pandas pandas数据组合 ADF MACD 股票数据分析

论文实现：python计算MACD值以及ADF检验及数据分析

Posted by 高庆东 on November 28, 2018

这段代码主要是实现了一篇关于交易股票算法的论文上提到的方法，论文上说这个方法基本上可以赚钱，好像很吊的样子

数据读取

import pandas as pd
import numpy as np
import datetime
import time

#获取数据
def csv_read():
    df=pd.read_csv('mcad.csv')
    df.columns=['date','time','open','high','low','close','volume','amt']
    #df=df[['date','open','high','low','close','volume','amt']]
    #print(df.head(5))
    return df

#划分为一天为单位groupby的作用是给某列分组，后面的是其他列在一那列分组为基础的前提下，取值
def time2date(df):
    z = df.groupby(['date']).size()
    df_=df.groupby('date').agg({'open':'first', 'high': 'max', 'low': 'min','close':'last'})
    return pd.DataFrame(df_)

MACD计算

import pandas as pd
import numpy as np
import datetime
import time
import csv_read as cr

def get_EMA(df,N):
    for i in range(len(df)):
        if i==0:
            df.ix[i,'ema']=df.ix[i,'close']
        if i>0:
            df.ix[i,'ema']=(2*df.ix[i,'close']+(N-1)*df.ix[i-1,'ema'])/(N+1)
    ema=list(df['ema'])
    return ema

def get_MACD(df,short=12,long=26,M=9):
    a=get_EMA(df,short)
    b=get_EMA(df,long)
    df['diff']=list(pd.Series(a)-pd.Series(b))
    #print(df.head(5))
    for i in range(len(df)):
        if i==0:
            df.ix[i,'dea']=df.ix[i,'diff']
        if i>0:
            df.ix[i,'dea']=(2*df.ix[i,'diff']+(M-1)*df.ix[i-1,'dea'])/(M+1)
    df['macd']=2*(df['diff']-df['dea'])
    return df

def get_hat_MACD(df,long=26,M=9):
    for i in range(len(df)):
        if i<long+M:
            df.ix[i,'h_macd']=0
        if i>=long+M:
            df.ix[i,'h_macd']=df.ix[i,'macd']/df.ix[i-(long+M),'close']
    return df

ADF检验

import numpy as np
import statsmodels.tsa.stattools as st
import macd_cal as mc 
import csv_read as cr


df=cr.csv_read()
df=cr.time2date(df)
macd=mc.get_MACD(df,12,26,9)
h_mc=mc.get_hat_MACD(macd,26,9)

res=st.adfuller(h_mc['h_macd'],1)
print(res)
CATALOG
    FEATURED TAGS
    c语言 c++ 面向对象 指针 容器 python 函数 数据结构 回归 损失函数 神经网络 机器学习 似然函数 极大似然 标准化 深度学习 卷积网络 参数估计 beta分布 数据处理 gradio 模型工程化 网页 模型加速工具 c++实现 变量 占位符 tensorflow 线性回归 学习tensorflow HMM RNN 强化学习 LSTM pandas 不定长序列损失 pytorch 目标检测 RPN 非极大值抑制 ROIpooling VGG16 Transformer BERT Python 装饰器 方法 Pytorch FPN 图像分类 CNN 多模态 生成 GPT Tranformer 生成模型 audio