EL PSY CONGROO

【只能预测下个交易日】【不能盘中使用】

VOL-MA（也常写作 VMA），全称 Volume Moving Average，即成交量均线，是金融交易中最基础、最常用的技术指标之一。

VOL-MA5（5 日成交量均线）

VOL-MA10（10 日成交量均线）

VOL-MA20（20 日成交量均线）。

量价配合：股价上涨时，成交量 > VOL-MA，且VOL-MA5 上穿 VOL-MA10（金叉），通常视为资金进场、趋势强势的信号。

量价背离：股价上涨但成交量 < VOL-MA，或VOL-MA5 下穿 VOL-MA10（死叉），提示上涨动能不足，需警惕回调。

缩量确认：股价回调时，成交量萎缩至 VOL-MA 下方，抛压减轻，可能是阶段性底部信号。

import akshare as ak
import pandas as pd

# 日
# df = ak.stock_zh_a_hist(symbol="000021", period="daily", start_date="20250101", end_date="20260313", adjust="qfq")
# 周
# df = ak.stock_zh_a_hist(symbol="000021", period="weekly", start_date="20250101", end_date="20260313", adjust="qfq")



# df.to_csv("000021z.csv", index=False)
# print("数据已保存，共", len(df), "行")

df=pd.read_csv("000021z.csv")
# print(df.head())

# df["日期"] = pd.to_datetime(df["日期"])  # 转为时间格式
# df.sort_values("日期", inplace=True)    # 按日期正序排列


df['vol_ma5']=df["成交量"].rolling(window=5).mean()
df['vol_ma10']=df["成交量"].rolling(window=10).mean()
df['vol_ma20']=df["成交量"].rolling(window=20).mean()
df['vol_ma60']=df["成交量"].rolling(window=60).mean()

VOL-MA自己定义

OBV（能量潮）

OBV 是将成交量与股价涨跌结合的累计指标

• OBV 与股价同步上涨：量价配合，上涨趋势健康；
• OBV 上涨但股价横盘：资金悄悄进场，可能即将突破；
• OBV 下跌但股价上涨：量价背离，上涨动能不足，警惕回调。

OBV 初始值设为 0（无前日数据，无法判断涨跌）

OBV=OBV昨日+（涨成交量/负成交量/0）

KDJ算法：【9日为计算周期 933】

先算RSV：RSV = (C – L9) / (H9 – L9) * 100

• C：第9日的收盘价
• L9：第1天到第9天这9天内的最低价
• H9：第1天到第9天这9天内的最高价

计算K值：（快线）

当日K值 = 2/3 × 前一日K值 + 1/3 × 当日RSV

初始化 第一个K值为50

计算D值：（慢线）

当日D值 = 2/3 × 前一日D值 + 1/3 × 当日K值

初始化 第一个D值为50

计算J值：（用于放大信号）

J值 = 3 × 当日K值 – 2 × 当日D值

策略：

1. 判断超买与超卖
   • 当K值和D值都高于80时，市场进入超买区，意味着价格上涨可能过度，存在回调风险。 K>80 D>80
   • 当K值和D值都低于20时，市场进入超卖区，意味着价格下跌可能过度，存在反弹机会。 K<20 D<20
   • J值的反应更激进，当J值大于100时，表明市场极度超买；当J值小于0时，表明市场极度超卖。 J>100 超买 J<0 超卖
2. 发出金叉与死叉信号
   • 金叉：当K线从下方向上穿过D线时，形成买入信号，尤其在超卖区形成的金叉可靠性更高。K>D
   • 死叉：当K线从上方向下穿过D线时，形成卖出信号，尤其在超买区形成的死叉意义更强。 K<D
3. 识别顶底背离
   • 顶背离：当股价创新高，但KDJ指标的高点却逐步降低，暗示上涨动能衰竭，是潜在的顶部反转信号。
   • 底背离：当股价创新低，但KDJ指标的低点却逐步抬高，暗示下跌动能减弱，是潜在的底部反转信号

BOLL算法 ：衡量市场的波动率【震荡判断】

衡量波动率,震荡行情中，BOLL可以帮你识别相对的高点和低点.不要机械地认为“碰到上轨就卖，碰到下轨就买”。这种策略只在横盘震荡的行情中有效。如果在单边上涨的牛市中，价格会持续在布林带上轨附近运行，如果一碰到上轨就卖出，就会错失主升浪。因此，使用BOLL时，首先要判断市场是处于“趋势”还是“震荡”状态。

BOLL指标由上、中、下三条轨道线组成：

中轨 MB= MA20 

上轨 UP =中轨 + K 倍的过去 N 日收盘价的标准差

下轨 DN=中轨 – K 倍的过去 N 日收盘价的标准差

标准差 (σ) = 过去20日收盘价的标准差

---

• 触及上轨：股票价格运行到上轨附近，通常意味着处于相对高位，可能面临回调压力。【仅在震荡行情中有效】
• 触及下轨：股票价格运行到下轨附近，通常意味着处于相对低位，可能获得支撑反弹。【仅在震荡行情中有效】

带宽扩张（开口变大）标准差变大=》上小轨道间变大=》行情正在加速

带宽收缩（开口变小/收口）当价格长时间在一个狭小范围内波动，标准差变小，上下轨会收得很窄。这被称为“布林带挤压”，通常预示着市场正在积蓄力量，即将发生方向不明的重大突破。

当价格经过长时间的窄幅震荡（带宽收缩）后，突然放量突破上轨或下轨，这通常是新一轮趋势启动的信号。

• 向上突破：价格带量突破上轨，可能是买入信号。
• 向下突破：价格跌破下轨，可能是卖出或止损信号。
• 注意：需要结合成交量来确认突破的有效性，无量的突破很可能是假突破19。

标准差：
先平均值ma20

方差：（（每个股价-ma20）平方 相加）/20

标准差：再方差开根号

多空双方力量的对比（它不光看价格涨了多少，而是看上涨的力度和下跌的力度谁更强。）

[0,100]

• 50：多空分界线。高于 50 代表多方强势，低于 50 代表空方强势
• RSI > 70 时，说明市场短期内上涨过快、买盘过热，就像弹簧被压到了极限，此时价格容易回调或下跌。
•  RSI < 30 时，说明市场短期内下跌过猛、卖盘过急，此时价格容易反弹或上涨

算法

设基准价：
a = 100

后面 14 天的涨跌数（我随便编一组，方便你看 当天与前一日的涨跌数据 ）：
开始 100 | 102 | 101 | 104 | 102 | 103……
2, -1, 3, -2, 1, 0, 4, -1, 2, -3, 1, -2, 3, -1

• 所有上涨（Gain）：2,3,1,4,2,1,3
  总和 = 16
  ​
• 所有下跌（Loss）：1,2,1,3,2,1
  总和 = 10

计算：
AvgGain = 16 / 14 ≈ 1.14
AvgLoss = 10 / 14 ≈ 0.71

RS = 1.14 / 0.71 ≈ 1.61

RSI = 100 – 100/(1+1.61)
= 100 – 100/2.61
≈ 61.7

import pandas as pd
df=pd.read_csv("000021.csv")

df['delta']=df['收盘'].diff()
df['gain']=df['delta'].where(df['delta']>0,0)
df['loss']=-df['delta'].where(df['delta']<0,0)
df['avg_gain']=df['gain'].rolling(14).mean()
df['avg_loss']=df['loss'].rolling(14).mean()


df['avg_loss'] = df['avg_loss'].replace(0, 1e-6)

df['rs']=df['avg_gain']/df['avg_loss']
df['rsi']=100-(100/(1+df['rs']))


print(df.head(30))

MACD 指数平滑异同移动平均线 【均线的另一类】

• DIF（快线/蓝色线） ：短期均线与长期均线的差值，反应灵敏，代表短期趋势的动量。
• DEA （慢线/信号线/红色线）： DIF 线的移动平均线（相当于对 DIF 再做一次平滑），反应较慢，用于确认 DIF 的趋势
• MACD 柱状图（Histogram/红绿柱）：它是 DIF 线与 DEA 线之间的差值（通常放大 2 倍显示）：直观显示多空力量的强弱。柱子变长代表动能增强，变短代表动能减弱

第一步 计算各天的EMA

计算基于指数移动平均线（EMA）为 12, 26, 9

• EMA(12)：12 日指数移动平均线（快速线）
• EMA(26)：26 日指数移动平均线（慢速线）

当日EMA计算：

其中第一天EMA 是你选这系数的 收盘价的算术平均值（如果是EMA（12）的话就是12天的算术平均值）

第二步 当日的DIF（差离值）（快线-慢线）

DIF=EMA（12）-EMA（26）

• 当 DIF 是正数（距离为正）：说明短期成本高于长期成本，大家都愿意出高价买，是买入信号。
• 当 DIF 是负数（距离为负）：说明短期成本低于长期成本，大家都在恐慌抛售，是卖出信号。
• 当 DIF 是 0（距离为0）：说明快慢线重合，市场处于平衡点。

第三步 计算 DEA（信号线）

DEA 是 DIF 的 9 日指数移动平均线（EMA）

平滑系数 (α)：
这里的周期 $N$N 取值为 9，所以平滑系数 $\alpha =2\mathrm{/}(9+1)=0.2$α=2/(9+1)=0.2

具体来说，DEA的作用主要体现在以下几个方面：
🧭 1. 生成买卖信号（金叉与死叉）
DEA作为DIF的“基准线”或“触发线”，两者之间的交叉是MACD最核心的交易信号12。
金叉（买入信号）：当DIF线从下方向上穿越DEA线时，形成“黄金交叉”。这通常意味着短期上涨动能已经强于长期平均动能，是看涨信号12 。
死叉（卖出信号）：当DIF线从上方向下穿越DEA线时，形成“死亡交叉”。这通常意味着短期下跌动能开始占据优势，是看跌信号12 。

📉 2. 判断趋势强弱（零轴位置）
DEA线相对于零轴的位置，可以帮助投资者快速判断市场的整体多空氛围57。
零轴上方：当DEA线运行在零轴上方时，通常表示市场处于多头趋势（上涨趋势）中。此时即使出现回调，只要不跌破零轴，上升趋势尚未改变57。
零轴下方：当DEA线运行在零轴下方时，通常表示市场处于空头趋势（下跌趋势）中。此时的反弹若未能推动DEA上穿零轴，则下跌趋势依然主导57。

📊 3. 辅助判断动能衰减（斜率变化）
除了位置和交叉，DEA线的斜率变化也具有重要的先行指示意义57。
斜率趋缓：当DEA线在上升过程中，其上升角度（斜率）开始逐渐变小、走平，这可能预示着上涨动能正在减弱，趋势可能即将反转或进入盘整57。
斜率增大：当DEA线的上升或下降角度变得越来越陡峭，说明当前趋势（无论是上涨还是下跌）正在加速，动能正在增强58。

🔄 4. 识别潜在反转（背离）
DEA线常被用来与股价走势进行对比，以识别“背离”现象。背离是潜在的趋势反转预警信号24。
顶背离：当股价创出新高，但DEA线未能同步创出新高（甚至出现更低的高点），这表明上涨动力不足，可能即将见顶回落24。
底背离：当股价创出新低，但DEA线未能同步创出新低（甚至出现更高的低点），这表明下跌动力正在衰竭，可能即将触底反弹

第四步：生成最终形态（MACD 柱状图）

算出 DEA 后，我们已经有了两条线（DIF 和 DEA），但为了更直观地观察它们之间的关系，通常会画出第三部分——MACD 柱状图

平均真实波动

ATR大 市场剧烈 涨跌大

ATR小 市场平淡 震荡

上涨+ATR变大=上涨有力量

下跌+ATR变大=下跌很凶

策略

ATR大 波动大 少买

ATR小 波动小 可以多买（量化）

算法：

TR 三个选一个

当日最高-当日最低

当日最高-昨日收盘

在当日最低-昨日收盘

取绝地值 然后从其中选取最大的值 就是TR

---

ATR 14交易日为一个周期，第一个ATR需要再向前推14个交易的平均TR

之后递归执行（执行14次计算）

import pandas as pd
df=pd.read_csv("000021.csv")
# 当日最高-当日最低

# 当日最高-昨日收盘

# 在当日最低-昨日收盘
df['高低']=df['最高']-df['最低']
df['高收']=abs(df['最高']-df['收盘'].shift(1))
df['低收']=abs(df['最低']-df['收盘'].shift(1))
df['TR']=df[['高低','高收','低收']].abs().max(axis=1) #axis=1行计算

df['ATR'] = df['TR'].ewm(span=14, adjust=False).mean()

print(df.head(30))

# ATR/股价 才是振幅