双均线策略
假设你是个高级程序员和量化研究员，编写函数实现双均线策略。函数接受数据帧
df，较短均线的列名称short_col和较长均线的列名称long_col，inplace参数控制是否原地更新df。买卖信号应保存在signal列中。最后返回df。
def dual_moving_average_strategy(df, short_col='sma_short', long_col='sma_long', inplace=False): """ 实现双均线策略，生成买卖信号。 参数: df : DataFrame 包含价格数据的DataFrame。 short_col : str 短周期均线的列名。 long_col : str 长周期均线的列名。 返回: df : DataFrame 原始DataFrame，增加了一个名为'signal'的列，包含买卖信号。 """ if not inplace: df = df.copy() # 初始化信号列，默认为无操作 df['signal'] = 0 # 产生买入信号：短周期均线由下向上穿越长周期均线 df.loc[(df[short_col] > df[long_col]) & (df[short_col].shift(1) <= df[long_col].shift(1)), 'signal'] = 1 # 产生卖出信号：短周期均线由上向下穿越长周期均线 df.loc[(df[short_col] < df[long_col]) & (df[short_col].shift(1) >= df[long_col].shift(1)), 'signal'] = -1 return df
布林带指标
假设你是个高级程序员和量化研究员，编写函数实现布林带指标。函数接受数据帧
df，中布林带的列名称mid_col，上布林带列名称upper_col，下布林带列名称lower_col，inplace参数控制是否原地更新df。df包含四个列：open开盘价、high最高价、low最低价和close收盘价。所有指标都应当保存到df中，最后返回df。
def bollinger_bands( df, mid_col='mid_band', upper_col='upper_band', lower_col='lower_band', window=20, num_std=2, inplace=False ): """ 计算布林带指标，并更新DataFrame。 参数: df : DataFrame 包含价格数据的DataFrame，必须包含'open', 'high', 'low', 'close'列。 window : int, optional 计算简单移动平均线SMA的窗口大小，默认为20。 num_std : int, optional 计算布林带通道时使用的标准差倍数，默认为2。 inplace : bool, optional 是否在原地更新DataFrame，默认为False。 返回: df : DataFrame 包含布林带指标的新DataFrame（如果inplace为False）。 """ # 复制DataFrame以避免修改原始数据 if not inplace: df = df.copy() # 计算中轨（简单移动平均线SMA） df['mid_band'] = df['close'].rolling(window=window).mean() # 计算价格的标准差 std = df['close'].rolling(window=window).std() # 计算布林带上轨 df['upper_band'] = df['mid_band'] + (std * num_std) # 计算布林带下轨 df['lower_band'] = df['mid_band'] - (std * num_std) return df
布林带策略
假设你是个高级程序员和量化研究员，编写函数实现布林带策略。函数接受数据帧
df，中轨的列名称mid_col，上轨列名称upper_col，下轨列名称lower_col，inplace参数控制是否原地更新df。买卖信号应保存在signal列中。最后返回df。
def bollinger_bands_strategy(df, mid_col='mid_band', upper_col='upper_band', lower_col='lower_band', inplace=False): """ 实现布林带策略，生成买卖信号。 参数: df : DataFrame 包含价格数据的DataFrame，必须包含'mid_col', 'upper_col', 'lower_col'列。 mid_col : str 中轨（通常是简单移动平均线SMA）的列名。 upper_col : str 上轨的列名。 lower_col : str 下轨的列名。 inplace : bool, optional 是否在原地更新DataFrame，默认为False。 返回: df : DataFrame 原始DataFrame，增加了一个名为'signal'的列，包含买卖信号。 """ # 复制DataFrame以避免修改原始数据 if not inplace: df = df.copy() # 初始化信号列，默认为无操作 df['signal'] = 0 # 产生买入信号：价格跌破下轨 df.loc[df['close'] < df[lower_col], 'signal'] = 1 # 产生卖出信号：价格突破上轨 df.loc[df['close'] > df[upper_col], 'signal'] = -1 return df
【Quant102】 经典技术指标 Pandas 实现（第一部分）（2）https://developer.aliyun.com/article/1524457
