python-大智慧-ALF过滤指标

简介: python-大智慧-ALF过滤指标
# -*- coding: utf-8 -*-
"""
Created on Wed May 24 15:47:51 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_ALF(df,N=10):  
    '''
    过滤指标
原理:
同RC指标
用法:
1、以0为多空分界点,指标由负转正时,买入。 
2、以0为多空分界点,指标由正转负时,卖出。
3、当股价创新高时,ALF未能创新高,出现背离,表示头部形成。 
4、当股价创新低时,ALF未能创新低,出现背离,表示底部形成。'''
    df['alf']=100*(df['close']/df['close'].shift(N)-1)
    return df  
get_ALF(df)
df.tail() 
目录
相关文章
|
8月前
|
机器学习/深度学习 算法 Python
【Python机器学习】分类算法任务、分类模型评价指标详解(图文解释)
【Python机器学习】分类算法任务、分类模型评价指标详解(图文解释)
233 0
|
5月前
|
数据采集 算法 数据可视化
基于Python的k-means聚类分析算法的实现与应用,可以用在电商评论、招聘信息等各个领域的文本聚类及指标聚类,效果很好
本文介绍了基于Python实现的k-means聚类分析算法,并通过微博考研话题的数据清洗、聚类数量评估、聚类分析实现与结果可视化等步骤,展示了该算法在文本聚类领域的应用效果。
185 1
|
3月前
|
机器学习/深度学习 数据挖掘 Serverless
手把手教你全面评估机器学习模型性能:从选择正确评价指标到使用Python与Scikit-learn进行实战演练的详细指南
【10月更文挑战第10天】评估机器学习模型性能是开发流程的关键,涉及准确性、可解释性、运行速度等多方面考量。不同任务(如分类、回归)采用不同评价指标,如准确率、F1分数、MSE等。示例代码展示了使用Scikit-learn库评估逻辑回归模型的过程,包括数据准备、模型训练、性能评估及交叉验证。
191 1
|
8月前
|
Serverless 云计算 Python
基本技术指标 Python 实现(1)
基本技术指标 Python 实现
314 3
|
8月前
|
Python
基本技术指标 Python 实现(2)
基本技术指标 Python 实现
187 1
|
8月前
|
机器学习/深度学习 算法 Python
【Python机器学习专栏】Python中的机器学习评估与度量指标
【4月更文挑战第30天】本文介绍了Python中机器学习模型的评估方法和度量指标。主要包括留出法、交叉验证和自助法等评估方法,以及准确率、精确率、召回率、F1分数、AUC-ROC曲线、MSE、RMSE和R方值等度量指标。选择合适的评估标准对于理解模型性能和适应不同任务至关重要。
216 0
|
8月前
|
数据挖掘 Python
python数据分析——业务指标量化
业务指标量化是衡量企业运营效果的重要手段,通过具体的数据和数值,可以更加直观地了解企业的运营状况,为企业决策提供有力的数据支持。
165 1
|
8月前
|
监控 搜索推荐 数据挖掘
python数据分析——业务指标分析
业务指标分析是企业运营中不可或缺的一环,通过对各项关键指标的深入剖析,我们能够更好地了解企业的运营状况,发现潜在问题,进而制定相应的策略来优化业务流程、提升经营效率。 在业务指标分析中,我们首先要明确分析的目的和范围。是为了评估整体业务健康状况,还是针对某一具体环节进行优化?明确了目的后,我们需要收集相关的数据,这些数据可能来源于不同的业务系统和数据库,因此数据的整合和清洗也是分析过程中的重要步骤。 接下来,我们要选择合适的分析方法。比如,对于销售数据,我们可以采用时间序列分析来观察销售趋势;对于用户行为数据,我们可以使用用户画像和路径分析来洞察用户需求和行为习惯。
227 1
|
8月前
|
Python
基本技术指标 Python 实现(4)
基本技术指标 Python 实现
114 0
|
8月前
|
项目管理 Python
基本技术指标 Python 实现(3)
基本技术指标 Python 实现
173 0