آمار سهام/نشانگرها یاور محاسبه

یک بسته بندی بسته بندی شده برای pandas. dataframe را با پشتیبانی از آمار/شاخص های سهام درون خطی تأمین کنید.

آمار/شاخص های پشتیبانی شده عبارتند از:

• تغییر (در درصد)
• دلتا
• جایگشت (مبتنی بر صفر)
• برگشتی
• حداکثر در دامنه
• حداقل در محدوده
• وسط = (نزدیک + بالا + پایین) / 3
• مقایسه: LE ، GE ، LT ، GT ، EQ ، NE
• تعداد: هم عقب (C) و هم به جلو (FC)
• صلیب: از جمله صلیب به سمت بالا و صلیب رو به پایین
• SMA: میانگین حرکت ساده
• EMA: میانگین متحرک نمایی
• MSTD: حرکت انحراف استاندارد
• MVAR: واریانس متحرک
• RSV: ارزش تصادفی خام
• RSI: شاخص قدرت نسبی
• KDJ: نوسان ساز تصادفی
• Bolling: Bollinger Band
• MACD: حرکت میانگین واگرایی همگرایی
• CR: شاخص انرژی (شاخص تمایل متوسط)
• WR: شاخص Overbought/Oversold Williams
• CCI: شاخص کانال کالا
• TR: دامنه واقعی
• ATR: متوسط دامنه واقعی
• DMA: متفاوت از میانگین متحرک (10 ، 50)
• DMI: شاخص متحرک جهت دار ، از جمله
  • +DI: نشانگر جهت مثبت
  • -DI: نشانگر جهت منفی
  • ADX: شاخص حرکت جهت متوسط
  • ADXR: میانگین متحرک صاف ADX

  نصب و راه اندازی

  StockStats نصب PIP

  سازگاری

  ساخت و ساز سازگاری دو نسخه آخر Python3 و آخرین نسخه Python2 را بررسی می کند.

  مجوز

  آموزش

  مقداردهی اولیه

  StockDataFrame به عنوان بسته بندی برای pandas. dataframe کار می کند. شما باید StockDataframe را با بسته بندی یا StockDataFrame. retype اولیه کنید.

  داده های خود را رسمی کنید. این بسته این امر را تصدیق می کند که داده های شما توسط Timestamp طبقه بندی شده و حاوی ستون های خاصی است. لطفا نام ستون خود را تراز کنید.

  • تاریخ: جدول زمانی ضبط ، اختیاری.
  • بستن: قیمت نزدیک دوره
  • بالا: بالاترین قیمت فاصله
  • کم: کمترین قیمت فاصله
  • حجم: حجم سهام معامله شده در فاصله زمانی

  توجه داشته باشید که این نام ستون ها حساس هستند. هنگامی که قاب داده را می پیچید ، آنها به پرونده کمتری تبدیل می شوند.

  به طور پیش فرض ، ستون تاریخ به عنوان فهرست استفاده می شود. کاربران همچنین می توانند نام ستون Index را در عملکرد Wrap یا Retype مشخص کنند.

  مثال: DataFrame بارگذاری شده از CSV.

  پس از تبدیل به StockDataFrame

  برای تبدیل مجدد آن به pandas. dataframe از Unwrap استفاده کنید. توجه داشته باشید که Unwrap ستون ها و شاخص را مجدداً تنظیم نمی کند.

  به داده ها دسترسی پیدا کنید

  StockDataFrame یک زیر کلاس از pandas. dataframe است. تمام کارکردهای pandas. dataframe باید مانند گذشته کار کنند.

  داده ها را با نماد بازیابی کنید

  ما به کاربر این امکان را می دهیم که مستقیماً با نام ستون مشخص شده مانند KDJK ، MACD ، RSI به آمار دسترسی پیدا کند.

  مقادیر این ستون ها اولین باری است که از قاب داده به آنها دسترسی پیدا می کنید. لطفاً اگر می خواهید لیبی دوباره ارزیابی کند ، ابتدا آن ستون ها را حذف کنید.

  بازیابی سریال

  برای بازیابی این سری از MACD = سهام ['MACD'] یا RSI = Stock. get ('RSI') استفاده کنید.

  نماد را با 2 استدلال بازیابی کنید

  برخی از آمار به نام ستون و اندازه پنجره نیاز دارند ، مانند دلتا ، تغییر ، میانگین حرکت ساده و غیره. از این طرح برای بازیابی آنها استفاده کنید: __

  • 5 دوره متوسط حرکت ساده با قیمت بالا: HIGH_5_SMA
  • 10 دوره میانگین حرکت نمایی نزدیک: close_10_ema
  • 1 دوره دلتا از قیمت بالا: HIGH_-1_D. نماد منفی به معنای نگاه به عقب است.

  نماد را با 1 استدلال بازیابی کنید

  برخی از آمار به اندازه پنجره نیاز دارند اما نام ستون نیست. برای مشخص کردن پنجره خود از این Patter استفاده کنید: _

  • 6 دوره RSI: RSI_6
  • 10 دوره CCI: CCI_10
  • 13 دوره ATR: ATR_13

  برخی از آنها پنجره های پیش فرض دارند. برای جزئیات بیشتر سند آنها را بررسی کنید.

  تمام شاخص ها را با میانبرها آغاز کنید

  برخی از شاخص ها ، مانند KDJ ، Boll ، MFI ، میانبر دارند. برای اولیه سازی همه این شاخص ها از df. init_all () استفاده کنید.

  این عملیات ستون های زیادی ایجاد می کند. لطفا با احتیاط از آن استفاده کنید.

  آمار/شاخص ها

  برخی از آمار دارای پارامترهای قابل تنظیم هستند. آنها زمینه های سطح کلاس هستند. تغییر این زمینه ها جهانی است. و آنها بر نتایج موجود تأثیر نمی گذارند. از بین بردن ستون های موجود به گونه ای که دفعه بعد که به آنها دسترسی پیدا می کنید مجدداً مورد ارزیابی قرار می گیرند.

  تغییر نزدیک

  DF ['تغییر'] تغییر قیمت نزدیک درصد است.

  دلتا دوره ها

  با استفاده از الگوی __d برای بازیابی دلتا بین دوره های مختلف.

  همچنین می توانید از _delta به عنوان میانبر _-1_D استفاده کنید

  • df ['close_-1_d'] دلتای نزدیک قیمت بین فعلی و پیش را بازیابی می کند. دوره زمانی.
  • df ['close_delta'] همان DF است ['close_-1_d']
  • df ['high_2_d'] دلتای قیمت بالا بین فعلی و 2 روز بعد را بازیابی می کند

  دوره تغییر

  ستون را به سمت عقب یا به جلو تغییر دهید. 2 پارامتر طول می کشد:

  • نام ستون برای تغییر
  • دوره های تغییر ، می تواند منفی باشد

  سر و دم را با نزدیکترین داده ها پر می کنیم.

  مثال زیر را ببینید:

  RSI - شاخص قدرت نسبی

  RSI دارای یک پنجره قابل تنظیم است. اندازه پیش فرض پنجره 14 است که از طریق StockDataFrame. rsi قابل تنظیم است. به عنوان مثال،

  • DF ['RSI']: 14 دوره RSI
  • DF ['RSI_6']: 6 دوره RSI

  ورود به سیستم نزدیک

  بازگشت لگاریتمی = LN (بستن / آخرین بسته)

  به عنوان مثال ، اگر یک سهام در یک روز با قیمت 3. 570 دلار در هر سهم قیمت داشته باشد و در روز بعد 3. 575 دلار در هر سهم ، پس از آن بازده لگاریتمی است: LN (3. 575/3. 570) = 0. 0014 یا 0. 14٪.

  برای دسترسی به این ستون از df ['log-ret'] استفاده کنید.

  تعداد ارزش غیر صفر

  مقادیر غیر صفر از یک محدوده خاص را بشمارید. به یک ستون و یک پنجره نیاز دارد.

  • تعداد قیمت های معمولی را در 10 دوره گذشته بزرگتر کنید
  • در 10 دوره گذشته UPS را بشمارید

  حداکثر و حداقل دوره ها

  مقدار حداکثر/دقیقه دوره های مشخص را بازیابی کنید. آنها به ستون و پنجره احتیاج دارند. توجه داشته باشید که پنجره به سادگی برای پنجره نورد ایستاده است.

  • close_-3،2_max حداکثر 2 دوره بعد و 3 دوره قبل است
  • نزدیک_ 2~0_min مخفف حداقل 2 دوره قبل تا الان است

  RSV - ارزش تصادفی خام

  RSV برای محاسبه KDJ ضروری است. یک پارامتر پنجره می گیرد. برای دسترسی به آن از DF ['RSV'] یا DF ['RSV_6'] استفاده کنید.

  RSI - شاخص قدرت نسبی

  RSI قدرت یا ضعف فعلی و تاریخی سهام را ترسیم می کند. یک پارامتر پنجره می گیرد.

  پنجره پیش فرض 14 است. برای تنظیم آن از StockDataFrame. rsi استفاده کنید.

  • df ['rsi']: RSI از 14 دوره را بازیابی کنید
  • df ['rsi_6']: RSI از 6 دوره را بازیابی کنید

  RSI تصادفی

  RSI تصادفی به بازرگانان این ایده را می دهد که آیا ارزش فعلی RSI بیش از حد بوده یا از آن خارج شده است. یک پارامتر پنجره می گیرد.

  پنجره پیش فرض 14 است. برای تنظیم آن از StockDataFrame. rsi استفاده کنید.

  • df ['stochrsi']: RSI تصادفی از 14 دوره را بازیابی کنید
  • df ['Stochrsi_6']: RSI تصادفی 6 دوره را بازیابی کنید

  WT - روند موج

  روند موج LazyBear را با DF ['WT1'] و DF ['WT2'] بازیابی کنید.

  Trend Wave از دو پارامتر استفاده می کند. می توانید آنها را با StockDataFrame. wave_trend_1 و StockDataFrame. wave_trend_2 تنظیم کنید.

  SMMA - میانگین متحرک صاف

  به ستون و پنجره نیاز دارد.

  به عنوان مثال ، از DF ['close_7_smma'] برای بازیابی 7 دوره صاف شده در حرکت نزدیک قیمت استفاده کنید.

  Trix - میانگین نمایی سه گانه

  از میانگین نمایی سه گانه برای شناسایی بازارهای فراگیر و بیش از حد استفاده می شود.

  الگوریتم:

  به ستون و پنجره نیاز دارد. به طور پیش فرض ، ستون نزدیک است ، پنجره 12 است.

  برای تغییر پنجره پیش فرض از StockDataFrame. trix_ema_window استفاده کنید.

  • DF ['Trix'] برای 12 دوره Trix برای قیمت نزدیک ایستاده است.
  • DF ['Middle_10_trix'] برای 10 دوره Trix با قیمت معمولی مخفف است.

  Tema - میانگین نمایی سه گانه دیگر

  TEMA یکی دیگر از اجرای برای میانگین متحرک سه گانه است.

  دو پارامتر ، ستون و پنجره طول می کشد. به طور پیش فرض ، ستون نزدیک است ، پنجره 5 است.

  برای تغییر پنجره پیش فرض از StockDataFrame. tema_ema_window استفاده کنید.

  • DF ['TEMA'] برای 12 دوره TEMA برای قیمت نزدیک ایستاده است.
  • DF ['Middle_10_Tema'] برای 10 دوره TEMA با قیمت معمولی مخفف است.

  VR - شاخص تغییر حجم

  این شاخص قدرت حجم معاملات است.

  این یک پنجره پیش فرض 26 است. آن را با StockDataFrame. vr تغییر دهید.

  • DF ['VR'] 26 دوره VR را بازیابی می کند.
  • DF ['VR_6'] 6 دوره VR را بازیابی می کند.

  WR - شاخص Overbought/Oversold ویلیامز

  شاخص Overbought/Oversold Williams نوعی شاخص حرکت است که بین 0 ت ا-100 حرکت می کند و سطح بیش از حد و سطح بیش از حد را اندازه گیری می کند.

  یک پارامتر پنجره می گیرد. پنجره پیش فرض 14 است. برای تغییر پنجره پیش فرض از StockDataFrame. wr استفاده کنید.

  • DF ['WR'] 14 دوره WR را بازیابی می کند.
  • DF ['WR_6'] 6 دوره WR را بازیابی می کند.

  CCI - شاخص کانال کالا

  CCI مخفف شاخص کانال کالا است.

  به یک پارامتر پنجره نیاز دارد. پنجره پیش فرض 14 است. برای تغییر آن از StockDataFrame. cci استفاده کنید.

  • DF ['CCI'] 14 دوره پیش فرض CCI را بازیابی می کند.
  • DF ['CCI_6'] 6 دوره CCI را بازیابی می کند.

  TR - محدوده واقعی تجارت

  TR یک اندازه گیری از نوسانات یک سری نزدیک به سطح بالا است. از آن برای محاسبه ATR استفاده می شود.

  ATR - متوسط محدوده واقعی

  میانگین محدوده واقعی یک میانگین متحرک N- دوره ای (SMMA) از مقدار دامنه واقعی است. پیش فرض تا 14 دوره.

  کاربران می توانند پنجره پیش فرض را با StockDataFrame. atr_smma اصلاح کنند.

  • DF ['ATR'] 14 دوره Atr را بازیابی می کند.
  • DF ['ATR_5'] 5 دوره ATR را بازیابی می کند.

  سوپراندن

  Supertrend روند فعلی را نشان می دهد. ما از الگوریتم شرح داده شده در اینجا استفاده می کنیم. این شامل 3 خط است:

  • df ['supertrend'] خط روند است.
  • df ['supertrend_ub'] باند فوقانی روند است
  • df ['supertrend_lb'] باند پایین روند است

  این 2 پارامتر دارد:

  • StockDataFrame. SuperTrend_mul ضرب گروه است ، به طور پیش فرض به 3.
  • StockDataFrame. SuperTrend_Window اندازه پنجره است ، به طور پیش فرض به 14.

  DMA - تفاوت میانگین متحرک

  DF ['DMA'] تفاوت 10 دوره SMA از قیمت نزدیک و 50 دوره SMA از قیمت نزدیک را بازیابی می کند.

  DMI - شاخص حرکت جهت دار

  شاخص حرکت جهت دار (DMI) مشخص می کند که قیمت یک دارایی در کدام جهت حرکت می کند.

  چندین خط دارد:

  • df ['pdi'] خط حرکت جهت مثبت (+DI) است
  • df ['mdi'] خط حرکت منفی جهت (-DI) است
  • df ['dx'] شاخص جهت (DX) است
  • df ['adx'] میانگین شاخص جهت دار (ADX) است
  • df ['adxr'] ema برای adx است

  این پارامتر چندین است.

  • StockDataframe. pdi_smma - پنجره برای +di
  • StockDataframe. mdi_smma - پنجره برا ی-DI
  • StockDataframe. dx_smma - پنجره برای DX
  • StockDataframe. adx_ema - پنجره ADX
  • StockDataframe. adxr_ema - پنجره برای ADXR

  نشانگر KDJ

  نوسان ساز تصادفی یک شاخص حرکت است که از سطح پشتیبانی و مقاومت استفاده می کند.

  این شامل سه خط است:

  • DF ['Kdjk'] - سری K
  • DF ['Kdjd'] - سری D
  • DF ['KDJJ'] - سری J

  پنجره پیش فرض 9 است. برای تغییر آن از StockDataFrame. kdj_window استفاده کنید. برای بازیابی سری K از 6 دوره از DF ['KDJK_6'] استفاده کنید.

  KDJ همچنین دارای دو پارامتر قابل تنظیم به نام StockDataframe. kdj_param است. مقدار پیش فرض (2. 0/3. 0 ، 1. 0/3. 0) است

  CR - شاخص انرژی

  شاخص انرژی (شاخص تمایل متوسط) از رابطه بین بالاترین قیمت ، کمترین قیمت و قیمت متوسط دیروز برای منعکس کننده تمایل بازار برای خرید و فروش استفاده می کند.

  این شامل 4 خط است:

  • df ['cr'] - خط CR
  • df ['c r-ma1'] - stockdataframe. cr_ma1 دوره میانگین متحرک CR
  • df ['c r-ma2'] - stockdataframe. cr_ma2 دوره میانگین متحرک CR
  • df ['c r-ma3'] - stockdataframe. cr_ma3 دوره های متوسط در حال حرکت

  قیمت معمولی

  این میانگین بالا ، کم و نزدیک است. برای دسترسی به این مقدار از DF ['Middle'] استفاده کنید.

  هنگامی که مبلغ در دسترس است ، میانی = مقدار / حجم این باید دقیق تر باشد زیرا مبلغ نشان دهنده کل جریان نقدی است.

  گروههای بولینگر

  گروههای بولینگر شامل سه خط است

  • df ['boll'] پایه است
  • df ['boll_ub'] باند فوقانی است
  • df ['boll_lb'] باند پایین است

  دوره پیش فرض باند بولینگر را می توان با StockDataframe. boll_period تغییر داد. عرض باند ها را می توان با StockDataframe. boll_std_times چرخانده. مقدار پیش فرض 2 است.

  MACD - در حال حرکت میانگین واگرایی همگرایی

  ما برای محاسبه خطوط MACD از قیمت نزدیک استفاده می کنیم.

  • DF ['MACD'] تفاوت بین دو میانگین متحرک نمایی است.
  • df ['macds] خط سیگنال است.
  • df ['macDh'] او خط هیستوگرام است.

  دوره EMA کوتاه و طولانی را می توان با StockDataframe. macd_ema_short و StockDataframe. macd_ema_long تنظیم کرد. مقدار پیش فرض 12 و 26 است

  دوره خط سیگنال را می توان با StockDataframe. macd_ema_signal تنظیم کرد. مقدار پیش فرض 9 است.

  PPO - درصد نوسان ساز قیمت

  درصد نوسان ساز قیمت شامل سه خط است.

  • DF ['PPO'] از اختلاف 2 میانگین متحرک نمایی ناشی می شود.
  • df ['ppos] خط سیگنال است.
  • df ['ppoh'] او خط هیستوگرام است.

  دوره EMA کوتاه و طولانی را می توان با StockDataframe. ppo_ema_short و StockDataframe. ppo_ema_long تنظیم کرد. مقدار پیش فرض 12 و 26 است

  دوره خط سیگنال را می توان با StockDataframe. ppo_ema_signal تنظیم کرد. مقدار پیش فرض 9 است.

  میانگین حرکت ساده

  برای بازیابی یک میانگین متحرک ساده ، الگوی __sma را دنبال کنید.

  انحراف استاندارد حرکت

  برای بازیابی STD در حال حرکت ، الگوی __mstd را دنبال کنید.

  واریانس متحرک

  برای بازیابی VAR در حال حرکت ، الگوی __mvar را دنبال کنید.

  حجم متوسط متحرک وزن

  این میانگین در حال حرکت است که از نظر حجم وزن دارد.

  این پارامتر برای اندازه پنجره دارد. پنجره پیش فرض 14 است. آن را با StockDataFrame. vwma تغییر دهید.

  • DF ['VWMA'] 14 دوره VWMA را بازیابی می کند
  • DF ['VWMA_6'] 6 دوره VWMA را بازیابی می کند

  chop - شاخص چاشنی

  شاخص Choppiness تعیین می کند که آیا بازار خراب است یا خیر.

  این پارامتر برای اندازه پنجره دارد. پنجره پیش فرض 14 است. آن را با StockDataFrame. Chop تغییر دهید.

  • df ['chop'] 14 دوره خرد را بازیابی می کند
  • df ['Chop_6'] 6 دوره خرد را بازیابی می کند

  MFI - شاخص جریان پول

  شاخص جریان پول سیگنال های بیش از حد یا بیش از حد را در یک دارایی مشخص می کند.

  این پارامتر برای اندازه پنجره دارد. پنجره پیش فرض 14 است. آن را با StockDataframe. mfi تغییر دهید.

  • DF ['MFI'] 14 دوره MFI را بازیابی می کند
  • DF ['MFI_6'] 6 دوره MFI را بازیابی می کند

  کاما - میانگین حرکت سازگار کافمن

  میانگین متحرک سازگار Kaufman به گونه ای طراحی شده است که سر و صدای بازار یا نوسانات را به خود اختصاص دهد.

  دارای 2 پارامتر اختیاری و 2 پارامتر مورد نیاز است

  • سریع - اختیاری ، پارامتر صاف کردن سریع EMA ، پیش فرض به 5
  • آهسته - اختیاری ، پارامتر صاف کردن آهسته EMA ، پیش فرض به 34
  • ستون - مورد نیاز ، ستون برای محاسبه
  • پنجره - مورد نیاز ، اندازه پنجره نورد

  مقدار پیش فرض برای سریع و آهسته را می توان با StockDataFrame. kama_fast و StockDataframe. kama_slow پیکربندی کرد

  • df ['close_10_kama_2_30'] 10 دوره KAMA با قیمت نزدیک را با Fast = 2 و Slow = 30 بازیابی می کند
  • df ['close_2_kama'] 2 دوره KAMA با قیمت نزدیک را بازیابی می کند

  از بالا عبور کنید و به سمت پایین بروید

  • KDJK_X_KDJD سریال را برمی گرداند که صلیب KDJK و KDJD را نشان می دهد
  • KDJK_XU_KDJD سریال را برمی گرداند که در آن KDJK از KDJD عبور می کند
  • KDJK_XD_KDJD سریال را برمی گرداند که در آن KDJD از KDJD عبور می کند

  مسائل

  ما برای ردیابی مسائل یا اشکالات از مشکلات GitHub استفاده می کنیم.

  دیگران

  در ژوئیه سال 2017 ، کد برای MACDH تغییر یافت تا یک ضرب 2 برابر اضافی را در مقدار نهایی رها کند تا با روشهای محاسبه شده در ابزارهایی مانند Cryptowatch ، TradingView و غیره بهتر تراز شود.