国内重大新闻2022,搜索引擎优化的内容,北京冬奥会网站制作素材,安卓app制作开发技术分析有点像烹饪#xff0c;收盘价、最值、成交量等是食材#xff1b;均值#xff0c;移动平均#xff0c;方差等是烹饪方法。随意组合一下就是一个技术指标。
KDJ又称随机指标#xff08;随机这个名字起的很好#xff09;。KDJ的计算依据是最高价、最低价和收盘价。…技术分析有点像烹饪收盘价、最值、成交量等是食材均值移动平均方差等是烹饪方法。随意组合一下就是一个技术指标。
KDJ又称随机指标随机这个名字起的很好。KDJ的计算依据是最高价、最低价和收盘价。K、D、J 是图中的三条线。
要计算 KDJ需要先计算价差 RSVRSV((收盘价-最低价)/(最高价-收盘价))*100
K RSV 的指数移动平均值平滑因子1/3D K 的指数移动平均值平衡因子1/3J K3 - D2
看到这个有没有有点眼熟先求差值然后做移动平均然后再二次平均最后再取差值。是哪个指标呢
答案揭晓MACD
我们直接来看KDJ 和 MACD 的代码就能直观的看到两者的相似之处。
n 9
m 3
df[lowest low] df[low].rolling(windown).min()
df[highest high] df[high].rolling(windown).max()
df[RSV] (df[close] - df[lowest low]) / (df[highest high] - df[lowest low]) * 100
df[K] df[RSV].ewm(adjustFalse, alpha1/m).mean()
df[D] df[K].ewm(adjustFalse, alpha1/m).mean()
df[J] 3 * df[K] - 2 * df[D]df[EMA12] pd.DataFrame.ewm(df[close],span12).mean()
df[EMA26] pd.DataFrame.ewm(df[close],span26).mean()
df[DIF] pd.DataFrame.ewm(df[close],span12).mean() - pd.DataFrame.ewm(df[close],span26).mean()
df[DEA] pd.DataFrame.ewm(df[DIF],span9).mean()
df[OSC] df[DIF] - df[DEA]通过对比我们可以发现
KDJ 比 MACD 多引入了最高价和最低价在计算前后都进行了加权。KDJ 对比的是收盘价与最值间的差值MACD 对比的是不同周期收盘价的差值。KDJ 反应的是同一周期内价格的波动程度MACD 反应的是价格在一段时间的变化趋势。
具体代码我就不放了因为和其他指标的实现方法基本相同。直接关门放 AI 就可以了。
题外话
在周期短的情况下KDJ 指标的变化非常剧烈基本不具有指导意义将计算周期拉长更有参考意义。
网上很多文具在介绍 KDJ 时都提到使用 KDJ 来预测转折点。对于至一点我一直持怀疑态度。所有的技术指标都是根据历史数据计算出来的依据的是历史信息对未来的指导意义我认为是有限的。
技术指标用来做趋势的确认我认为是合理的但是充当预测的水晶球就有点梦幻了。
