MACD的Python实现|极客教程

MACD的Python实现

MACD（Moving Average Convergence Divergence）是一种技术分析指标，用于分析股票价格的趋势和动量。在股票交易中，MACD常被用来判断买入和卖出的时机。本文将介绍如何使用Python实现MACD指标的计算和应用。

1. MACD指标的计算公式

MACD指标由两条线组成：快速线（DIF）和慢速线（DEA）。它们的计算公式如下：

计算DIF：DIF = EMA（12） – EMA（26）
计算DEA：DEA = EMA（DIF，9）
计算MACD：MACD = 2 * (DIF – DEA)

其中，EMA为指数移动平均线，计算公式为：EMA（n）= （2 * 当日收盘价 – 前一日EMA）/（n + 1）

2. Python实现MACD指标的计算

下面我们将使用Python实现MACD指标的计算。首先，我们需要导入必要的库：

import pandas as pd
import numpy as np

接下来，我们定义一个函数来计算EMA：

import pandas as pd
import numpy as np

def ema(data, n):
    return data.ewm(span=n, adjust=False).mean()

然后，我们定义一个函数来计算MACD指标：

import pandas as pd
import numpy as np

def ema(data, n):
    return data.ewm(span=n, adjust=False).mean()

def macd(data, n_fast=12, n_slow=26, n_signal=9):
    ema_fast = ema(data, n_fast)
    ema_slow = ema(data, n_slow)
    dif = ema_fast - ema_slow
    dea = ema(dif, n_signal)
    macd = 2 * (dif - dea)
    return dif, dea, macd

接下来，我们生成一组随机的股票价格数据，并计算MACD指标：

import pandas as pd
import numpy as np

def ema(data, n):
    return data.ewm(span=n, adjust=False).mean()

def macd(data, n_fast=12, n_slow=26, n_signal=9):
    ema_fast = ema(data, n_fast)
    ema_slow = ema(data, n_slow)
    dif = ema_fast - ema_slow
    dea = ema(dif, n_signal)
    macd = 2 * (dif - dea)
    return dif, dea, macd

np.random.seed(42)
data = pd.DataFrame(np.random.randint(50, 150, size=100), columns=['Close'])
dif, dea, macd = macd(data['Close'])
print(dif, dea, macd)

Output:

MACD的Python实现

运行以上代码，我们可以得到MACD指标的计算结果。

3. MACD指标的应用

MACD指标可以用来判断股票价格的趋势和动量，进而指导交易决策。下面我们将介绍几种常见的MACD指标的应用方法。

3.1 金叉和死叉

金叉是指MACD线上穿过DEA线，预示着股票价格可能上涨；死叉是指MACD线下穿过DEA线，预示着股票价格可能下跌。我们可以通过以下代码来判断金叉和死叉：

import pandas as pd
import numpy as np

def ema(data, n):
    return data.ewm(span=n, adjust=False).mean()

def macd(data, n_fast=12, n_slow=26, n_signal=9):
    ema_fast = ema(data, n_fast)
    ema_slow = ema(data, n_slow)
    dif = ema_fast - ema_slow
    dea = ema(dif, n_signal)
    macd = 2 * (dif - dea)
    return dif, dea, macd

def golden_cross(macd, signal):
    return (macd.shift(1) < signal.shift(1)) & (macd > signal)

def death_cross(macd, signal):
    return (macd.shift(1) > signal.shift(1)) & (macd < signal)

golden = golden_cross(macd, dea)
death = death_cross(macd, dea)
print(golden, death)

3.2 MACD柱状图

MACD柱状图是MACD线和DEA线之间的差值，可以用来判断价格的动量。我们可以通过以下代码来绘制MACD柱状图：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

def ema(data, n):
    return data.ewm(span=n, adjust=False).mean()

def macd(data, n_fast=12, n_slow=26, n_signal=9):
    ema_fast = ema(data, n_fast)
    ema_slow = ema(data, n_slow)
    dif = ema_fast - ema_slow
    dea = ema(dif, n_signal)
    macd = 2 * (dif - dea)
    return dif, dea, macd

plt.figure(figsize=(12, 6))
plt.bar(data.index, macd - dea, color='b', alpha=0.7, label='MACD Histogram')
plt.legend()
plt.show()

3.3 MACD指标的信号

MACD指标的信号可以根据MACD线和DEA线的相对位置来判断。当MACD线在DEA线上方时，表示买入信号；当MACD线在DEA线下方时，表示卖出信号。我们可以通过以下代码来判断信号：

import pandas as pd
import numpy as np

def ema(data, n):
    return data.ewm(span=n, adjust=False).mean()

def macd(data, n_fast=12, n_slow=26, n_signal=9):
    ema_fast = ema(data, n_fast)
    ema_slow = ema(data, n_slow)
    dif = ema_fast - ema_slow
    dea = ema(dif, n_signal)
    macd = 2 * (dif - dea)
    return dif, dea, macd

def macd_signal(macd, signal):
    return np.where(macd > signal, 'Buy', 'Sell')

signal = macd_signal(macd, dea)
print(signal)