Python实现MACD指标计算：股票技术分析的利器系列（1）-编程知识

Python实现MACD指标计算：股票技术分析的利器系列（1）

- 介绍
- 核心代码：EMA
- 核心代码：MACD
- 200 次交易日的收盘价格
- 完整代码
- 最终运行代码的效果展示
- - DIF
  - DEA
  - MACD

介绍

先看看官方介绍：

MACD (平滑异同平均线）
指标说明
DIF线：收盘价短期、长期指数平滑移动平均线间的差；
DEA线：DIF线的M日指数平滑移动平均线；
MACD线：DIF线与DEA线的差，彩色柱状线；
参数：SHORT(短期)、LONG(长期)、M 天数，一般为12、26、9。
用法
1.DIF、DEA均为正，DIF向上突破DEA，买入信号；
2.DIF、DEA均为负，DIF向下跌破DEA，卖出信号；
3.DEA线与K线发生背离，行情反转信号；
4.分析MACD柱状线，由红变绿(正变负)，卖出信号；由绿变红，买入信号。

算法解释：


DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,MID);
MACD:(DIF-DEA)*2,COLORSTICK;

缩写	全称	描述
EMA	指数移动平均线（Exponential Moving Average）	一种常见的移动平均线计算方法，用于平滑股票价格数据以观察价格的长期趋势。它计算最新价格的权重比较高，而旧价格的权重逐渐减小。
DIF	差离值（Difference）	也称为快线。通过计算两条指数移动平均线（一般是短期EMA和长期EMA）的差异得到。DIF用于观察价格的短期趋势。
DEA	差离平均值（Difference Exponential Average）	也称为慢线。是DIF的移动平均值，通常采用较长的周期。DEA用于观察价格的中期趋势。
MACD	移动平均线收敛与发散（Moving Average Convergence Divergence）	由DIF和DEA之间的差异计算得出，可以帮助确定价格的长期趋势。其计算公式为（DIF-DEA）*2。

这些数据都依赖于收盘价格。我们找一个股票进行参考：

在这里插入图片描述

当观察股票技术分析中的MACD指标时，关注DIF、DEA和MACD数值是至关重要的。截至2024年2月8日的数据显示，DIF指标为-2.558，DEA指标为-2.317，而MACD指标为-0.482。这些数值的变化反映了股票价格的趋势及其潜在的发展方向。在分析这些指标时，我们可以将它们与股票价格的走势相互比较，以辅助我们做出更加明智的投资决策。

DIF指标为-2.558
DEA指标为-2.317
MACD指标为-0.482

根据算法，要先计算EMA，那么将使用 ewm ，Pandas中的ewm函数是指数加权移动平均的缩写（Exponential Weighted Moving Average）。它是Pandas中用于计算指数加权移动平均的功能强大且灵活的方法之一。指数加权移动平均是一种常用的时间序列数据平滑技术，用于消除数据中的噪声并突出数据的趋势。

ewm函数可以应用于Pandas的Series和DataFrame对象，它返回一个指数加权移动平均值的对象。该函数接受几个参数，其中包括alpha参数，用于指定指数加权的衰减率，以及min_periods参数，用于指定计算指数加权移动平均所需的最小观察值数量。

核心代码：EMA

计算指数移动平均值（Exponential Moving Average）

参数：

data: pandas Series or DataFrame，输入的时间序列数据
window: int，移动窗口的大小，即计算指数移动平均值的观察窗口大小

返回值：

pandas Series or DataFrame，指数移动平均值

注意：

该函数将输入的数据作为参数，使用指数加权移动平均（EWMA）方法计算指定窗口大小下的指数移动平均值。

def EMA(data, window):return data.ewm(span=window, min_periods=window, adjust=False).mean()

核心代码：MACD

计算MACD指标（Moving Average Convergence Divergence）

参数：

close: pandas Series，收盘价的时间序列数据
short: int，短期EMA的窗口大小，默认为12
long: int，长期EMA的窗口大小，默认为26
mid: int，DEA的窗口大小，默认为9

返回值：

dif: pandas Series，MACD指标中的DIF值
dea: pandas Series，MACD指标中的DEA值
macd: pandas Series，MACD指标的数值

注意：

该函数使用指数移动平均（EMA）方法计算短期EMA和长期EMA，然后基于这两者计算DIF和DEA，最终得出MACD指标的数值。


def MACD(close, short=12, long=26, mid=9):dif = EMA(close, short) - EMA(close, long)dea = EMA(dif, mid)macd = (dif - dea) * 2return dif, dea, macd

200 次交易日的收盘价格


# 200 次交易日的收盘价格
close_prices = [14.06, 14.18, 12.76, 14.04, 15.44, 16.98, 17.0, 17.66, 19.43, 20.79, 22.87, 20.58, 20.79, 18.71, 19.62,20.96, 19.58, 20.38, 20.97, 22.02, 22.0, 19.98, 21.44, 23.58, 25.94, 28.53, 31.38, 34.52, 34.07, 32.6,35.86, 35.97, 39.57, 39.94, 38.0, 39.51, 37.63, 35.07, 35.09, 35.23, 34.44, 35.37, 37.05, 34.98, 37.96,36.59, 35.18, 35.08, 36.4, 36.35, 34.51, 36.89, 35.55, 35.3, 34.94, 31.45, 30.54, 29.65, 28.64, 27.96,29.12, 27.31, 27.89, 30.68, 33.75, 33.39, 31.56, 30.3, 33.33, 33.1, 36.41, 37.6, 38.6, 38.03, 37.53,35.31, 34.5, 33.95, 37.35, 41.09, 38.0, 37.92, 37.43, 41.17, 45.29, 42.3, 42.07, 37.86, 36.83, 39.04,39.96, 39.16, 38.35, 38.48, 39.93, 38.69, 36.55, 37.06, 36.89, 37.09, 34.61, 33.4, 36.74, 36.69, 36.99,36.72, 36.82, 38.17, 37.65, 38.75, 38.02, 36.73, 36.98, 36.97, 38.45, 37.54, 37.52, 38.02, 37.04, 33.39,35.5, 35.1, 33.46, 34.33, 34.19, 31.54, 31.03, 33.15, 33.3, 34.36, 33.9, 32.9, 34.01, 37.41, 37.53,38.1, 35.9, 36.12, 36.52, 36.08, 35.4, 35.74, 35.81, 35.37, 33.14, 33.22, 32.6, 32.45, 31.68, 33.76,33.41, 33.63, 33.29, 34.2, 32.35, 32.03, 32.19, 32.36, 33.3, 32.37, 31.92, 32.18, 31.8, 29.75, 27.98,28.23, 26.78, 27.06, 26.52, 27.52, 27.82, 27.8, 26.87, 25.84, 25.36, 24.69, 23.79, 24.36, 23.91, 24.72,23.62, 23.63, 22.9, 21.86, 23.15, 22.7, 21.68, 22.24, 21.81, 23.99, 22.62, 20.84, 20.16, 18.89, 19.07,18.26, 16.44, 16.76, 16.33, 17.06]

完整代码

import pandas as pddef EMA(data, window):return data.ewm(span=window, min_periods=window, adjust=False).mean()def MACD(close, short=12, long=26, mid=9):dif = EMA(close, short) - EMA(close, long)dea = EMA(dif, mid)macd = (dif - dea) * 2return dif, dea, macd# 200 次交易日的收盘价格
close_prices = [14.06, 14.18, 12.76, 14.04, 15.44, 16.98, 17.0, 17.66, 19.43, 20.79, 22.87, 20.58, 20.79, 18.71, 19.62,20.96, 19.58, 20.38, 20.97, 22.02, 22.0, 19.98, 21.44, 23.58, 25.94, 28.53, 31.38, 34.52, 34.07, 32.6,35.86, 35.97, 39.57, 39.94, 38.0, 39.51, 37.63, 35.07, 35.09, 35.23, 34.44, 35.37, 37.05, 34.98, 37.96,36.59, 35.18, 35.08, 36.4, 36.35, 34.51, 36.89, 35.55, 35.3, 34.94, 31.45, 30.54, 29.65, 28.64, 27.96,29.12, 27.31, 27.89, 30.68, 33.75, 33.39, 31.56, 30.3, 33.33, 33.1, 36.41, 37.6, 38.6, 38.03, 37.53,35.31, 34.5, 33.95, 37.35, 41.09, 38.0, 37.92, 37.43, 41.17, 45.29, 42.3, 42.07, 37.86, 36.83, 39.04,39.96, 39.16, 38.35, 38.48, 39.93, 38.69, 36.55, 37.06, 36.89, 37.09, 34.61, 33.4, 36.74, 36.69, 36.99,36.72, 36.82, 38.17, 37.65, 38.75, 38.02, 36.73, 36.98, 36.97, 38.45, 37.54, 37.52, 38.02, 37.04, 33.39,35.5, 35.1, 33.46, 34.33, 34.19, 31.54, 31.03, 33.15, 33.3, 34.36, 33.9, 32.9, 34.01, 37.41, 37.53,38.1, 35.9, 36.12, 36.52, 36.08, 35.4, 35.74, 35.81, 35.37, 33.14, 33.22, 32.6, 32.45, 31.68, 33.76,33.41, 33.63, 33.29, 34.2, 32.35, 32.03, 32.19, 32.36, 33.3, 32.37, 31.92, 32.18, 31.8, 29.75, 27.98,28.23, 26.78, 27.06, 26.52, 27.52, 27.82, 27.8, 26.87, 25.84, 25.36, 24.69, 23.79, 24.36, 23.91, 24.72,23.62, 23.63, 22.9, 21.86, 23.15, 22.7, 21.68, 22.24, 21.81, 23.99, 22.62, 20.84, 20.16, 18.89, 19.07,18.26, 16.44, 16.76, 16.33, 17.06]short_window = 12
long_window = 26
mid_window = 9close_series = pd.Series(close_prices)dif, dea, macd = MACD(close_series, short_window, long_window, mid_window)print("DIF:", dif)
print("DEA:", dea)
print("MACD:", macd)
print("len:", len(close_prices), "次")