---

介绍

先看看官方介绍：

EMV(简易波动指标）
用法
1.EMV 由下往上穿越0 轴时，视为中期买进信号；
2.EMV 由上往下穿越0 轴时，视为中期卖出信号；
3.EMV 的平均线穿越0 轴，产生假信号的机会较少；
4.当ADX 低于±DI时，本指标失去效用；
5.须长期使用EMV指标才能获得最佳利润。

算法解释：

VOLUME:=MA(VOL,N)/VOL;
MID:=100*(HIGH+LOW-REF(HIGH+LOW,1))/(HIGH+LOW);
EMV:MA(MID*VOLUME*(HIGH-LOW)/MA(HIGH-LOW,N),N);
MAEMV:MA(EMV,M);

优势：

优势	描述
清晰的信号	EMV提供了明确的买入和卖出信号，当指标由下往上穿越0轴时，视为中期买进信号，由上往下穿越0轴时，视为中期卖出信号，使投资者能够更容易地进行决策。
较少的假信号	EMV的平均线穿越0轴时，产生假信号的机会较少，这增加了指标的可靠性，帮助投资者避免不必要的交易。
相对简单	EMV指标相对简单，易于理解和应用，对于初学者或喜欢简单交易策略的投资者来说，是一种较为友好的指标。

劣势：

劣势	描述
依赖其他指标	当ADX低于±DI时，EMV指标失去效用，因此投资者在使用EMV指标时可能需要结合其他指标进行综合分析，降低失误的风险。
单一性	即使EMV提供了明确的买卖信号，但它仍然是一种单一的指标，可能无法完全覆盖市场的全部信息，投资者仍需谨慎考虑其他因素。
需长期使用	虽然提到了须长期使用EMV指标才能获得最佳利润，但这也意味着需要一定的时间来验证该指标的有效性，对于短期交易者可能不够实用。

代码

rolling函数介绍

rolling 函数通常与其他函数（如 mean、sum、std 等）一起使用，以计算滚动统计量，例如滚动均值、滚动总和等。

以下是 rolling 函数的基本语法：

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

• window: 用于计算统计量的窗口大小。
• min_periods: 每个窗口最少需要的非空观测值数量。
• center: 确定窗口是否居中，默认为 False。
• win_type: 窗口类型，例如 None、boxcar、triang 等，默认为 None。
• on: 在数据帧中执行滚动操作的列，默认为 None，表示对整个数据帧执行操作。
• axis: 执行滚动操作的轴，默认为 0，表示按列执行操作。
• closed: 确定窗口的哪一端是闭合的，默认为 None。

核心代码

计算 EMV

EMV（简易波动指标）是一种用于中期买卖信号的技术指标，通过观察其与0轴的交叉以及平均线的运动，提供清晰的交易信号。

def calculate_EMV(v_df, n, m):
    """
    计算EMV指标
    
    参数：
    v_df: pandas.DataFrame，包含股票数据的DataFrame
    n: int，窗口大小
    m: int，平滑窗口大小
    
    返回：
    无，结果直接存储在输入的DataFrame中
    """
    # 计算VOLUME
    v_df['MA_VOL'] = v_df['VOL'].rolling(window=n).mean()
    v_df['VOLUME'] = v_df['MA_VOL'] / v_df['VOL']

    # 计算MID
    v_df['MID'] = 100 * (v_df['HIGH'] + v_df['LOW'] - v_df['HIGH'].shift(1) - v_df['LOW'].shift(1)) / (
            v_df['HIGH'] + v_df['LOW'])

    # 计算EMV
    v_df['HL_MA'] = v_df['HIGH'] - v_df['LOW']
    v_df['MA_HL'] = v_df['HL_MA'].rolling(window=n).mean()
    v_df['EMV'] = v_df['MID'] * v_df['VOLUME'] * v_df['HL_MA'] / v_df['MA_HL']
    v_df['EMV'] = v_df['EMV'].rolling(window=n).mean()

    # 计算MAEMV
    v_df['MAEMV'] = v_df['EMV'].rolling(window=m).mean()

完整代码

这里完整代码中的data部分，阔以通过下面资源文件下载，或者留下邮箱等发送。：

https://download.csdn.net/download/qq_36051316/88896567

import pandas as pd
import stock_data

data = {
    'DATE': stock_data.DATE,
    'CLOSE': stock_data.CLOSE,
    'HIGH': stock_data.HIGH,
    'LOW': stock_data.LOW,
    'OPEN': stock_data.OPEN,
    'CHANGE': stock_data.CHANGE,
    'VOL': stock_data.VOL,
    'CAPITAL': stock_data.CAPITAL
}

df = pd.DataFrame(data)

def check_signal(v_df, day_index=-1):
    """
    检查信号
    
    参数：
    v_df: pandas.DataFrame，包含EMV指标的DataFrame
    day_index: int，要检查的日期索引，默认为最后一天
    
    返回：
    str，表示信号的字符串，可能为"买入信号"、"卖出信号"或"无信号"
    """
    latest_data = v_df['EMV'].iloc[day_index]
    latest_data2 = v_df['EMV'].iloc[-1 + day_index]
    signal = "无信号"
    if latest_data > 0 >= latest_data2:
        signal = "买入信号"
    elif latest_data < 0 <= latest_data2:
        signal = "卖出信号"
    return signal

def calculate_EMV(v_df, n, m):
    """
    计算EMV指标
    
    参数：
    v_df: pandas.DataFrame，包含股票数据的DataFrame
    n: int，窗口大小
    m: int，平滑窗口大小
    
    返回：
    无，结果直接存储在输入的DataFrame中
    """
    # 计算VOLUME
    v_df['MA_VOL'] = v_df['VOL'].rolling(window=n).mean()
    v_df['VOLUME'] = v_df['MA_VOL'] / v_df['VOL']

    # 计算MID
    v_df['MID'] = 100 * (v_df['HIGH'] + v_df['LOW'] - v_df['HIGH'].shift(1) - v_df['LOW'].shift(1)) / (
            v_df['HIGH'] + v_df['LOW'])

    # 计算EMV
    v_df['HL_MA'] = v_df['HIGH'] - v_df['LOW']
    v_df['MA_HL'] = v_df['HL_MA'].rolling(window=n).mean()
    v_df['EMV'] = v_df['MID'] * v_df['VOLUME'] * v_df['HL_MA'] / v_df['MA_HL']
    v_df['EMV'] = v_df['EMV'].rolling(window=n).mean()

    # 计算MAEMV
    v_df['MAEMV'] = v_df['EMV'].rolling(window=m).mean()

N = 14
M = 9

calculate_EMV(df, N, M)

# 输出信号
latest_signal = check_signal(df, -1)
print(latest_signal)