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。以下为个人观点，主要来自自己的数值验证的结果。这次讲解KD指标，注意不是KDJ。对于某些百科上乱写的东西，真是误导人。KDJ的算法上次已经分享，有兴趣的去那里进行参考。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。
以下为个人观点，主要来自自己的数值验证的结果。这次讲解KD指标，注意不是KDJ。对于某些百科上乱写的东西，真是误导人。KDJ的算法上次已经分享，有兴趣的去那里进行参考。
算法
关于算法的说明：
1.未成熟随机值（RSV）=（收盘价-N日内最低价）/（N日内最高价-N日内最低价）*100
2.K=RSV的M1日移动平均
3.D=K的M2日移动平均
4.参数N设置为9日，参数M1设置为3日，参数M2设置为3日。
这里可以看到，K和D的值和KDJ指标里的K和D的值算法根本不一致，所以出来的数值也完全不同嘛。
代码
#KD具体计算：
import numpy
import talib
from math import isnan
df=get_price(frequency='daily',fields=['close','high','low'], security='600036.XSHG', skip_paused=False, fq='pre',start_date='2018-8-16',end_date='2018-12-12')
def talib_KDJ(data, fastk_period=9, slowk_period=3, slowd_period=3):
indicators={}
high = np.array([v['high'] for v in data])
low = np.array([v['low'] for v in data])
close = np.array([v['close'] for v in data])
#计算kd指标
indicators['k'], indicators['d'] = talib.STOCH(high, low, close,
fastk_period=fastk_period,
slowk_period=slowk_period,
slowd_period=slowd_period,
slowk_matype=0,slowd_matype=0)
indicators['j'] = 3 * indicators['k'] - 2 * indicators['d']
return indicators
data = df.to_dict('records')
bbb=talib_KDJ(data)
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 k d j 2018-08-16 26.74 27.14 26.20 NaN NaN NaN 2018-08-17 26.52 27.20 26.44 NaN NaN NaN 2018-08-20 26.96 27.11 26.42 NaN NaN NaN 2018-08-21 27.10 27.42 26.89 NaN NaN NaN 2018-08-22 27.04 27.20 26.82 NaN NaN NaN 2018-08-23 27.30 27.45 26.82 NaN NaN NaN 2018-08-24 27.70 28.30 26.96 NaN NaN NaN 2018-08-27 28.54 28.61 27.85 NaN NaN NaN 2018-08-28 28.62 29.01 28.54 NaN NaN NaN 2018-08-29 28.76 29.00 28.45 NaN NaN NaN 2018-08-30 28.14 28.87 28.08 NaN NaN NaN 2018-08-31 28.29 28.75 27.98 NaN NaN NaN 2018-09-03 28.14 28.44 27.96 64.602176 73.396036 47.014455 2018-09-04 28.64 28.75 27.93 70.167428 69.798762 70.904760 2018-09-05 27.69 28.48 27.68 59.662917 64.810840 49.367071 2018-09-06 27.50 27.85 27.43 41.048386 56.959577 9.226005 2018-09-07 28.17 28.20 27.60 28.958526 43.223277 0.429026 2018-09-10 27.90 28.30 27.78 27.067376 32.358096 16.485936 2018-09-11 27.40 28.10 27.14 30.600217 28.875373 34.049904 2018-09-12 27.40 27.60 27.01 22.459667 26.709087 13.960827 2018-09-13 27.76 28.02 27.29 26.848714 26.636199 27.273744 2018-09-14 27.88 27.99 27.68 38.505747 29.271376 56.974489 2018-09-17 27.45 27.80 27.37 41.011807 35.455423 52.124575 2018-09-18 28.18 28.25 27.38 56.876549 45.464701 79.700245 2018-09-19 28.40 28.65 27.96 68.461915 55.450090 94.485564 2018-09-20 28.51 28.85 28.37 85.658504 70.332323 116.310866 2018-09-21 30.30 30.30 28.45 88.759279 80.959899 104.358038 2018-09-25 29.62 30.09 29.32 86.951015 87.122933 86.607181 2018-09-26 30.45 30.99 29.41 88.245571 87.985288 88.766136 2018-09-27 30.43 30.69 30.01 83.089033 86.095206 77.076686 ... ... ... ... ... ... ... 2018-11-01 29.05 29.65 28.66 43.269231 37.091393 55.624906 2018-11-02 30.33 30.45 29.41 65.346535 46.354828 103.329948 2018-11-05 30.00 30.23 29.71 77.810570 62.142112 109.147485 2018-11-06 29.87 30.11 29.36 87.348735 76.835280 108.375645 2018-11-07 29.57 30.20 29.53 78.987899 81.382401 74.198894 2018-11-08 30.01 30.37 29.80 79.097910 81.811514 73.670700 2018-11-09 28.60 29.60 28.49 63.991904 74.025904 43.923905 2018-11-12 28.56 28.70 28.23 45.294494 62.794769 10.293944 2018-11-13 28.58 28.77 28.05 24.162756 44.483052 -16.477835 2018-11-14 28.16 28.65 28.00 14.492937 27.983396 -12.487981 2018-11-15 28.38 28.47 28.08 14.882567 17.846087 8.955528 2018-11-16 28.48 28.68 28.19 14.272511 14.549338 13.718856 2018-11-19 28.95 29.04 28.45 25.457103 18.204060 39.963188 2018-11-20 28.42 28.84 28.31 26.019691 21.916435 34.226202 2018-11-21 28.40 28.43 28.10 27.601969 26.359587 30.086732 2018-11-22 28.30 28.45 28.10 23.855891 25.825850 19.915972 2018-11-23 27.88 28.35 27.88 17.948718 23.135526 7.575102 2018-11-26 28.27 28.35 27.91 20.822281 20.875630 20.715583 2018-11-27 27.99 28.38 27.85 15.128465 17.966488 9.452419 2018-11-28 28.28 28.35 28.05 27.173283 21.041343 39.437163 2018-11-29 28.30 28.60 28.30 28.571429 23.624392 38.465501 2018-11-30 28.55 28.58 28.21 48.218884 34.654532 75.347587 2018-12-03 29.46 29.63 28.93 66.323878 47.704730 103.562175 2018-12-04 29.57 29.63 29.31 85.928574 66.823779 124.138165 2018-12-05 29.37 29.57 29.00 90.823970 81.025474 110.420962 2018-12-06 28.90 29.15 28.78 80.337079 85.696541 69.618154 2018-12-07 28.58 29.19 28.53 61.797753 77.652934 30.087391 2018-12-10 28.34 28.50 28.22 39.451477 60.528769 -2.703108 2018-12-11 28.51 28.55 28.28 26.830809 42.693346 -4.894265 2018-12-12 28.46 29.00 28.41 19.028942 28.437076 0.212673
验证
2018-12-12日 招商银行600036 KD数值为19.028942 28.437076，当天KDJ数值为31.235851、44.166341、5.374871，所以再次强调，KD不是KDJ。
我参考了一下个别的PC上的股票软件，它给的KD指标的数值和KDJ里的前两个指标完全一致，而不是我这里给的数值。可能很多人搞混这个东西就是这个原因吧。也有可能是我的验证不够严密，欢迎留言反驳。
以上所述就是小编给大家介绍的《技术指标KD》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 技术指标KDJ
- 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。
HTTP Essentials
Stephen A. Thomas、Stephen Thomas / Wiley / 2001-03-08 / USD 34.99
The first complete reference guide to the essential Web protocol As applications and services converge and Web technologies not only assume HTTP but require developers to manipulate it, it is be......一起来看看 《HTTP Essentials》 这本书的介绍吧!
RGB转16进制工具
RGB HEX 互转工具
HEX HSV 转换工具
HEX HSV 互换工具