目录1.OBV指标计算方法1.1 累积OBV1.2 移动型OBV1.3 修正型OBV2. OBV指标理论依据3. OBV指标的交易策略制定4.OBV指标的应用原则 OBV的英文全称为On Balance Volume，中文为能量潮。该指标认为，市场的动能应该由成交量的变化情况来反映。成交量可以反映出市场买卖双方的活跃情况，量是价的先行者，价格的变化情况与成交量有着密切关系。OBV指标从量入手对
能量潮指标，英文简称OBV，是On Balance Volume的缩写。OBV指标结合涨跌情况，对成交量进行处理。本文结合MACD与OBV，用OBV进行改进MACD指标公式。一、能量潮(OBV)指标解析在通达信中，OBV的名称是累积能量线，公式如下：M:=30;VA:=IF(CLOSE>REF(CLOSE,1),VOL,-VOL);OBV:SUM(IF(CLOSE=REF(CLOSE,1),
转载
2023-12-22 22:08:31
657阅读
# Python OBV 计算方法详解
在金融技术（Fintech）领域中，On-Balance Volume（OBV）是一种强大的资金流量指标，能够帮助你判断股价走势以预测未来价格变动。本文将带给你一个详细的步骤指南，如何在Python中实现OBV计算。
## 流程概述
下面是实现Python OBV的步骤：
```markdown
| 步骤 | 说明
OBV 指标是“On-Balance Volume”的缩写，意为“量价平衡指标”。它是一种用于衡量买卖压力的技术分析工具，主的情况。
原创
2024-03-07 08:53:39
555阅读
{OBV_X3【背景】考虑到OBV_X03在情况1的时候，采用的是寻找波段线的同价K线，但是由于此种情况下必须使用CONST(C)或通过输入参数CONSTCC设定固定值，无法当前K线的CLOSE同时变化，所以改进为OBV_X03【效果】此指标的卖出对大盘、创业板指数15分钟其准确，虽然不能做到每
转载
2017-10-31 20:21:00
141阅读
Python中的W R：简介与应用Python是一种快速、便捷且简单易学的编程语言。Python具有强大的功能，包括数据处理、图像处理、机器学习、网络编程等。W R（Write-Read）是在Python中广泛应用的一种方法。本文将介绍Python中的W R方法，以及它在数据处理和分析中的应用。什么是W RW R是一种Python代码编写方式，目的是将数据从同一文件中进行读取、处理和写入。简单来说
转载
2023-10-19 08:24:33
154阅读
从简单应用到平台框架应用，不同场景下，基于python快速简便地实时计算金融技术指标的方法，总结如下（鄙人之前走了不少弯路，以下五种场景实现及避坑方法，分别介绍给各位朋友，请借鉴）：一、tradingview的方法库如果你要基于tradingview框架做量化系统和策略，那就非常直接简单容易了。我敢说，几乎所有你想到的、和没有想到的技术指标，都已经集成在tradingview的方法库和框架中了。最
转载
2023-11-15 05:23:27
232阅读
最近有人抓取了 Github、Stack Overflow、PyPI 上的数据，根据开发者在这些平台上的实际使用行为，对目前的 Python Web 框架进行了排名。这个排名不是基于性能来排序的，但整体我认为其实更综合一些，是大家“用脚投票”选出来的。在今天的文章里，我想和大家分享这份榜单，以及从中获得的一些启示。一、具体名单排名前十五的框架名单如下： 二、排名算法框架得分计算方式比较简单：1、
转载
2023-11-11 21:22:15
66阅读
1. 简介backtrader 是一个用于回测和交易的python框架，它功能丰富，可以让你聚焦在设计可重用的交易策略、指标和分析上，而不用花大量时间在构建基础框架上面。优点：github开源，策略编写简单快速安装方便，除了matplotlib外，不依赖其他外部lib支持ib等券商实时交易数据来源支持csv文件，在线数据源或pandas格式，同时支持多数据来源、多策略支持TA-lib指标，方便支持
转载
2023-11-27 11:30:37
1053阅读
1 简介遥感生态指数RSEI， 是一种使用卫星遥感影像数据通过反演计算得到的数据，可以用来对城市的生态状况进行快速监测和评价，该指数主要利用主成分分析方法，对植被指数、湿度、地表温度以及建筑指数四项指数指标进行集成。详细信息还请参考阅读：徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报,2013,33(24):7853-7862.前段时间帮朋友用Python写了个基于Landsat8 OLI
转载
2023-12-08 17:48:29
56阅读
今天我们来使用backtrader试试另一个量化投资策略：KDJ策略，KDJ是最常用的指标之一，其中文名叫“随机指标”。它通过统计学原理，识别N个交易日内最高价、最低价、最新收盘价三者之间的比例关系来计算随机值（RSV），然后再根据加权移动平均线(EMA)的方法来计算K值、D值、J值。具体计算方法如下：RSV = （收盘价-N周期最低价）/（N周期最高价-N周期最低价）*100K值 = RSV的N
转载
2024-02-05 22:13:00
16阅读
PyFlux库函数是什么？PyFlux是Python编程语言的开源时间序列库。PyFlux是Python中为处理时间序列问题而创建的开源库。该库有一系列极好的时间序列模型，包括但不限于 ARIMA、 GARCH 和 VAR 模型。简而言之，PyFlux提供了一个时间序列建模的概率方法。PyFlux允许使用时间序列建模，并且已经实现了像GARCH这样的现代时间序列模型。时间序列研究是统计学和计量经济
转载
2023-10-06 10:43:32
4阅读
SAR指标又叫抛物线指标或停损转向操作点指标，其全称叫“Stop and Reverse，缩写SAR”，是由美国技术分析大师威尔斯-威尔德（Wells Wilder）所创造的，是一种简单易学、比较准确的中短期技术分析工具。 SAR的计算工作主要是针对每个周期不断变化的SAR的计算，也就是停损价位的计算。在计算SAR之前，先要选定一段周期，比如n日或n周等，n天或周的参数一般为4日或4周。接下
转载
2023-10-25 19:19:55
28阅读
在谷歌，OKRs通常以0.0到1.0的等级进行分级，1.0意味着目标被100%地达成。 每个关键结果都会被单独评分，然后使用粗略平均值相应地对目标进行评分。 之所以说“粗糙”，是因为有时不同的关键结果会有不同的权重。OKR的评分标准ORK是一套开源的目标管理框架，使用者可以根据自己的实际情况进行修改和调整。由于OKR鼓励使用者去挑战更高难度的目标，所以KR在设定的时候就要求有一定的挑战性。如果KR
转载
2023-07-31 23:45:46
107阅读
YOLO mAP@0.5与mAP@0.5:0.95的含义mAP@0.5：mean Average Precision（IoU=0.5）即将IoU设为0.5时，计算每一类的所有图片的AP，然后所有类别求平均，即mAP如图所示，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。数值越高，即阈值越大，精度越低。mAP@.5:.95（mAP
转载
2023-07-08 14:02:31
574阅读
1.创建并输出菜单, 菜单是不可变的. 所以使用元组
menus = ("1, 录入", "2, 查询", "3, 删除", "4, 修改", "5, 退出")
# 存储用户的信息 id: {'name':'名字', 'weight':体重, 'height':身高}
# 例如：目前有两个用户信息：1. 汪峰， 2. 章子怡
# 存储结构：
#bodies= {
# 1:{'name'
转载
2024-01-15 00:43:10
66阅读
目录混淆矩阵KS曲线与ROC曲线KS曲线ROC曲线KS曲线与ROC曲线之间的关系洛伦兹曲线与Gini系数Lift曲线Gain曲线PSIPython代码参考混淆矩阵KS曲线与ROC曲线KS曲线KS检验：比较频率分布\(f(x)\)与理论分布\(g(x)\)或两个观测值分布的是否一致检验方法，原假设两个数据分布一致或数据符合理论分布，统计量\(D=max|f(x)-g(x)|\)KS值计算步骤：对变量
转载
2023-10-20 23:30:23
366阅读
前言最近参加了一些比赛,看到不同的比赛有很多不同的模型评价标准,于是就想整理一份关于模型评价标准的资料分享一下,有不足和错误之处,希望能指教。本文会先介绍二分类模型的主要评价指标:AUCKSLog-lossAccuracy/Recall/Precision/F1-score紧接着会先介绍多分类模型的主要评价指标:AccuracyF1-macroF1-score-weighted二分类模型1.AUC
转载
2024-04-22 22:59:55
82阅读
科学运算和数据结构numpy - 进行数值运算的基础包，scipy和numpy令Python进行有效的矩阵运算成为可能scipy - 科学计算生态系统，广泛应用于数学，物理学和工程学等自然科学领域pandas - 提供了高性能的数据结构和数据分析工具quantdsl - 金融/交易领域进行定量分析的领域特定语言statistics - 进行基础统计运算sympy - 专门用于符号数学pymc3 -
转载
2023-09-16 11:35:06
20阅读
目录一、概述二、kd树2.1 kd树的构造2.2 kd树的搜索三、完整代码四、参考文献 一、概述原理及一般实现较为简单，本文主要讨论KD树实现。KNN的主要要点如下：本质：利用训练数据集对特征向量空间进行划分特点：不具备显示的学习过程K值的影响：K值越大，表明单个样本的影响越小，且划分的空间少了，模型变得越简单，近似误差越大，估计误差越小，模型更容易欠拟合；K值越小，表明单个样本的影响越大，且划
转载
2023-11-03 19:49:38
139阅读
