python——大智慧——CCI指标

简介: python——大智慧——CCI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_CCI(df,N):
    '''
    顺势指标
原理:
    用目前股价的波动程度和常态分布范围比较,来得出超买或超卖的结论,用于捕捉趋势反转点。
算法:
   典型价格与典型价格的N日移动平均的差除以N日内典型价格的平均绝对偏差。
用法:
    当CCI小于-100时为买入信号,CCI大于100时为卖出信号;
    股价产生背离现象时,是一项明显的警告信号。
参数:
    N 设定计算移动平均的天数,一般为14。'''
    df['typ']=(df['high']+df['low']+df['close'])/3
    df['cci']=((df['typ']-df['typ'].rolling(N).mean())/
               (0.015*abs(df['typ']-df['typ'].rolling(N).mean()).rolling(N).mean()))
    return df
get_CCI(df,14)
df.tail(100)
目录
相关文章
|
4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)
166 0
|
1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。
|
4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
233 3
|
4月前
|
Python
基本技术指标 Python 实现(2)
基本技术指标 Python 实现
130 1
|
4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。
158 0
|
4月前
|
Python
基本技术指标 Python 实现(4)
基本技术指标 Python 实现
88 0
|
4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
135 0
|
4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。
128 1
|
4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。
168 1
|
机器学习/深度学习 Serverless 计算机视觉
NeRF 模型评价指标PSNR,MS-SSIM, LPIPS 详解和python实现
NeRF 模型评价指标PSNR,MS-SSIM, LPIPS 详解和python实现
2081 0