Python实现MACD工具判断信号：股票技术分析的工具系列（1）
- 介绍
- 代码
- rolling函数介绍
- 核心代码
- 计算指数移动平均值
- 计算MACD指标
- 完整代码
介绍
先看看官方介绍：
MACD (平滑异同平均线）
指标说明
DIF线：收盘价短期、长期指数平滑移动平均线间的差；
DEA线：DIF线的M日指数平滑移动平均线；
MACD线：DIF线与DEA线的差，彩色柱状线；
参数：SHORT(短期)、LONG(长期)、M 天数，一般为12、26、9。
用法
1.DIF、DEA均为正，DIF向上突破DEA，买入信号；
2.DIF、DEA均为负，DIF向下跌破DEA，卖出信号；
3.DEA线与K线发生背离，行情反转信号；
4.分析MACD柱状线，由红变绿(正变负)，卖出信号；由绿变红，买入信号。
算法解释：
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,MID);
MACD:(DIF-DEA)*2,COLORSTICK;
优势：
| 优势 | 描述 |
|---|---|
| 趋势跟踪能力强 | MACD能够帮助识别市场的趋势方向，尤其是短期和长期趋势的转折点。通过观察DIF和DEA线的交叉，可以提供买入和卖出的时机。 |
| 清晰的信号 | MACD的交叉点和柱状线的变化提供了清晰的交易信号，使得投资者能够更容易地进行决策。 |
| 背离信号 | 当DEA线与价格走势产生背离时，往往暗示着市场趋势即将发生变化，这为投资者提供了及时的行动信号。 |
| 柱状线变化反映市场动能 | MACD柱状线的颜色变化反映了市场的动能变化，红色代表正能量增强，绿色代表负能量增强，这有助于投资者了解市场情绪和力量的变化。 |
劣势：
| 劣势 | 描述 |
|---|---|
| 滞后性 | MACD是一种滞后指标，它基于移动平均线的计算，因此在市场趋势发生变化之后才会发出信号，有时可能会错过市场的最佳买入或卖出时机。 |
| 假信号 | 由于MACD的计算方式，有时会出现假信号，即在市场波动较大或横盘震荡时，可能会产生交叉但并未发生实际的趋势转折。 |
| 单一性 | MACD虽然能够提供趋势判断和交易信号，但它并不能完全覆盖市场的全部信息，投资者在使用时仍需要结合其他指标和技术分析方法进行综合判断。 |
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
计算指数移动平均值
计算指数移动平均值是一种技术分析方法，用于平滑数据序列并识别趋势，通过赋予最新数据更高的权重，以更快地反映市场变化。
def EMA(data, window):
"""
计算指数移动平均值
参数：
data: pandas.Series，输入数据
window: int，窗口大小
返回：
pandas.Series，指数移动平均值
"""
return data.ewm(span=window, min_periods=window, adjust=False).mean()
计算MACD指标
MACD指标（Moving Average Convergence Divergence）是一种技术分析工具，通过计算两个移动平均线的差值，并将其绘制成柱状图，来帮助识别市场趋势的变化和买卖信号。
def MACD(close, short=12, long=26, mid=9):
"""
计算MACD指标
参数：
close: pandas.Series，收盘价数据
short: int，短期EMA窗口大小，默认为12
long: int，长期EMA窗口大小，默认为26
mid: int，DEA线EMA窗口大小，默认为9
返回：
tuple，包含dif、dea、macd指标值的元组
"""
dif = EMA(close, short) - EMA(close, long)
dea = EMA(dif, mid)
macd = (dif - dea) * 2
return dif, dea, macd
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
# 将股票数据存储到字典中
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
}
# 创建DataFrame
df = pd.DataFrame(data)
def EMA(data, window):
"""
计算指数移动平均值
参数：
data: pandas.Series，输入数据
window: int，窗口大小
返回：
pandas.Series，指数移动平均值
"""
return data.ewm(span=window, min_periods=window, adjust=False).mean()
def MACD(close, short=12, long=26, mid=9):
"""
计算MACD指标
参数：
close: pandas.Series，收盘价数据
short: int，短期EMA窗口大小，默认为12
long: int，长期EMA窗口大小，默认为26
mid: int，DEA线EMA窗口大小，默认为9
返回：
tuple，包含dif、dea、macd指标值的元组
"""
dif = EMA(close, short) - EMA(close, long)
dea = EMA(dif, mid)
macd = (dif - dea) * 2
return dif, dea, macd
def c_one_m(close_prices):
"""
计算MACD指标的dif、dea、macd
参数：
close_prices: list，收盘价数据列表
返回：
tuple，包含dif、dea、macd指标值的元组
"""
short_window = 12
long_window = 26
mid_window = 9
close_series = pd.Series(close_prices)
return MACD(close_series, short_window, long_window, mid_window)
def check_signal(v_df, day_index=-1):
"""
检查MACD信号
参数：
v_df: pandas.DataFrame，包含MACD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MACD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.iloc[day_index]
if latest_data['dif'] > 0 and 0 < latest_data['dea'] < latest_data['dif']:
signal = "买入信号"
elif latest_data['dif'] < 0 and 0 > latest_data['dea'] > latest_data['dif']:
signal = "卖出信号"
else:
signal = "无信号"
return signal
# 计算并添加MACD指标到DataFrame中
dif, dea, m = c_one_m(stock_data.CLOSE)
df['dif'] = dif
df['dea'] = dea
df['m'] = m
# 输出信号
latest_signal = check_signal(df, -1)
print(latest_signal)
