TA-LIB】之MACD

移动平滑异同平均线(Moving Average Convergence Divergence，简称MACD指标)策略。MACD是查拉尔·阿佩尔(Geral Appel)于1979年提出的，由一快及一慢指数移动平均（EMA）之间的差计算出来。“快”指短时期的EMA，而“慢”则指长时期的EMA，最常用的是12及26日EMA。

　　MACD指标是运用快速（短期）和慢速（长期）移动平均线及其聚合与分离的征兆，加以双重平滑运算，是一种趋向类指标。根据移动平均线原理发展出来的MACD，一则去除了移动平均线频繁发出假信号的缺陷，二则保留了移动平均线的效果，因此，MACD指标具有均线趋势性、稳重性、安定性等特点，是用来研判买卖股票的时机，预测股票价格涨跌的技术分析指标。

Talib提供了MACD函数，我在研究中实验了MACD的用法，并自己进行了编程，对比了结果，与同花顺交易软件中的指标走势一致。使用Talib中的MACD进行了策略回测。

MACD=M快 - M慢

　　M快为快速平均线，即较短时间移动平均线，M慢为慢速移动平均线，即较长时间的移动平均线

应用：

1.DIF 与MACD均为正值亦即在中轴线上，大势属多头市场，DIF 向上突破 MACD，应作买。若 DIF向下跌破MACD应只可作回档，暂时获利了解。

　　2.反之DIF与MACD均为负值时，即在0轴线以下时，大势属空头市场，DIF 向下跌破MACD，可作卖。若 DIF向上突破MACD只可作空头暂时补空。

　　3.如同强弱指标，背离走势也适用在 MACD的图形上，当MACD图形与 K线图趋势线发生背离时亦为反转讯号。

　　4.MACD无法预知高价及低价。盘局时，失误率较高, 但如配合 RSI及KD线应用则可以解决此二缺点.

　　5.运用柱形图的变化可提早作买或作卖，免得失去一段行情，但注意有时亦会因贪小而失大。

　　从MACD的走势，投资者可以发现三种讯息： 1. 当MACD升穿Signal Line，入市讯息；当MACD跌穿Signal Line，出市讯息。 2. 当MACD上升时，股票价格可能是超买

有些函数必须在回测环境中运行，这里是在聚宽的jupyter notbook中写的

#此例子采用Talib提供的MACD指标作为买入/卖出信号。
#当MACD信号小于0卖出。
#当MACD信号大于0买入。
import talib
import numpy as np
import pandas as pd

# 定义一个全局变量, 保存要操作的证券
stocks = ['000001.XSHE','000002.XSHE','000004.XSHE','000005.XSHE']
# 设置我们要操作的股票池
set_universe(stocks)
# 初始化此策略
def handle_data(context, data):
    # 取得当前的现金
    cash = context.portfolio.cash
    # 循环股票列表
    for stock in stocks:
        # 获取股票的收盘价数据
        prices = attribute_history(stock, 40, '1d', ('close'))
        # 创建MACD买卖信号，包括三个参数fast period, slow period, and the signal
        # 注意：MACD使用的price必须是narray
        macd = MACD(prices['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
        # 获取当前股票的数据
        current_position = context.portfolio.positions[stock].amount
        # 获取当前股票价格
        current_price = data[stock].price
        # 当MACD信号小于0，且拥有的股票数量大于0时，卖出所有股票
        if macd < 0 and current_position > 0:
            order_target(stock, 0)
        # 当MACD信号大于0, 且拥有的股票数量为0时，则全仓买入
        elif macd > 0 and current_position == 0:
            number_of_shares = int(cash/current_price)
            # 购买量大于0时，下单
            if number_of_shares > 0:
                # 买入股票
                order(stock, +number_of_shares)
                # 记录这次买入
                log.info("Buying %s" % (stock))

# 定义MACD函数  
def MACD(prices, fastperiod=12, slowperiod=26, signalperiod=9):
    '''
    参数设置:
        fastperiod = 12
        slowperiod = 26
        signalperiod = 9

    返回: macd - signal
    '''
    macd, signal, hist = talib.MACD(prices, 
                                    fastperiod=fastperiod, 
                                    slowperiod=slowperiod, 
                                    signalperiod=signalperiod)
    return macd[-1] - signal[-1]

对于talib中的macd：

计算方法：

12日EMA的计算：EMA12 = 前一日EMA12 X 11/13 + 今日收盘 X 2/13

26日EMA的计算：EMA26 = 前一日EMA26 X 25/27 + 今日收盘 X 2/27

差离值（DIF）的计算： DIF = EMA12 - EMA26，即为talib-MACD返回值macd

根据差离值计算其9日的EMA，即离差平均值，是所求的DEA值。今日DEA = （前一日DEA X 8/10 + 今日DIF X 2/10），即为talib-MACD返回值signal

DIF与它自己的移动平均之间差距的大小一般BAR=（DIF-DEA)2，即为MACD柱状图。但是talib中MACD的计算是bar = (dif-dea)1

买卖原则为：

DIF-DEA均为正，买入信号参考。

DIF-DEA均为负，卖出信号参考。

talib.MACD详情：

以下是用两种方式求得的结果：


importimport  talibtalib
importimport  matplotlib.pyplotmatplot  as plt
import numpy as np
import pandas as pd

df = get_price('000001.XSHE', start_date='2015-04-01', end_date='2015-11-10', frequency='daily')
#剔除停盘数据
df[df['volume']==0]=np.nan
df= df.dropna()

def myMACD(price, fastperiod=12, slowperiod=26, signalperiod=9):
    ewma12 = pd.ewma(price,span=fastperiod)
    ewma60 = pd.ewma(price,span=slowperiod)
    dif = ewma12-ewma60
    dea = pd.ewma(dif,span=signalperiod)
    bar = (dif-dea) #有些地方的bar = (dif-dea)*2，但是talib中MACD的计算是bar = (dif-dea)*1
    return dif,dea,bar
#第一种
macd, signal, hist = talib.MACD(df['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
#第二种
mydif,mydea,mybar = myMACD(df['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)

#画图
fig = plt.figure(figsize=[18,5])
plt.plot(df.index,macd,label='macd dif')
plt.plot(df.index,signal,label='signal dea')
plt.plot(df.index,hist,label='hist bar')
plt.plot(df.index,mydif,label='my dif')
plt.plot(df.index,mydea,label='my dea')
plt.plot(df.index,mybar,label='my bar')
plt.legend(loc='best')

两种方式结果比对：

MACD=M快 - M慢

应用：

对于talib中的macd：

1.可以看出Talib中的MACD对前33个初始值是未定义的，使用时需注意。

2.可以自己编程，将初始值赋值为计算的第一天价格，得到曲线，由于初始值赋值不同在一段时间后，自己定义的macd函数和Talib提供的MACD函数值一致，说明两种计算方法一致。

猜你喜欢