【Quant102】 经典技术指标 Pandas 实现（第一部分）（1）https://developer.aliyun.com/article/1524456
MACD 指标
假设你是个高级程序员和量化研究员，编写函数实现 MACD 指标。函数接受数据帧
df，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 macd(df, dea_col='dea', dif_col='dif', hist_col='macd_hist', fast_window=12, slow_window=26, signal_window=9, inplace=False): """ 计算MACD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。 fast_window : int, optional 快速EMA的窗口大小，默认为12。 slow_window : int, optional 慢速EMA的窗口大小，默认为26。 signal_window : int, optional 信号线的窗口大小，默认为9。 inplace : bool, optional 是否在原地更新DataFrame，默认为False。 返回: df : DataFrame 包含MACD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() # 计算快速EMA fast_ema = df['close'].ewm(span=fast_window, adjust=False).mean() # 计算慢速EMA slow_ema = df['close'].ewm(span=slow_window, adjust=False).mean() # 计算MACD线 df[dea_col] = fast_ema - slow_ema # 计算信号线 df[dif_col] = df[dea_col].ewm(span=signal_window, adjust=False).mean() # 计算MACD柱 df[hist_col] = df[dea_col] - df[dif_col] return df
MACD 策略
假设你是个高级程序员和量化研究员，编写函数实现MACD策略。函数接受数据帧
df，DEA列名称dea_col，DIF列名称dif_col，柱状图列名称hist_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 macd_strategy(df, dea_col='dea', dif_col='dif', hist_col='macd_hist', inplace=False): """ 实现MACD策略，生成买卖信号。 参数: df : DataFrame 包含MACD指标数据的DataFrame，必须包含'dea_col', 'dif_col', 'hist_col'列。 dea_col : str DEA（信号线）的列名。 dif_col : str DIF（MACD线）的列名。 hist_col : str MACD柱状图的列名。 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：DIF上穿DEA df.loc[(df[dif_col] > df[dea_col]) & (df[dif_col].shift(1) <= df[dea_col].shift(1)), 'signal'] = 1 # 产生卖出信号：DIF下穿DEA df.loc[(df[dif_col] < df[dea_col]) & (df[dif_col].shift(1) >= df[dea_col].shift(1)), 'signal'] = -1 return df
RSI 指标
假设你是个高级程序员和量化研究员，编写函数实现 RSI 指标。函数接受数据帧
df，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 rsi(df, rsi_col='rsi', window=14, inplace=False): """ 计算RSI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 RSI指标的窗口大小，默认为14。 inplace : bool, optional 是否在原地更新DataFrame，默认为False。 返回: df : DataFrame 包含RSI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() # 计算价格变动 chg = df['close'].diff() # 计算上涨和下跌的平均值 up_avg = chg.where(chg > 0).rolling(window=window).mean() down_avg = -chg.where(chg < 0).rolling(window=window).mean() # 防止除以零 up_avg.fillna(0, inplace=True) down_avg.fillna(0, inplace=True) # 计算RSI df[rsi_col] = 100 - (100 / (1 + (up_avg / down_avg))) return df
【Quant102】 经典技术指标 Pandas 实现（第一部分）（3）https://developer.aliyun.com/article/1524458
