选股策略之MACD指标选股

2024-06-23 05:38
文章标签 指标 策略 macd 选股

本文主要是介绍选股策略之MACD指标选股,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

股市有风险,投资需谨慎!!!股市有风险,投资需谨慎!!!股市有风险,投资需谨慎!!!
MACD的详细介绍请移步:macd百度百科
话不多说,上代码:

# -*- coding: utf-8 -*-
'''实现功能:1.macd指标计算2.记录金叉死叉数据并输出CSV文件
'''
import pandas as pd
from datetime import datetime,timedelta
import tushare as ts
import syssys.setrecursionlimit(3000) #设置最大遍历次数
pd.set_option('display.width', 280) # 打印最大列数设置def MACD(df, n_fast, n_slow, ksgn='close'):'''def MACD(df, n_fast, n_slow):           #MACD指标信号和MACD的区别, MACD Signal and MACD difference   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:【输入】df, pd.dataframe格式数据源n,时间长度ksgn,列名,一般是:close收盘价【输出】    df, pd.dataframe格式数据源,增加了3栏:macd,sign,mdiff'''xnam = 'macd'.format(n=n_fast, n2=n_slow)xnam2 = 'msign'.format(n=n_fast, n2=n_slow)xnam3 = 'mdiff'.format(n=n_fast, n2=n_slow)EMAfast = pd.Series(pd.ewma(df[ksgn], span=n_fast, min_periods=n_slow - 1))EMAslow = pd.Series(pd.ewma(df[ksgn], span=n_slow, min_periods=n_slow - 1))MACD = pd.Series(EMAfast - EMAslow, name=xnam)MACDsign = pd.Series(pd.ewma(MACD, span=9, min_periods=8), name=xnam2)MACDdiff = pd.Series(MACD - MACDsign, name=xnam3)df = df.join(MACD)df = df.join(MACDsign)df = df.join(MACDdiff)return dfdef gold_kill(df):'''金叉死叉信息筛选:param df::return:'''df['msign_old'] = df['msign'].shift(1)df['macd_old'] = df['macd'].shift(1)killdate = df[(df['msign_old']<df['macd_old']) & (df['msign'] > df['macd'])]golddate = df[(df['msign_old']>=df['macd_old']) & (df['msign'] <= df['macd'])]return golddate,killdate#记录运行开始时间
stardate = datetime.now()
#获取最新A股数据
stockdf = ts.get_stock_basics()
#金叉死叉数据集
stock_gold_kill_info = pd.DataFrame(columns=['code','name','date','close','lastgolddate','lastgoldclose','lastkilldate','lastkillclose'])
# 计数变量
n = 1
#从180的数据开始计算,可更改
startime = datetime.strftime(stardate-timedelta(days=180),'%Y-%m-%d')
#遍历A股数据
for code in stockdf.index:# 运行进度条i = int(n/len(stockdf)*100)s1 = "\r[%s%s]%d/%d"%("*"*i," "*(100-i),n,len(stockdf))sys.stdout.write(s1)sys.stdout.flush()n += 1# 获取截止当前日期的日K数据df = ts.get_hist_data(code,startime)#新股、停牌股等特殊情况没有金叉死叉数据,报错忽略try:df.sort_index(inplace=True)macddf = MACD(df,12,26)gold,kill=gold_kill(macddf)gold_kill_info = {'lastgolddate': gold.tail(1).index.values[0], #最近一次金叉时间'lastgoldclose': gold.tail(1).close.values[0], #最近一次金叉收盘价'lastkilldate': kill.tail(1).index.values[0], #最近一次死叉时间'lastkillclose': kill.tail(1).close.values[0], #最近一次死叉收盘价'date':df.tail(1).index.values[0], #最新收盘价日期'code':code, #股票代码'close':df.tail(1).close.values[0], #最新收盘价'name':stockdf[stockdf.index == code].name.values[0] #股票名字}except (IndexError,AttributeError) as e:continue# 追加到金叉死叉数据集stock_gold_kill_info = stock_gold_kill_info.append(pd.DataFrame.from_dict(gold_kill_info,orient='index').T,ignore_index=True)
#保存金叉死叉数据集,目录与运行文件一样,可更改
stock_gold_kill_info.to_csv('./stock_gold_kill_info.csv',index = False,encoding='gbk')
#记录运行结束时间
enddate = datetime.now()
print('\n运行时间:',enddate-stardate)

运行结果展示(图片中出现的股票信息仅做展示使用,不构成投资建议):
图片中出现的股票信息仅做展示使用,不构成投资建议
更多量化投资策略欢迎添加微信讨论:
在这里插入图片描述

这篇关于选股策略之MACD指标选股的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1086287

相关文章

SpringBoot如何通过Map实现策略模式

《SpringBoot如何通过Map实现策略模式》策略模式是一种行为设计模式,它允许在运行时选择算法的行为,在Spring框架中,我们可以利用@Resource注解和Map集合来优雅地实现策略模式,这... 目录前言底层机制解析Spring的集合类型自动装配@Resource注解的行为实现原理使用直接使用M

Redis 内存淘汰策略深度解析(最新推荐)

《Redis内存淘汰策略深度解析(最新推荐)》本文详细探讨了Redis的内存淘汰策略、实现原理、适用场景及最佳实践,介绍了八种内存淘汰策略,包括noeviction、LRU、LFU、TTL、Rand... 目录一、 内存淘汰策略概述二、内存淘汰策略详解2.1 ​noeviction(不淘汰)​2.2 ​LR

Deepseek使用指南与提问优化策略方式

《Deepseek使用指南与提问优化策略方式》本文介绍了DeepSeek语义搜索引擎的核心功能、集成方法及优化提问策略,通过自然语言处理和机器学习提供精准搜索结果,适用于智能客服、知识库检索等领域... 目录序言1. DeepSeek 概述2. DeepSeek 的集成与使用2.1 DeepSeek API

Redis的数据过期策略和数据淘汰策略

《Redis的数据过期策略和数据淘汰策略》本文主要介绍了Redis的数据过期策略和数据淘汰策略,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录一、数据过期策略1、惰性删除2、定期删除二、数据淘汰策略1、数据淘汰策略概念2、8种数据淘汰策略

SpringBoot中的404错误:原因、影响及解决策略

《SpringBoot中的404错误:原因、影响及解决策略》本文详细介绍了SpringBoot中404错误的出现原因、影响以及处理策略,404错误常见于URL路径错误、控制器配置问题、静态资源配置错误... 目录Spring Boot中的404错误:原因、影响及处理策略404错误的出现原因1. URL路径错

Redis多种内存淘汰策略及配置技巧分享

《Redis多种内存淘汰策略及配置技巧分享》本文介绍了Redis内存满时的淘汰机制,包括内存淘汰机制的概念,Redis提供的8种淘汰策略(如noeviction、volatile-lru等)及其适用场... 目录前言一、什么是 Redis 的内存淘汰机制?二、Redis 内存淘汰策略1. pythonnoe

Python 中 requests 与 aiohttp 在实际项目中的选择策略详解

《Python中requests与aiohttp在实际项目中的选择策略详解》本文主要介绍了Python爬虫开发中常用的两个库requests和aiohttp的使用方法及其区别,通过实际项目案... 目录一、requests 库二、aiohttp 库三、requests 和 aiohttp 的比较四、requ

Redis过期键删除策略解读

《Redis过期键删除策略解读》Redis通过惰性删除策略和定期删除策略来管理过期键,惰性删除策略在键被访问时检查是否过期并删除,节省CPU开销但可能导致过期键滞留,定期删除策略定期扫描并删除过期键,... 目录1.Redis使用两种不同的策略来删除过期键,分别是惰性删除策略和定期删除策略1.1惰性删除策略

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)

缓存策略使用总结

缓存是提高系统性能的最简单方法之一。相对而言,数据库(or NoSQL数据库)的速度比较慢,而速度却又是致胜的关键。 如果使用得当,缓存可以减少相应时间、减少数据库负载以及节省成本。本文罗列了几种缓存策略,选择正确的一种会有很大的不同。缓存策略取决于数据和数据访问模式。换句话说,数据是如何写和读的。例如: 系统是写多读少的吗?(例如基于时间的日志)数据是否是只写入一次并被读取多次?(例如用户配