当前位置: 首页 > news >正文

[量化投资-学习笔记004]Python+TDengine从零开始搭建量化分析平台-EMA均线

在之前的文章中用 Python 直接计算的 MA 均线,但面对 EMA 我认怂了。
Python+TDengine从零开始搭建量化分析平台-MA均线的多种实现方式

高数是我们在大学唯一挂过的科。这次直接使用 Pandas 库的 DataFrame.ewm 函数,便捷又省事。
并且用 Pandas 直接对之前 MA 均线进行改写。

我一直同意:I would rather be vaguely right than precisely wrong.

EMA 公式:

EMA(t)=平滑常数*当前价格+(1-平滑常数)*EMA(t-1)

目录

    • 1. 获取数据
    • 2.计算均线
    • 3. 绘制图形
    • 题外话
      • 1. 均线的周期
      • 2. 均线的使用

1. 获取数据

还是使用 Restful 方式从 TDengine 查询数据,并转换成 DataFrame 格式。想看获取数据完整代码的同学,可以翻我之前的笔记。

##SQL
st = '2022-08-01'
et = '2022-10-01'
sql = 'select last(tdate),last(close) from trade_data_a.tdata where fcode="000001" and tdate>="'+st+'" and tdate<="'+et+'"' +' interval(1d) '## 通过Restful 从 TDengine 获取交易数据
def request_post(url, sql, user, pwd):try:sql = sql.encode("utf-8")headers = {'Connection': 'keep-alive','Accept-Encoding': 'gzip, deflate, br'}result = requests.post(url, data=sql, auth=HTTPBasicAuth(user,pwd),headers=headers)text=result.content.decode()return textexcept Exception as e:print(e)## 判断查询是否成功
def check_return(result):datart = json.loads(result).get("code")if  str(datart) == '0':chkrt = 'succ'else:chkrt = 'error' return chkrt## 将返回的 Json 转换为 DataFrame
def request_get_d(resInfo):load_data = json.loads(resInfo)data = load_data.get("data")df = pd.DataFrame(data)df.rename(columns={0:'tdate',1:'close'},inplace=True)return df

2.计算均线

不得不说,用别人的轮子就是方便。

if __name__ == '__main__':rt = request_post(tdurl,sql,username,password)scode = check_return(rt)if scode != 'error':df = request_get_d(rt)ema5 = pd.DataFrame.ewm(df['close'],span=5).mean() ema10 = pd.DataFrame.ewm(df['close'],span=10).mean() 

3. 绘制图形

        plt.title("EMA")plt.plot(ema5,'g',linewidth=1.0,label='EMA5')plt.plot(ema10,'r',linewidth=1.0,label='EMA10')plt.legend()plt.grid()plt.show()

看起来比上次计算 MA 均线简单多了,毕竟是站在别人的肩膀上嘛。
在这里插入图片描述

题外话

历史数据的均线基本不会变化,计算好以后可以直接写到 TDengine 里面,然后在 Grafana 中展示。

这部分的实现放在下个笔记。

1. 均线的周期

绘制均线必须要指定周期,通常使用的周期为5、10、20,为什么呢??

因为通常一周的交易日是5天,其他为5的倍数,那么这个周期是否能够准确趋势的变化呢?

有句话说的很好,技术分析总是在不断的自我验证中走向灭亡。

因此均线周期的选择并非一成不变的,通过修改周期,可能会获得不同的视角。

2. 均线的使用

仔细观察就会发现:均线相较于实际数据数据是滞后的,周期越长滞后越严重。MA 均线比 EMA 均线更加滞后,因为 EMA中 最近的数据具有较大的权重。

因此,均线只是对历史价格趋势的描述,而非预测。这点非常重要。也就是说,均线是用来确认趋势,对价格走势进行验证的。

相关文章:

  • 40.弗洛伊德(Floyd)算法
  • 洛谷P1765 手机 / 秋季赛 九宫格
  • 【ICCV2023】频率成分在少样本学习中的重要性
  • 在线运行C++的网站(欢迎补充)
  • 面向对象设计(一)
  • shell中的运算
  • FPGA时序分析与约束(8)——时序引擎
  • KMP算法详解
  • VBA宏查找替换目录下所有Word文档中指定字符串
  • VScode 自定义主题各参数解析
  • 记录CMake一键编译和生成的指令
  • Android 主题 vs 样式
  • vscode markdown 使用技巧 -- 如何快速打出一个Tab 或多个空格
  • npm : 无法加载文件 C:\Program Files\nodejs\npm.ps1,因为在此系统上禁止运行脚本。
  • 阻塞队列.
  • JS中 map, filter, some, every, forEach, for in, for of 用法总结
  • css布局,左右固定中间自适应实现
  • exports和module.exports
  • Hibernate最全面试题
  • iOS小技巧之UIImagePickerController实现头像选择
  • Java Agent 学习笔记
  • JAVA之继承和多态
  • SOFAMosn配置模型
  • Vue.js 移动端适配之 vw 解决方案
  • vue从创建到完整的饿了么(11)组件的使用(svg图标及watch的简单使用)
  • Yeoman_Bower_Grunt
  • 阿里云ubuntu14.04 Nginx反向代理Nodejs
  • 笨办法学C 练习34:动态数组
  • 如何借助 NoSQL 提高 JPA 应用性能
  • 如何使用 OAuth 2.0 将 LinkedIn 集成入 iOS 应用
  • 使用docker-compose进行多节点部署
  • 世界上最简单的无等待算法(getAndIncrement)
  • 事件委托的小应用
  • 一个普通的 5 年iOS开发者的自我总结,以及5年开发经历和感想!
  • 在electron中实现跨域请求,无需更改服务器端设置
  • “十年磨一剑”--有赞的HBase平台实践和应用之路 ...
  • 翻译 | The Principles of OOD 面向对象设计原则
  • ​ssh免密码登录设置及问题总结
  • #android不同版本废弃api,新api。
  • #mysql 8.0 踩坑日记
  • $HTTP_POST_VARS['']和$_POST['']的区别
  • (zhuan) 一些RL的文献(及笔记)
  • (动态规划)5. 最长回文子串 java解决
  • (南京观海微电子)——COF介绍
  • (十二)python网络爬虫(理论+实战)——实战:使用BeautfulSoup解析baidu热搜新闻数据
  • (十五)Flask覆写wsgi_app函数实现自定义中间件
  • (一一四)第九章编程练习
  • (转)chrome浏览器收藏夹(书签)的导出与导入
  • (总结)Linux下的暴力密码在线破解工具Hydra详解
  • ./configure,make,make install的作用
  • .libPaths()设置包加载目录
  • .NET core 自定义过滤器 Filter 实现webapi RestFul 统一接口数据返回格式
  • .NET delegate 委托 、 Event 事件
  • .NET I/O 学习笔记:对文件和目录进行解压缩操作
  • .NET实现之(自动更新)