TA-Lib学习研究笔记(三)——Volatility Indicator

2023-12-01 11:44

本文主要是介绍TA-Lib学习研究笔记(三)——Volatility Indicator,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!

TA-Lib学习研究笔记(三)——Volatility Indicator

波动率指标函数组
Volatility Indicators: [‘ATR’, ‘NATR’, ‘TRANGE’]

1.ATR

Average True Range
函数名:ATR
名称:真实波动幅度均值
简介:真实波动幅度均值(ATR)是
以 N 天的指数移动平均数平均後的交易波动幅度。
计算公式:一天的交易幅度只是单纯地 最大值 - 最小值。
而真实波动幅度则包含昨天的收盘价,若其在今天的幅度之外:
真实波动幅度 = max(最大值,昨日收盘价) − min(最小值,昨日收盘价) 真实波动幅度均值便是「真实波动幅度」的 N 日 指数移动平均数。
语法:

real = ATR(high, low, close, timeperiod=14)

df['ATR'] = tlb.ATR(df['high'],df['low'],df['close'], timeperiod=14)# 做图
df[['high','low','close','ATR']].plot(title='真实波动幅度均值')
plt.grid() #启用网格
plt.legend(['high','low','close','ATR']) # 设置图示
plt.show()

在这里插入图片描述

2.NATR

函数名:NATR Normalized Average True Range
名称:标准化平均真实范围
简介:标准化平均真实范围(NATR)是计算一个特定时间周期内的正常化平均真实范围,标准化平均真实范围(NATR)是对真实范围的平均值进行标准化处理后的结果。它通过将真实范围除以一个基于时间周期的标准化因子,来消除不同时间周期内价格波动幅度的差异。
语法:

real = NATR(high, low, close, timeperiod=14)

df['NATR'] = tlb.NATR(df['high'],df['low'],df['close'], timeperiod=14)# 做图
df[['high','low','close','NATR']].plot(title='标准化平均真实范围')
plt.grid() #启用网格
plt.legend(['high','low','close','NATR']) # 设置图示
plt.show()

在这里插入图片描述

3.TRANGE

函数名:TRANGE
名称:真正的范围 ,True Range 是用于测量价格波动幅度的指标,它考虑了最高价、最低价和当前收盘价之间的关系。

True Range 的定义如下:

  • 如果当前周期的收盘价高于前一周期的最高价,则 True Range 为当前周期的最高价与前一周期的最高价之间的差值。
  • 如果当前周期的收盘价低于前一周期的最低价,则 True Range 为当前周期的最低价与前一周期的最低价之间的差值。
  • 如果当前周期的收盘价介于前一周期的最高价和最低价之间,则 True Range 为当前周期的最高价与最低价之间的差值。

语法:

real = TRANGE(high, low, close)

df['TRANGE'] = tlb.TRANGE(df['high'],df['low'],df['close'])# 做图
df[['high','low','close','TRANGE']].plot(title='标准化平均真实范围')
plt.grid() #启用网格
plt.legend(['high','low','close','TRANGE']) # 设置图示
plt.show()

在这里插入图片描述

这篇关于TA-Lib学习研究笔记(三)——Volatility Indicator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/441026

相关文章

关于Java内存访问重排序的研究

《关于Java内存访问重排序的研究》文章主要介绍了重排序现象及其在多线程编程中的影响,包括内存可见性问题和Java内存模型中对重排序的规则... 目录什么是重排序重排序图解重排序实验as-if-serial语义内存访问重排序与内存可见性内存访问重排序与Java内存模型重排序示意表内存屏障内存屏障示意表Int

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个