aionliao / MACD-Analyze

Python 对 MACD 的计算以及相关投资策略的分析

MACD-Analyze

Python 对 MACD 的计算以及相关投资策略的分析

使用：

运行前提：

• Python 3.x
• 相关模块的安装
• 网易日线数据

运行

直接运行 macd.py 即可(参数说明在下详述)

直接查看结果： 在 macd_res.txt 中存有某次运行的结果

基本概念

MACD

百度百科的解释：

MACD 称为异同移动平均线，是从双指数移动平均线发展而来的，由快的指数移动平均线（ EMA12 ）减去慢的指数移动平均线（ EMA26 ）得到快线 DIF ，再用 2 ×（快线DIF-DIF的9日加权移动均线DEA） 得到 MACD柱

MACD 金叉

MACD 指标是股票技术分析中一个重要的技术指标，由两条曲线和一组红绿柱线组成。两条曲线中波动变化大的是 DIF 线，通常为白线或红线，相对平稳的是 DEA 线(MACD线)，通常为黄线。当 DIF 线上穿 DEA 线时，这种技术形态叫做 MACD金叉，通常为 买入信号

MACD 死叉

DIF 由上向下突破 DEA,为卖出信号

程序设计

数据计算

【MACD公式】

以下为通达信的公式：

DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,MID);
MACD:(DIF-DEA)*2,COLORSTICK;

需要的变量参数为 SHORT , LONG , MID， 在通达信中默认分别为 12 , 26 , 9; 要计算 MACD ，关键在于求 EMA（指数移动平均值）, 其公式如下：

其中， α 为平滑指数， 一般取 2 / ( N + 1 )

该公式是依赖于前一日的递归的计算，最大的问题便是第一天的 EMA[yesterday] 无法求得， 在程序设计时， 我将它设置为当日收盘价, 再求 DIF, 第一天的 DIF 就变成了 0 （当日收盘价 - 当日收盘价）, 而求 DEA （即 DIF 的 EMA） 时，第一天所需的 DEA[yesterday] 同样不知道， 将其设置为 DIF ( 即 0 )。

【性能优化之多线程】

由于数据量较大， 在这里我尝试使用 Python 的多线程进行分析， 添加了一个 calculate_all_by_thread 的方法， 接收 1 个参数（thread_num）即需要的线程数， 然后根据线程数动态创建线程， 将文件划分为等分的块分别计算， 创建线程部分的代码如下：

def calculate_all_by_thread(self, thread_num):
    file_list = os.listdir(self.file_prefix)
    file_count = len(file_list)
    offset = file_count / thread_num
    offset = math.ceil(offset)
    threads = []
    for i in range(thread_num):
        start = i * offset
        end = (i+1) * offset if (i+1) * offset < file_count else -1
        thread = threading.Thread(target=self.calculate_block, args=(start, end))
        threads.append(thread)
    for t in threads:
        t.setDaemon(True)
        t.start()
    t.join()

这里我使用的 2 个线程进行计算， 实际测试速度虽然不是单线程的 2 倍，但是计算的时间上是有所优化的。

【数据存储】

在了解公式后， 便可迭代文件进行带入计算， 计算结果这里我采用的是将其写入原文件， 在列末尾追加新的 5 列：

• EMA26 (26根据传参而定)
• EMA12 (12根据传参而定)
• DIF
• DEA
• MACD

【数据验证】

完成计算后， 有必要对计算结果进行验证, 这里， 我简单写了一个输出来进行简单验证， 该部分代码如下：

def verify_calculate(self, code):
    try:
        df = pd.read_csv(self.file_prefix + str(code) + '.csv', encoding='gbk')
    except:
        print('文件%s.csv打开失败' % code)
        return
    df = df[df.日期 > self.end_date]
    df = df[::-1]
    mid = []
    dates = []
    difs = []
    deas = []
    macds = []
    color_macd = []
    for index, row in df.iterrows():
        mid.append(0)
        dates.append(row['日期'])
        difs.append(row['DIF'])
        deas.append(row['DEA'])
        macds.append(row['MACD'])
        if row['MACD'] > 0:
            color_macd.append('red')
        else:
            color_macd.append('green')
    # 绘制图表
    fig = plt.figure(dpi=128, figsize=(100, 6))
    plt.plot(dates, mid, c='blue')
    plt.plot(dates, difs, c='yellow')
    plt.plot(dates, deas, c='black')
    plt.bar(dates, macds, color=color_macd)
    plt.xticks(fontsize=5)
    plt.xlabel('', fontsize=5)
    fig.autofmt_xdate()
    plt.show()

在对股票 '000002' 进行验证， 验证结果如下（上图为通达信MACD截图， 下图为程序输出的图片， 时间为2018-01-01 ~ 2019-04-26）：

可以看到图形基本一致， 但是同样对股票 000001 进行验证， 结果如下：

此时， 两图形基本没有重合， 原因是因为计算 MACD 时， 第一天的 EMA并不是前一天计算的，同样 DEA 也是， 而这里数据只计算了 2018-01-01 ~ 2010-04-26, 所以前面基本一致的时候， 是因为第一日刚好相近导致后面计算偏差不大， 对此， 应该不设置截止日期以保证数据的可靠性, 我将时间设置到了 2014-01-01， 重新验证 000001 得到如下：

然后再随机抽取一直股票进行验证， 如下为 600702 的结果

数据分析

这里主要是对 MACD 的分析， 所以以上计算的数据实际上只要用到 MACD , 对 MACD 柱满足以下形态的股票进行分析：

该形态需满足以下特点：

• 出现连续的红色块（MACD > 0）
• 紧接着出现连续蓝色块（MACD < 0）
• 蓝色块小于第一个红色块
• 蓝色块后面跟着一个红色块， 且后一红色块大于前一红色块

在程序设计时， 使用的是迭代数据行， 通过 if 判断， 来定位上述的 3 个块， 在第三块大于第一块时即为符合条件的形态；大致思路是， 定义 3 个变量来标记 3 块的合计值：

• red_1
• green_1
• red_2

判断三个块的条件分别为：

• 块 1 ：green_1 == 0 and red_2 == 0
• 块 2 ：red_1 != 0 and red_2 == 0
• 块 3 ：red_1 != 0 and red_2 != 0 and green_1 != 0

参数说明

no.	param	type	mean	format	default	necessary	demo
1	file_prefix	str	日线文件前缀	/	None	True	'F:\\files\\sharesDatas\\kline\\'
2	end_date	str	截止日期	yyyy-mm-dd	'0000-00-00'	False	'2019-01-01'
3	short	int	短期的天数	/	12	False	12
4	long	int	长期的天数	/	26	False	26
5	mid	int	计算DEA时， DIF的EMA天数	/	9	False	9
6	count_max	int	判断后面的多少天涨跌情况	/	5	False	10
7	count_border	int	设置最大天数内至少多少天涨才符合	/	3	False	6

function注释

• calculate_noe
  • 计算单只股票的 MACD 、 DIF 、 EMA 、 DEA
  • 需要参数：
    • code: 股票的代码
  • 返回值：
    • None
• calculate_all_by_thread
  • 通过多线程计算所有股票
  • 需要参数：
    • thread_num: 线程数量
  • 返回值:
    • None
• calculate_block:
  • 计算指定代码块的股票
  • 需要参数：
    • start：块下标开始
    • end: 块下标结束
  • 返回值：
    • None
• verify_calculate
  • 验证计算的结果
  • 需要参数：
    • code: 股票的代码
  • 返回值：
    • None
• analyze_macd_one:
  • 分析单只股票 的 macd
  • 需要参数：
    • code: 股票的代码
  • 返回值：
    • None
• analyze_macd_by_thread:
  • 通过多线程分析所有股票
  • 需要参数：
    • thread_num: 线程数量
  • 返回值:
    • None
• analyze_block:
  • 分析指定代码块的股票
  • 需要参数：
    • start：块下标开始
    • end: 块下标结束
  • 返回值：
    • None
• show_res:
  • 输出分析结果并写入相关文件
  • 需要参数：None
  • 返回值： None

结果分析

【某次结果截图】

计算 MACD 时候的传参均为默认， 即通达信公式中的默认值， 对上述情况进行分析得到的结果是， 后 10 天内至少 6 天比符合条件时涨了的比例约为 55% ， 而如果将参数调整为 5 天内至少 3 天， 则比例降低到约47%， 而如果不是 MACD 的值计算有误的话， 可见这个 MACD 的指标并不是很可靠， 但可以调整计算 MACD 的参数的值