python——大智慧--三重指数平滑--TRIX

简介: python——大智慧--三重指数平滑--TRIX
"""
Created on Tue May 23 08:57:02 2017
@author: yunjinqi 
E-mail:yunjinqi@qq.com 
Differentiate yourself in the world from anyone else.
"""
import pandas as pd
import numpy as np
import datetime
import time
#获取数据
df=pd.read_csv('C:/Users/HXWD/Desktop/000001.csv',encoding='gbk')
df.columns=['date','code','name','close','high','low','open','preclose',
'change','change_per','volume','amt']
df=df[['date','open','high','low','close','volume','amt']]
df.head()
def get_TRIX(df,N=12,M=20):
    """三重平滑平均线
原理:
    长线操作时采用本指标的讯号,可以过滤掉一些短期波动的干扰,避免交易次数过于频繁,造成部分无利润的买卖,及手续费的损失。本指标是一项超长周期的指标,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。
算法:
先计算收盘价的三重N日指数平滑移动平均,记为TR
TRIX线 (TR-昨日TR)/昨日TR×100
TRMA线 TRIX线的M日移动平均
参数:N、M  天数,一般为12、9
用法:
    1、打算进行长期控盘或投资时,趋向类指标中以TRIX最适合。
    2、TRIX由下向上交叉TRMA时,买进。
    3、TRIX由上向下交叉TRMA时,卖出。
    4、参考MACD用法。"""
    for i in range(len(df)):
        if i==0:
            df.ix[i,'ema']=df.ix[i,'close']
        if i>0:
            df.ix[i,'ema']=(2*df.ix[i-1,'close']+(N-1)*df.ix[i,'close'])/(N+1)
    for i in range(len(df)):
        if i==0:
            df.ix[i,'ema1']=df.ix[i,'ema']
        if i>0:
            df.ix[i,'ema1']=(2*df.ix[i-1,'ema']+(N-1)*df.ix[i,'ema'])/(N+1)
    for i in range(len(df)):
        if i==0:
            df.ix[i,'tr']=df.ix[i,'ema1']
        if i>0:
            df.ix[i,'tr']=(2*df.ix[i-1,'ema1']+(N-1)*df.ix[i,'ema1'])/(N+1)
    df['trix']=100*(df['tr']-df['tr'].shift(1))/df['tr'].shift(1)
    df['trma']=df['trix'].rolling(M).mean()
    return df
get_TRIX(df)
df.tail()


目录
相关文章
|
6月前
|
数据挖掘 Python
【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享
【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享
|
2月前
|
机器学习/深度学习 PyTorch TensorFlow
Python实现深度学习学习率指数衰减的方法与参数介绍
学习率指数衰减提供了一种高效的动态调整学习率的手段,帮助模型在不同训练阶段以不同的学习速度优化,有利于提升模型性能和训练效率。通过合理设置衰减策略中的参数,可以有效地控制学习率的衰减过程,实现更加精确的模型训练调优。
44 0
|
6月前
|
数据可视化 数据挖掘 Python
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(下)
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化
|
6月前
|
数据可视化 API 开发者
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(上)
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化
|
4月前
|
Python
指数平滑法详解与Python代码示例
指数平滑法详解与Python代码示例
|
5月前
|
Python
|
6月前
|
数据采集 算法 数据可视化
python实现时序平滑算法SG滤波器
python实现时序平滑算法SG滤波器
|
6月前
|
数据可视化 Python
Python中的等值线平滑处理技术
Python中的等值线平滑处理技术
179 2
|
6月前
|
资源调度 数据可视化 Python
Python随机波动模型Stochastic volatility,SV随机变分推断SVI分析标普500指数时间数据波动性可视化
Python随机波动模型Stochastic volatility,SV随机变分推断SVI分析标普500指数时间数据波动性可视化
|
6月前
|
机器学习/深度学习 算法 数据挖掘
【视频】Python基于SVM和RankGauss的低消费指数构建模型
【视频】Python基于SVM和RankGauss的低消费指数构建模型
下一篇
无影云桌面