内容简介：本着不重复造轮子的原则，基本使用talib的库来实现各种股票的技术指标的运算。KDJ指标太经典了，不做新人教学了。想说的是具体算法和代码逻辑呈现。KDJ指标在talib中并不存在直接的算法，有相关的KD算法，经过研究后发现，两者很类似，但不能直接等同。所以就按照搜寻来的算法手工实现了一下，并对比了股票交易软件中的数值，完全一致。关于算法的说明：
本着不重复造轮子的原则，基本使用talib的库来实现各种股票的技术指标的运算。
KDJ指标太经典了，不做新人教学了。想说的是具体算法和代码逻辑呈现。KDJ指标在talib中并不存在直接的算法，有相关的KD算法，经过研究后发现，两者很类似，但不能直接等同。所以就按照搜寻来的算法手工实现了一下，并对比了股票交易软件中的数值，完全一致。
算法
关于算法的说明：
n日RSV=（Cn－Ln）/（Hn－Ln）×100
公式中，Cn为第n日收盘价；Ln为n日内的最低价；Hn为n日内的最高价。
当日K值=2/3×前一日K值+1/3×当日RSV
当日D值=2/3×前一日D值+1/3×当日K值
J值=3 当日K值-2 当日D值
一般n取9
若无前一日K 值与D值，则可分别用50来代替。对股票交易软件的数据对比中，对比了几个新股的KDJ值，发现不一定按这个初始值计算，因为算法上最后的数值影响最大的是当天和前一天的值，再之前的值影响依次减小。但经过一定运算量迭代后，最后的数值的精度和股票软件上的一致，所以初始值是啥其实没关系，算法有一定的震荡期，最前面几天的数值尽量不要直接用，使用最后面的数值。笼统的统计，最好是计算30天以上的KDJ，最后5天的数值的精度，基本就一致了。
代码
#KDJ具体计算：
import numpy
import talib
from math import isnan
def maxmin(data,fastk_period):
close_prices = np.nan_to_num(np.array([v['close'] for v in data]))
max_prices = np.nan_to_num(np.array([v['high'] for v in data]))
min_prices = np.nan_to_num(np.array([v['low'] for v in data]))
max_close = talib.MAX(max_prices, timeperiod=fastk_period)
min_close = talib.MIN(min_prices, timeperiod=fastk_period)
for k in range(len(min_prices)):
if k<fastk_period and k>1:
aaa = talib.MIN(min_prices,timeperiod=k)
bbb = talib.MAX(max_prices,timeperiod=k)
min_close[k]= aaa[k]
max_close[k]= bbb[k]
elif k==1 or k==0:
min_close[k]=min_prices[k]
max_close[k]=max_prices[k]
indicators= {
'close': close_prices,
'max': max_close,
'min': min_close
}
return indicators
def self_KDJ(data, fastk_period=9, slowk_period=3, slowd_period=3):
#计算kd指标
high_prices = np.array([v['high'] for v in data])
low_prices = np.array([v['low'] for v in data])
close_prices = np.array([v['close'] for v in data])
rsv = maxmin(data, fastk_period)
fast_k = (rsv['close']-rsv['min'])/(rsv['max']-rsv['min'])*100
ppp = rsv['max']-rsv['min']
for t in range(len(close_prices)):
if rsv['max'][t]==rsv['min'][t]:
fast_k[t] = 0
slow_k1 = np.full_like(close_prices,50)
slow_d1 = np.full_like(close_prices,50)
for k in range(1,len(fast_k)):
slow_k1[k] = slow_k1[k-1]*2/3+fast_k[k]/3
slow_d1[k] = slow_d1[k-1]*2/3+slow_k1[k]/3
indicators= {
'rsv':fast_k,
'max':rsv['max'],
'min':rsv['min'],
'k': slow_k1,
'd': slow_d1,
'j': 3 * slow_k1 - 2 * slow_d1
}
return indicators
df=get_price(frequency='daily',fields=['close','high','low'], security='600036.XSHG', skip_paused=False, fq='pre',start_date='2018-1-16',end_date='2018-12-12')
data = df.to_dict('records')
bbb=self_KDJ(data)
df['rsv']=bbb['rsv']
df['max']=bbb['max']
df['min']=bbb['min']
df['k']=bbb['k']
df['d']=bbb['d']
df['j']=bbb['j']
dm=df[['k','d','j']]
dm.plot(figsize=(20,10))
df
本代码get_price函数使用了聚宽平台的函数，只要返回合适的格式，完全可以使用别的平台或者原始数据来代替。
plot函数会把图形简单的画出来参考，不需要的可以去掉
date close high low rsv max min k d j 2018-01-16 30.88 31.26 30.55 46.478873 31.26 30.55 50.000000 50.000000 50.000000 2018-01-17 30.69 32.07 30.51 11.538462 32.07 30.51 37.179487 45.726496 20.085470 2018-01-18 31.30 31.72 31.09 50.641026 32.07 30.51 41.666667 44.373219 36.253561 2018-01-19 31.44 32.30 31.19 51.955307 32.30 30.51 45.096214 44.614217 46.060206 2018-01-22 32.04 32.58 31.14 73.913043 32.58 30.51 54.701824 47.976753 68.151965 2018-01-23 32.98 33.09 32.15 95.736434 33.09 30.51 68.380027 54.777844 95.584393 2018-01-24 32.78 34.24 32.40 60.857909 34.24 30.51 65.872654 58.476114 80.665734 2018-01-25 32.36 32.95 31.86 49.597855 34.24 30.51 60.447721 59.133317 63.076531 2018-01-26 32.41 33.22 32.14 50.938338 34.24 30.51 57.277927 58.514853 54.804074 2018-01-29 31.94 33.01 31.78 38.337802 34.24 30.51 50.964552 55.998086 40.897483 2018-01-30 31.54 32.11 31.39 14.285714 34.24 31.09 38.738273 50.244815 15.725188 2018-01-31 32.87 32.92 31.20 55.806452 34.24 31.14 44.427666 48.305765 36.671466 2018-02-01 33.36 33.82 32.78 71.612903 34.24 31.14 53.489411 50.033647 60.400940 2018-02-02 33.41 33.49 32.63 72.697368 34.24 31.20 59.892064 53.319786 73.036619 2018-02-05 33.79 34.00 32.73 85.197368 34.24 31.20 68.327165 58.322246 88.337004 2018-02-06 33.53 33.60 32.43 83.214286 34.00 31.20 73.289539 63.311343 93.245929 2018-02-07 31.37 33.83 31.09 9.621993 34.00 31.09 52.067024 59.563237 37.074597 2018-02-08 30.29 31.36 29.86 10.386473 34.00 29.86 38.173507 52.433327 9.653867 2018-02-09 29.74 29.84 27.70 32.380952 34.00 27.70 36.242655 47.036436 14.655093 2018-02-12 29.10 29.67 28.47 22.222222 34.00 27.70 31.569178 41.880683 10.946166 2018-02-13 29.94 30.28 29.39 35.555556 34.00 27.70 32.897970 38.886446 20.921019 2018-02-14 30.38 30.48 29.46 42.539683 34.00 27.70 36.111874 37.961589 32.412446 2018-02-22 30.51 31.18 30.20 44.603175 34.00 27.70 38.942308 38.288495 40.249933 2018-02-23 30.78 31.09 30.24 50.244698 33.83 27.70 42.709771 39.762254 48.604806 2018-02-26 30.52 31.33 30.25 46.003263 33.83 27.70 43.807602 41.110703 49.201399 2018-02-27 29.90 30.65 29.68 60.109290 31.36 27.70 49.241498 43.820968 60.082557 2018-02-28 29.34 29.78 29.06 45.179063 31.33 27.70 47.887353 45.176430 53.309200 2018-03-01 29.44 29.89 29.06 33.916084 31.33 28.47 43.230263 44.527707 40.635375 2018-03-02 29.08 29.50 29.07 0.881057 31.33 29.06 29.113861 39.389759 8.562066 2018-03-05 29.20 29.62 28.98 9.361702 31.33 28.98 22.529808 33.769775 0.049874 ... ... ... ... ... ... ... ... ... ... 2018-11-01 29.05 29.65 28.66 52.243590 30.54 27.42 46.334047 46.887935 45.226271 2018-11-02 30.33 30.45 29.41 96.039604 30.45 27.42 62.902566 52.226145 84.255408 2018-11-05 30.00 30.23 29.71 85.148515 30.45 27.42 70.317882 58.256724 94.440198 2018-11-06 29.87 30.11 29.36 80.858086 30.45 27.42 73.831283 63.448244 94.597362 2018-11-07 29.57 30.20 29.53 70.957096 30.45 27.42 72.873221 66.589903 85.439857 2018-11-08 30.01 30.37 29.80 85.478548 30.45 27.42 77.074997 70.084934 91.055121 2018-11-09 28.60 29.60 28.49 35.540070 30.45 27.58 63.230021 67.799963 54.090137 2018-11-12 28.56 28.70 28.23 14.864865 30.45 28.23 47.108302 60.902743 19.519421 2018-11-13 28.58 28.77 28.05 22.083333 30.45 28.05 38.766646 53.524044 9.251850 2018-11-14 28.16 28.65 28.00 6.530612 30.45 28.00 28.021301 45.023130 -5.982355 2018-11-15 28.38 28.47 28.08 16.033755 30.37 28.00 24.025453 38.023904 -3.971450 2018-11-16 28.48 28.68 28.19 20.253165 30.37 28.00 22.768023 32.938610 2.426849 2018-11-19 28.95 29.04 28.45 40.084388 30.37 28.00 28.540145 31.472455 22.675524 2018-11-20 28.42 28.84 28.31 17.721519 30.37 28.00 24.933936 29.292949 16.215911 2018-11-21 28.40 28.43 28.10 25.000000 29.60 28.00 24.955958 27.847285 19.173302 2018-11-22 28.30 28.45 28.10 28.846154 29.04 28.00 26.252690 27.315753 24.126562 2018-11-23 27.88 28.35 27.88 0.000000 29.04 27.88 17.501793 24.044433 4.416513 2018-11-26 28.27 28.35 27.91 33.620690 29.04 27.88 22.874759 23.654542 21.315192 2018-11-27 27.99 28.38 27.85 11.764706 29.04 27.85 19.171408 22.160164 13.193896 2018-11-28 28.28 28.35 28.05 36.134454 29.04 27.85 24.825756 23.048695 28.379880 2018-11-29 28.30 28.60 28.30 37.815126 29.04 27.85 29.155546 25.084312 37.298015 2018-11-30 28.55 28.58 28.21 70.707071 28.84 27.85 43.006054 31.058226 66.901711 2018-12-03 29.46 29.63 28.93 90.449438 29.63 27.85 58.820516 40.312323 95.836902 2018-12-04 29.57 29.63 29.31 96.629213 29.63 27.85 71.423415 50.682687 112.904871 2018-12-05 29.37 29.57 29.00 85.393258 29.63 27.85 76.080029 59.148468 109.943153 2018-12-06 28.90 29.15 28.78 58.988764 29.63 27.85 70.382941 62.893292 85.362239 2018-12-07 28.58 29.19 28.53 41.011236 29.63 27.85 60.592373 62.126319 57.524480 2018-12-10 28.34 28.50 28.22 18.354430 29.63 28.05 46.513059 56.921899 25.695378 2018-12-11 28.51 28.55 28.28 21.126761 29.63 28.21 38.050959 50.631586 12.889706 2018-12-12 28.46 29.00 28.41 17.605634 29.63 28.21 31.235851 44.166341 5.374871
验证
2018-12-12日 招商银行600036 KDJ数值为31.235851、44.166341、5.374871，有兴趣的可以打开自己的股票软件对比一下。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 技术指标KD
- 如何衡量研发效能？阿里资深技术专家提出了5组指标
- 指标体系：四个模型教会你指标体系构建的方法
- 每秒聚合5亿个指标，Uber 开源大规模指标平台 M3
- 有赞指标库实践
- 网站性能指标 - FMP
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Out of their Minds
Dennis Shasha、Cathy Lazere / Springer / 1998-07-02 / USD 16.00
This best-selling book is now available in an inexpensive softcover format. Imagine living during the Renaissance and being able to interview that eras greatest scientists about their inspirations, di......一起来看看 《Out of their Minds》 这本书的介绍吧!
