Technicalindicators 0.0.15 Este módulo fornece alguns indicadores técnicos para analisar estoques. Este módulo fornece alguns indicadores técnicos para a análise de estoques. Quando eu puder, vou acrescentar mais. Se alguém quiser contribuir com novo código ou correções / sugestões, sinta-se livre. Relativo Índice de Força (RSI), ROC, MA Envelopes Média Móvel Simples (SMA), Média Móvel Ponderada (WMA), Média Móvel Exponencial (EMA) Bandas de Bollinger (BB), Bollinger Bandwidth, B Requer numpy. Este módulo foi feito e testado em Windows com Python 2.7.3 e numpy 1.6.1. Eu tenho um intervalo de datas e uma medição em cada uma dessas datas. Eu gostaria de calcular uma média móvel exponencial para cada uma das datas. Alguém sabe como fazer isso Im novo para python. Não parece que as médias são construídas na biblioteca padrão do python, o que me parece um pouco estranho. Talvez eu não esteja procurando no lugar certo. Então, dado o seguinte código, como eu poderia calcular a média móvel ponderada de pontos de QI para datas de calendário (provavelmente há uma maneira melhor de estruturar os dados, qualquer conselho seria apreciado) perguntou 28 de janeiro às 18:01 Meu python é um Um pouco oxidado (qualquer um pode se sentir livre para editar este código para fazer correções, se eu magoar a sintaxe de alguma forma), mas aqui vai. Esta função move-se para trás, do fim da lista para o início, calculando a média móvel exponencial para cada valor trabalhando para trás até que o coeficiente de peso para um elemento seja menor do que o epsilon dado. No final da função, inverte os valores antes de retornar a lista (para que eles estão na ordem correta para o chamador). (NOTA LATERAL: se eu estava usando um idioma diferente de python, Id criar uma matriz vazia de tamanho completo primeiro e, em seguida, preenchê-lo para trás-ordem, de modo que eu não teria que inverter no final. Mas eu não acho que você pode declarar Uma grande matriz vazia em python. E em listas de python, anexar é muito menos caro do que prepending, é por isso que eu construí a lista na ordem inversa. Por favor, corrija-me se estou errado.) O argumento alfa é o fator de decaimento em cada iteração. Por exemplo, se você usou um alfa de 0,5, então o valor da média móvel de hoje seria composto dos seguintes valores ponderados: Claro, se você tem uma enorme variedade de valores, os valores de dez ou quinze dias atrás não vai contribuir muito Média ponderada de hoje. O argumento epsilon permite definir um ponto de corte, abaixo do qual você deixará de se preocupar com valores antigos (já que sua contribuição para o valor de hoje será insignificante). Youd invocar a função algo como isto: Eu não sei Python, mas para a parte de média, você quer dizer um filtro de passagem baixa exponencial decadência da forma onde alfa dt / tau, dt o timestep de O filtro, tau a constante de tempo do filtro (a variável-timestep forma deste é o seguinte, basta clipe dt / tau para não ser mais de 1,0) Se você quiser filtrar algo como uma data, certifique-se de converter para um Quantidade de ponto flutuante como de segundos desde 01 de janeiro 1970.Advanced Matplotlib Series (vídeos e fonte final apenas) Uma vez que você tem uma compreensão básica de como funciona Matplotlib, você pode ter interesse em levar seu conhecimento um pouco mais. Algumas das necessidades gráficas mais complexas vêm na forma de análise de ações e gráficos, ou Forex. Nesta série tutorial, foram indo para cobrir onde e como automaticamente pegar, classificar e organizar alguns stock livre e dados de preços forex. Em seguida, foram indo para gráfico usando alguns dos indicadores mais populares como um exemplo. Aqui, bem fazer MACD (Moving Average Convergence Divergence) eo RSI (Relative Strength Index). Para nos ajudar a calculá-los, usaremos o NumPy, mas, caso contrário, calcularemos tudo por conta própria. Para adquirir os dados, iriam usar a API de finanças do Yahoo. Esta API retorna dados de preços históricos para o símbolo de ticker que especificamos e para o tempo que pedimos. Quanto maior o período de tempo, menor a resolução de dados que obtemos. Assim, se você pedir um período de tempo de 1 dia para AAPL, você receberá 3-minuto OHLC (aberto alto fechamento baixo) dados. Se você pedir 10 anos vale a pena, você obterá dados diários, ou mesmo 3 dias de tempo. Tenha isso em mente e escolha um período de tempo que se ajuste aos seus objetivos. Além disso, se você escolher um intervalo de tempo baixo o suficiente e obter alta granularidade suficiente, a API retornará o tempo em um carimbo de data / hora unix, em comparação com um carimbo de data. Uma vez que tenhamos os dados, vamos querer graficá-lo. Para começar, basta traçar as linhas, mas a maioria das pessoas vai querer traçar um castiçal em seu lugar. Vamos usar a função de candelabro Matplotlibs, e fazer uma edição simples para melhorar ligeiramente. Neste mesmo gráfico, bem também sobrepor alguns cálculos de média móvel. Depois disso, vamos criar uma sub-trama, e graficar o volume. Não podemos plotar o volume na mesma subtrama imediatamente, porque a escala é diferente. Para começar, vamos plotar o volume embaixo em outro sub-plot, mas eventualmente bem realmente sobreposição de volume na mesma figura e torná-lo um pouco transparente. Então, foram indo para adicionar 2 sub-parcelas e traçar um RSI indicador na parte superior eo MACD indicador na parte inferior. Para todos estes, foram indo para compartilhar o eixo X, para que possamos zoom in e out em 1 parcela e todos eles correspondem ao mesmo período de tempo. Vamos tramar no formato de data para o eixo X, e personalizar quase todas as coisas que podemos para a estética. Isso inclui mudar as cores da etiqueta da marca, as cores da borda / coluna, as cores das linhas, as cores do candelabro da OHLC, aprender a criar um gráfico preenchido (para o volume), histogramas, desenhar linhas específicas (hline para RSI) e muito mais. Heres o resultado final (eu tenho tanto um Python 3 e uma versão Python 2. Python 3 primeiro, depois Python 2. Certifique-se de que você está usando o que corresponde a sua versão Python): Isso é tudo por agora. Quer mais tutoriais Cabeça para a Home Page Matplotlib Crash Coursenumpy. average Eixo ao longo do qual a média a. Se Nenhum. A média é feita sobre o arranjo achatado. Pesos. Arraylike, optional Uma matriz de pesos associados com os valores em a. Cada valor em a contribui para a média de acordo com seu peso associado. A matriz de pesos pode ser 1-D (caso em que seu comprimento deve ser o tamanho de um ao longo do eixo dado) ou da mesma forma que a. Se weightsNone. Então todos os dados em um são assumidos para ter um peso igual a um. devolvida . Bool, opcional O padrão é False. Se for verdade . A tupla (média de sumofweights) é retornada, caso contrário apenas a média é retornada. Se weightsNone. Sumofweights é equivalente ao número de elementos sobre os quais a média é tomada. Média, sumofweights. Arraytype ou double Retorna a média ao longo do eixo especificado. Quando retornado é True. Retorna uma tupla com a média como o primeiro elemento ea soma dos pesos como o segundo elemento. O tipo de retorno é Float se a for de tipo inteiro, caso contrário ele é do mesmo tipo que a. Sumofweights é do mesmo tipo que a média. Média móvel exponencial - EMA Carregando o player. Os EMAs de 12 e 26 dias são as médias de curto prazo mais populares e são usados para criar indicadores como a divergência de convergência média móvel (MACD) eo oscilador de preços percentuais (PPO). Em geral, as EMA de 50 e 200 dias são usadas como sinais de tendências de longo prazo. Traders que empregam análise técnica encontrar médias móveis muito útil e perspicaz quando aplicado corretamente, mas criar havoc quando usado de forma inadequada ou são mal interpretados. Todas as médias móveis normalmente utilizadas na análise técnica são, pela sua própria natureza, indicadores de atraso. Conseqüentemente, as conclusões tiradas da aplicação de uma média móvel a um gráfico de mercado específico devem ser para confirmar um movimento de mercado ou para indicar sua força. Muitas vezes, quando uma linha de indicadores de média móvel fez uma alteração para refletir uma mudança significativa no mercado, o ponto ótimo de entrada no mercado já passou. Um EMA serve para aliviar este dilema em certa medida. Porque o cálculo EMA coloca mais peso sobre os dados mais recentes, ele abraça a ação de preço um pouco mais apertado e, portanto, reage mais rápido. Isto é desejável quando um EMA é usado para derivar um sinal de entrada de negociação. Interpretando a EMA Como todos os indicadores de média móvel, eles são muito mais adequados para mercados de tendências. Quando o mercado está em uma tendência de alta forte e sustentada. A linha de indicador EMA também mostrará uma tendência de alta e vice-versa para uma tendência de queda. Um comerciante vigilante não só prestar atenção à direção da linha EMA, mas também a relação da taxa de mudança de uma barra para a próxima. Por exemplo, à medida que a ação de preço de uma forte tendência de alta começar a se nivelar e reverter, a taxa de mudança da EMA de uma barra para a próxima começará a diminuir até que a linha de indicador se aplana ea taxa de mudança seja zero. Por causa do efeito retardado, por este ponto, ou mesmo alguns bares antes, a ação de preço já deve ter invertido. Por conseguinte, segue-se que a observação de uma diminuição consistente da taxa de variação da EMA poderia ser utilizada como um indicador que poderia contrariar o dilema causado pelo efeito retardado das médias móveis. Usos comuns do EMA EMAs são comumente usados em conjunto com outros indicadores para confirmar movimentos significativos do mercado e para avaliar a sua validade. Para os comerciantes que negociam intraday e mercados em rápido movimento, a EMA é mais aplicável. Muitas vezes os comerciantes usam EMAs para determinar um viés de negociação. Por exemplo, se um EMA em um gráfico diário mostra uma forte tendência ascendente, uma estratégia de comerciantes intraday pode ser o comércio apenas a partir do lado longo em um gráfico intraday.
No comments:
Post a Comment