如果操作过量，即使对市场判断正确，仍会一败涂地。——索罗斯

引言

成交量是股票市场的温度计，许多股票的疯狂上涨并非基本面发生了实质性的变化，而是短期筹码和资金供求关系造成的。量价关系分析法是一种将价格走势与成交量变化相结合的研究方法，正所谓，大军未动，粮草先行。成交量一直被看为是股票市场的“粮草”，成交量的变化是股价变化的前兆。因此，成交量是分析判断市场行情,并作出投资决策时的重要依据,也是各种技术分析指标应用时不可或缺的参照。

本文延续“手把手教你使用Python的TA-Lib”系列，着重介绍交易量指标(Volume Indicators)及其运用。【手把手教你】股市技术分析利器之TA-Lib(一)主要探讨了重叠指标的相关原理与Python实现，【手把手教你】股市技术分析利器之TA-Lib(二)则着重介绍了TA-Lib中强大的数学运算、数学变换、统计函数、价格变换、周期指标和波动率指标函数及其应用实例。TA-Lib的安装使用可查看以前推文。




python成交信息 python 成交量因子计算_Python


01 A/D Line 累积派发线

Chaikin Accumulation/Distribution Line (AD)，是Marc Chaikin提出的用来平衡交易量的指标，以当日收盘价、最高价和最低价来估算一段时间内该股票累积的资金流量, 用来确定潜在的趋势以及预测趋势反转。

函数名：AD

调用格式：ta.AD(high,low,close,volume)

计算方法： AD＝前日AD值＋(多空对比*成交量)

多空对比=((收盘价－最低价)－(最高价－收盘价))/(最高价－收盘价)；注意：当最高价等于最低价时，多空对比 = (收盘价 / 昨收盘) - 1

运用要点：

  • AD测量资金流向，AD向上表明多方占优势，反之表明空方占优势；
  • AD与价格的背离可视为买卖信号：底背离考虑买入，顶背离考虑卖出；
  • AD指标无需设置参数，但在应用时，可结合均线、MACD、KDJ等指标进行分析；
  • AD指标忽略了缺口的影响，有时无法真实反映价格与成交量的关系。

02 A/D Oscillator 震荡指标

震荡指标是计算长短周期的AD差，将资金流动情况与价格行为相对比，用来研判市场中资金流入和流出的情况。

函数名：ADOSC

调用格式：ta. ADOSC(high,low,close,volume,

fastperiod=3,slowperiod=10)

计算方法：fastperiod AD - slowperiod AD，AD的计算同上。

运用要点：

  • 交易信号是背离：看涨背离做多，看跌背离做空；
  • 股价与90天移动平均结合，与其他指标结合；
  • 由正变负卖出，由负变正买进。

03 OBV - 能量潮

全称为 On Balance Volume, 由 Joe Granville 提出，通过统计成交量变动的趋势推测股价趋势。

函数名：OBV

调用格式：ta.OBV(close, volume)

计算公式：以某日为基期，逐日累计每日股票总成交量，若隔日指数或股票上涨，则基期OBV加上本日成交量为本日OBV。隔日指数或股票下跌， 则基期OBV减去本日成交量为本日OBV。

研判：

  • 以“N”字型为波动单位，一浪高于一浪称“上升潮”，下跌称“跌潮”；
  • 上升潮买进，跌潮卖出；
  • 须配合K线图、股价走势和其他指标。

04 应用实例代码

#先引入后面可能用到的包(package)import pandas as pd import numpy as npimport matplotlib.pyplot as plt%matplotlib inline #正常显示画图时出现的中文和负号from pylab import mplmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['axes.unicode_minus']=False#引入TA-Lib库import talib as ta#获取交易数据函数，这里使用tushare的老接口，比较方便import tushare as tsdef get_data(code,start='2018-11-01',end='2019-03-26'): df=ts.get_k_data(code,start,end) df.index=pd.to_datetime(df.date) df=df.sort_index() return df[['open','close','high','low','volume']]#获取当前交易是所有股票代码和名字basics=ts.get_stock_basics()print(len(basics))#basics.head()3602index={'上证综指': 'sh','深证成指': 'sz','沪深300': 'hs300', '创业板指': 'cyb', '上证50': 'sz50','中小板指': 'zxb'}#将当前交易的股票和常用指数代码和名称写入字典，方便调用stock=dict(zip(basics.name,basics.index))stocks=dict(stock,**index)

计算交易量指标并可视化

#使用matplotlib画k线图以及import matplotlib.patches as patchesdef plot_line(name):  code=stocks[name] data=get_data(code) fig = plt.figure(figsize=(12,5)) ax1 = fig.add_axes([0, 1, 1, 1])  ax1.set_title(name+"K线图与交易量指标