,从而能对买卖信号进行多重确认。

5 验证基于柱状图和金叉的买点

    在CalBuyPointByMACD.py范例系统进程运行中将根据如下原则来验证买点:DIF向上突破DEA(总出 金叉),且柱状图在x轴里边(即当前是红柱状况)。

    在只是我 范例系统进程运行中,用的是股票“金石资源(代码为503505)从2018年9月到2019年5月的交易数据,系统进程运行代码如下。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import pymysql
5    import sys
6    # 第只是我参数是数据,第一三个小参数是周期
7    def calEMA(df, term):
8      # 省略依据内的代码,请参考本书提供下载的删剪范例系统进程运行
9    # 定义计算MACD的依据
10   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
11       # 省略里边计算过程的代码,最后返回的是df,请参考本书提供下载的删剪范例系统进程运行
12       return df

    上述代码的calEMA和calMACD依据和8.3.4节的范例系统进程运行中的代码删剪一致,全都就不再重复讲述了。

13	def getMACDByCode(code):
14	    try:
15	        # 打开数据库连接
16	        db = pymysql.connect("localhost","root","123456","pythonStock" )
17	    except:
18	        print('Error when Connecting to DB.')
19	        sys.exit()  
20	    cursor = db.cursor()
21	    cursor.execute('select * from stock_'+code)
22	    cols = cursor.description  	# 返回列名
23	    heads = []
24	    # 依次把每个cols元素中的第只是我值里装去去col数组
25	    for index in cols:
26	        heads.append(index[0])
27	    result = cursor.fetchall()
28	    df = pd.DataFrame(list(result))
29	    df.columns=heads
50	    stockDataFrame = calMACD(df, 12, 26, 9)
31	    return stockDataFrame

    第13行结速的getMACDByCode依据含晒 晒 了从数据表中获取的股票交易数据并返回MACD指标的代码, 这累积系统进程运行代码与只是我DrawKwithMACD.py范例系统进程运行中的系统进程运行也非常类似于于,只不过在第21行中是根据股票代码来动态地拼接select励志的话 。该依据在第31行中返回含晒 MACD指标的stockDataFrame对象。

32	# print(getMACDByCode('503505')) 	# 可去除这条励志的话

的注解以确认数据
33	stockDf = getMACDByCode('503505')
34	cnt=0
35	while cnt<=len(stockDf)-1:
36	    if(cnt>=50):		# 前几天有误差,从第50天算起
37	        try:
38	            # 规则1:这天DIF值上穿DEA
39	            if stockDf.iloc[cnt]['DIF']>stockDf.iloc[cnt]['DEA'] and stockDf.iloc[cnt-1]['DIF']<stockDf.iloc[cnt-1]['DEA']:
40	                #规则2:总出

红柱,即MACD值大于0
41	                if stockDf.iloc[cnt]['MACD']>0:
42	                    print("Buy Point by MACD on:" + stockDf.iloc[cnt]['date'])
43	        except:
44	            pass
45	    cnt=cnt+1

    导致 加进去第32行打印励志的话 的注释,执行后就能确认数据。在第35行到第45行的while循环中,依次遍历了每个交易日的数据。有数据计算的误差,全都在只是我 范例系统进程运行中通过第36行的if励志的话 排除了刚结速29天的数据,从第50天算起。

    在第39行的if条件励志的话 中制定了第只是我规则,前只是我交易日的DIF小于DEA,只是我当天DIF大于DEA,即总出 上穿金叉的问题报告 。在第41行的if条件励志的话 中制定了第一三个小规则,即总出 金叉的当日,MACD指标不还都还上能 大于0,即当前BAR柱是红柱状况。运行只是我 范例系统进程运行只是我,就能看得人如下输出的买点。

    Buy Point by MACD on:2018-10-31

    Buy Point by MACD on:2019-01-09

    Buy Point by MACD on:2019-03-18

    Buy Point by MACD on:2019-04-04

    Buy Point by MACD on:2019-04-19

    下面改写一下只是我的范例系统进程运行,把股票代码改成503505,把股票名称改为“金石资源”,运行后即可看得人如图所示的结果图。 

    根据图中的价格走势,在表中列出了各买点的确认状况。

表  基于MACD得到的买点状况确认表

买点

对买点的分析

正确性

2018-10-31

该日总出 DIF金叉,且Bar导致 在红柱状况,后市有涨。

正确

2019-01-09

该日总出 DIF金叉,且Bar柱结速逐渐变红,后市有涨。

正确

2019-03-18

该日我实在总出 金叉,Bar柱也结速变红,但只是我几天Bar交替总出 红柱和绿柱状况,后市在下跌后,总出 上涨状况。

不明确

2019-04-04

该日在总出 金叉的一起,Bar柱由绿转红。但只是我若干交易后后总出 死叉,且Bar柱又转绿,后市下跌。

不正确

2019-04-19

总出 金叉,且Bar柱由绿柱一下子变很长,后市有涨。

正确

    根据只是我 范例系统进程运行的运行结果,不还都还上能得到的结论是:通过MACD指标的确能算出买点,但只是我也说过,MACD有盲点,在盘整阶段,趋势没法 形成时,此时金叉的指导意义有的是的是很明显,甚至是错误的。

6 验证基于柱状图和死叉的卖点

    参考MACD指标,与8.4.2节描述的状况相反,导致 总出 如下状况,则不还都还上能卖出股票:DIF向下突破DEA(总出 死叉),且柱状图向下运动(红柱缩小或绿柱变长)。下面通过股票“士兰微”(代码为500450)从2018年9月到2019年5月的交易数据来验证卖点。

    先来做如下的准备工作:在MySQL的pythonStock数据库中创建stock_500450数据表,在只是我介绍的InsertDataFromYahoo.py范例系统进程运行中,把股票代码改为500450,运行后即可在stock_500450数据表中看得人指定时间范围内的交易数据。

    验证MACD指标卖点的CalSellPointByMACD.py范例系统进程运行与只是我CalBuyPointByMACD.py范例系统进程运行很类似于于,下面只分析不同的系统进程运行代码累积。

1    # !/usr/bin/env python
2    # coding=utf-8
3    import pandas as pd
4    import pymysql
5    import sys
6    # calEMA依据中的代码没法



变
7    def calEMA(df, term):
8        # 省略依据内的系统进程运行代码,请参考本书提供下载的删剪范例系统进程运行
9    # 定义计算MACD的依据内的系统进程运行代码也没法



变
10   def calMACD(df, shortTerm=12, longTerm=26, DIFTerm=9):
11       # 省略依据内的系统进程运行代码,请参考本书提供下载的删剪范例系统进程运行
12   def getMACDByCode(code):
13       # 和CalBuyPointByMACD.py范例系统进程运行中的系统进程运行代码一致
14   stockDf = getMACDByCode('500450')
15   cnt=0
16   while cnt<=len(stockDf)-1:
17       if(cnt>=50):         # 前几天有误差,从第50天算起
18           try:
19               # 规则1:这天DIF值下穿DEA
20               if stockDf.iloc[cnt]['DIF']<stockDf.iloc[cnt]['DEA'] and stockDf.iloc[cnt-1]['DIF']>stockDf.iloc[cnt-1]['DEA']:
21                   # 规则2:Bar柱是与否向下运动
22                   if stockDf.iloc[cnt]['MACD']<stockDf.iloc[cnt-1]['MACD']:
23                       print("Sell Point by MACD on:" + stockDf.iloc[cnt]['date'])
24           except:
25               pass
26       cnt=cnt+1

    上述代码中的calEMA、calMACD和getMACDByCode只是我依据和CalBuyPointByMACD.py范例系统进程运行中的代码删剪一致,全都本节仅仅是给出了那此依据的定义,不再重复讲述了。

    在第14行中通过调用getMACDByCode依据,获取了500450(士兰微)的交易数据,其含晒 晒 了MACD指标数据。在第16行到第26行的while循环中通过遍历stockDf对象,计算卖点。

    具体的步骤是,通过第17行的if条件励志的话 排除了误差比较大的数据,只是我通过第20行的if励志的话 判断当天是与否总出 了DIF死叉的状况,即前只是我交易日的DIF比DEA大,但当前交易日DIF比DEA小。

    当满足只是我 条件时,再通过第22行的if励志的话 判断当天的Bar柱数值是与否小于只是我的,即判断Bar柱是与否在向下运动。当满足这只是我条件时,通过第23行的代码输出建议卖出股票的日期。运行只是我 范例系统进程运行代码后,可看得人如下输出的卖点。

    Sell Point by MACD on:2018-10-11

    Sell Point by MACD on:2018-11-29

    Sell Point by MACD on:2018-12-06

    Sell Point by MACD on:2019-02-28

    Sell Point by MACD on:2019-04-04

再修改前文提到的DrawKwithMACD.py范例系统进程运行,把股票代码改为500450,把股票名称改成“士兰微”,运行后即可看得人如图所示的结果图。

     图  股票“士兰微”的K线、均线整合MACD的走势图

    再根据价格走势,在表中列出了各卖点的确认状况。

表  基于MACD得到的卖点状况确认表

卖点

对卖点的分析

正确性

2018-10-11

1. 该日总出 DIF死叉,且DIF和DEA均在x轴下方,Bar由红转绿,且绿柱持续扩大。

2. 我实在能验证该点符近所处弱势,但导致 此点导致 所处弱势,全都后市价位跌幅不大。

不明确

2018-11-29

1. 在DIF和DEA上行过程中总出 死叉。

2. Bar柱从红转绿,后市股价有一定幅度的下跌。

正确

2018-12-06

在11月29日的卖点基础上,再次总出 死叉,且Bar柱没法 向上运动的趋势,全都进一步确认了弱势行情,青春恋爱物语后市股价有一定幅度的下跌。

正确

2019-02-28

1. 我实在总出 死叉,但前后几天DIF和DEA均在向上运动。这说明强势并没法 结速。

2. Bar柱我实在变绿,但变绿的幅度非常小。

3. 后市价格有的是下跌,只是我上涨了。

不正确

2019-04-04

1. DIF和DEA在x轴里边总出 死叉,说明强势行情有导致 即将结速。

2. Bar柱由红结速转绿。

3. 后市价位总出 一波短暂反弹,这不还都还上能理解成强势的结速,只是我总出 下跌,且下跌幅度不小。

正确

    从上述的验证结果可知,从MACD指标中能看出股价发展的趋势,当从强势结速转弱时,导致 没法 只是我 利好消息 ,不还都还上能考虑观望或适当卖出股票。

    在通过MACD指标确认趋势时,应当从DIF和DEA的数值、运动趋势(即金叉或死叉的状况)和Bar柱的运动趋势等方面综合评判,而不到简单割裂地通过单个因素来考虑。

    只是我,影响股价的因素非常多,在选股时,应当从资金面、消息面和指标的技术面等因素综合考虑,哪怕在指标的技术面,也应当结合多项技术指标综合考虑。如前文所述,单个指标难免总出 盲点,当遇到盲点时有的是导致 总出 风险而误判。

7 总结和版权说明

    上述内容是摘自我的书,《基于股票大数据分析的Python入门实战 视频教学版》,京东链接:https://item.jd.com/69241653952.html。

    

    在我的博客里,有的是其它相关介绍本书的文章,链接如下。

    本文可转载,但请标明出处,一起请全文转载,别根据自身不还都还上能 在转载时恶意删剪本文