西安网站策划,东莞外网搭建公司,免费个人网站模版下载,做淘宝的网站有哪些内容TA-Lib学习研究笔记#xff08;二#xff09;——Overlap Studies下
#xff08;11#xff09;SAR - Parabolic SAR 抛物线指标
函数名#xff1a;SAR 名称#xff1a; 抛物线指标 简介#xff1a;抛物线转向也称停损点转向#xff0c;是利用抛物线方式#xff0c;随…TA-Lib学习研究笔记二——Overlap Studies下
11SAR - Parabolic SAR 抛物线指标
函数名SAR 名称 抛物线指标 简介抛物线转向也称停损点转向是利用抛物线方式随时调整停损点位置以观察买卖点。由于停损点又称转向点SAR以弧形的方式移动故称之为抛物线转向指标 。
语法 real SAR(high, low, acceleration0, maximum0) 参数说明
high最高价序列表示每个时间段的最高价格。low最低价序列表示每个时间段的最低价格。acceleration加速度因子可选参数用于控制SAR靠近或远离价格的速度。默认值为0。maximum最大加速度可选参数限制SAR的最大步长。默认值为0。
df[SAR] tlb.SAR(df[high], df[low], acceleration0, maximum0)
# 做图
df[[high,low,SAR]].plot(title抛物线指标)
plt.grid() #启用网格
plt.legend([high,low,SAR]) # 设置图示
plt.show()调整参数acceleration1, maximum1 效果如下
df[SAR] tlb.SAR(df[high], df[low], acceleration1, maximum1)
# 做图
df[[high,low,SAR]].plot(title抛物线指标)
plt.grid() #启用网格
plt.legend([high,low,SAR]) # 设置图示
plt.show()12SAREXT - Parabolic SAR - Extended
计算扩展的抛物线停损反转Extended Parabolic Stop and ReverseSAR指标的函数。该函数提供了更多的参数以便更精确地调整SAR的计算方式。 参数如下
high最高价序列表示每个时间段的最高价格。low最低价序列表示每个时间段的最低价格。startvalue起始值可选参数用于指定SAR的初始位置。默认值为0。offsetonreverse反转偏移量可选参数在趋势反转时添加到SAR的值上的偏移量。默认值为0。accelerationinitlong多头初始加速度可选参数设置多头趋势开始时的初始加速度。默认值为0。accelerationlong多头加速度可选参数设置多头趋势中的加速度。默认值为0。accelerationmaxlong多头最大加速度可选参数限制多头趋势中的最大加速度。默认值为0。accelerationinitshort空头初始加速度可选参数设置空头趋势开始时的初始加速度。默认值为0。accelerationshort空头加速度可选参数设置空头趋势中的加速度。默认值为0。accelerationmaxshort空头最大加速度可选参数限制空头趋势中的最大加速度。默认值为0。
df[SAREXT] tlb.SAREXT(df[high], df[low], startvalue0, offsetonreverse0, accelerationinitlong0, accelerationlong0, accelerationmaxlong0, accelerationinitshort0, accelerationshort0, accelerationmaxshort0)
# 做图
df[[high,low,SAREXT]].plot(title扩展抛物线指标)
plt.grid() #启用网格
plt.legend([high,low,SAREXT]) # 设置图示
plt.show()测试一下参数都赋值1的效果。
df[SAREXT] tlb.SAREXT(df[high], df[low], startvalue1, offsetonreverse1, accelerationinitlong1, accelerationlong1,accelerationmaxlong1, accelerationinitshort1, accelerationshort1, accelerationmaxshort1)
# 做图
df[[high,low,SAREXT]].plot(title扩展抛物线指标)
plt.grid() #启用网格
plt.legend([high,low,SAREXT]) # 设置图示
plt.show()13SMA
Simple Moving Average 简单移动平均线 函数名SMA 名称 简单移动平均线 简介移动平均线Moving Average简称MA原本的意思是移动平均将其制作成线形所以一般称之为移动平均线简称均线。它是将某一段时间的收盘价之和除以该周期。 比如日线MA5指5天内的收盘价除以5 。 语法 real SMA(close, timeperiod30) df[SMA5] tlb.SMA(df[close], timeperiod5)
df[SMA10] tlb.SMA(df[close], timeperiod10)
df[SMA30] tlb.SMA(df[close], timeperiod30)
# 做图
df[[close,SMA5,SMA10,SMA30]].plot(title简单移动平均线)
plt.grid() #启用网格
plt.legend([close,SMA5,SMA10,SMA30]) # 设置图示
plt.show() 14T3
Triple Exponential Moving Average (T3) 三重指数移动平均线 函数名T3 名称三重指数移动平均线 简介TRIX长线操作时采用本指标的讯号长时间按照本指标讯号交易获利百分比大于损失百分比利润相当可观。 比如日线MA5指5天内的收盘价除以5 。 参数说明
close收盘价序列。timeperiod时间周期例如5表示5天。vfactor可变权重因子通常设置为0。
df[T3-5] tlb.T3(df[close], timeperiod5, vfactor0)
df[T3-10] tlb.T3(df[close], timeperiod10, vfactor0)# 做图
df[[close,T3-5,T3-10]].plot(title三重指数移动平均线)
plt.grid() #启用网格
plt.legend([close,T3-5,T3-10]) # 设置图示
plt.show()15.TEMA
Triple Exponential Moving Average 名称三重指数移动平均线 TA-Lib 中并未明确给出定义或解释无法直接与 TEMA 进行比较。从名称上看它可能是一种基于不同算法的三重移动平均线。TEMA 和 T3 可能在计算方法和用途上存在差异具体区别估计只能看源代码。
只能通过测试对比效果
df[TEMA-5] tlb.TEMA(df[close], timeperiod5)
df[TEMA-10] tlb.TEMA(df[close], timeperiod10)# 做图
df[[close,TEMA-5,TEMA-10]].plot(title三重指数移动平均线)
plt.grid() #启用网格
plt.legend([close,TEMA-5,TEMA-10]) # 设置图示
plt.show()通过图示可以看出TEMA在周期5 、10 天的参数TEMA比T3 与 close的拟合度更好。
16.TRIMA
Triangular Moving Average三角形移动平均线。TRIMA 是一种加权移动平均线它使用类似于三角形的方式对价格数据进行加权平均。TRIMA 的计算方式相对于传统的简单移动平均线SMA或指数移动平均线EMA而言考虑了更大的时间周期权重从而提供更为平滑的趋势指示。
df[TRIMA5] tlb.TRIMA(df[close], timeperiod5)
df[TRIMA10] tlb.TRIMA(df[close], timeperiod10)# 做图
df[[close,TRIMA5,TRIMA10]].plot(title三角形移动平均线)
plt.grid() #启用网格
plt.legend([close,TRIMA5,TRIMA10]) # 设置图示
plt.show()17WMA
函数名WMA Weighted Moving Average 移动加权平均 名称加权移动平均线 简介移动加权平均法是指以每次进货的成本加上原有库存存货的成本除以每次进货数量与原有库存存货的数量之和据以计算加权平均单位成本以此为基础计算当月发出存货的成本和期末存货的成本的一种方法。
语法 real WMA(close, timeperiod30) df[WMA15] tlb.WMA(df[close], timeperiod15)
df[WMA30] tlb.WMA(df[close], timeperiod30)# 做图
df[[close,WMA15,WMA30]].plot(title加权移动平均线)
plt.grid() #启用网格
plt.legend([close,WMA15,WMA30]) # 设置图示
plt.show()
