通达信DMI,MACD.RSI背离指标公式

N:=14;

MM:=6;

RSV:=(CLOSE-LLV(LOW,10))/(HHV(HIGH,10)-LLV(LOW,10))*100;

K:=SMA(RSV,3,1);

D:=SMA(K,3,1);

J:=3*K-2*D;

DIFF:=EMA(CLOSE,12) - EMA(CLOSE,26);

DEA:=EMA(DIFF,9);

MACD

:=2*(DIFF-DEA), COLORSTICK;

LC:=REF(CLOSE,1);

RSI

1:=SMA(MAX(CLOSE-LC,0),6,1)/SMA(ABS(CLOSE-LC),6,1)*100;

RSI2:=SMA(MAX(CLOSE-LC,0),12,1)/SMA(ABS(CLOSE-LC),12,1)*100;

RSI3:=SMA(MAX(CLOSE-LC,0),24,1)/SMA(ABS(CLOSE-LC),24,1)*100;

A1:=BARSLAST(REF(CROSS(DIFF,DEA),1));

B1:=REF(CLOSE,A1+1)>CL

贝塔系数、夏普比率、简森指数、特雷诺指数的含义和应用  

标签：贝塔系数  夏普比率  简森指数  特雷诺指数  股票  基金  风险

一个不错的采用神经网络的外汇EA（交易系统）

      一个不错的采用神经网络的EA（自动交易系统）的示例（附作者程序源码）

      去年年底结束的国际大赛的第一名为Better所夺得
      三个月结束时他的EA（自动交易系统）

      把本金从$10000增加成$130 475.45

      他采用的就是

引言:

本系列帖子“量化小讲堂”，通过实际案例教初学者使用python、pandas进行金融数据处理，希望能对大家有帮助。

必读文章《10年400倍策略分享-附视频逐行讲解代码》：http://bbs.pinggu.org/thread-5558776-1-1.html

所有系列文章汇总请见：http://bbs.pinggu.org/thread-3950124-1-1.html

想要快速、系统的学习量化知识，可以参与我与论坛合作开设的《python量化投资入门》视频课程：http://www.peixun.net/view/1028.html，我会亲自授课，随问随答。

参与课程还可以免费加入我的小密圈，我每天会在圈中分享量化的所见所思，圈子介绍：http://t.xiaomiquan

#!/usr/bin/python 
# coding: UTF-8 
#通过tushare获取股票信息

import tushare as ts
import pandas as df
import talib
df=ts.get_k_data('300580',start='2017-01-12',end='2017-05-26')

     #提取收盘价
    closed=df['close'].values
    #获取均线的数据，通过timeperiod参数来分别获取 5,10,20 日均线的数据。
    ma5=talib.SMA(closed,timeperiod=5)
    ma10=talib.SMA(closed,timeperiod=10)
    ma20=talib.SMA(closed,timeperiod=20)

    #打印出来每一个数据
    print closed
    print ma5
    print ma10
    print ma20

量化投资选股的python程序实践（附源码）

首先选取沪深股票市场，本人比较关注的12只股票：

000002 万科A，600566 济川药业，300051 三五互联，002039 黔源电力，600872 中炬高新，300324旋极信息，600885 宏发股份，600382 广东明珠，000732 泰和集团，002174 游族网络，000915 山大华特，002415 海康威视

备注： 如果是基金经理，则会有研究部门推荐的股票选择池

程序运行的得到结论如下：

1.    当投资组合的sharp值最大时，投资组合为：

41.2%的万科A，10.5%的广东明珠，38.2%的山大华特，10.1%的海康威视

该组合的未来预期年化收益为：21.4%

该组合的预期年化波动率为：29.5%

该组合的

Python读取通达信数据

一、介绍

python获取股票数据的方法很多，其中Tushare 财经数据接口包很好用，当然，也可以通过通达信本地的数据获取，这样更为方便。
日线数据存在这路径下 D:\通达信\vipdoc\sh\lday（我的通达信安装目录是D盘）

http://upload-images.jianshu.io/upload_images/2040490-9d3f169d02d538aa.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240

接着我们需要的就是解析这些数据，在分别存为 csv 格式的数据就行了，这样我们可以方便的用 pandas 或其他方法读取和分析。
通达信的

[python]解析通达信盘后数据获取历史日线数据

　　转自：http://bbs.pinggu.org/forum.php?mod=viewthread&tid=4804415&page=1

平时我们在做 离线的模型 回溯测试时候，需要历史的k线数据。

可是通达信 的日线数据如下：

日线数据在

通达信的安装目录： vipdoc\sh\lday  下面

http://mobiimg.360doc.com/imgComp.php?fi=0%7c104%7c2017%7c03%7c1722%7c94174763_1%7cnull&s=300_0

本地的通达信 是没有开放api和外部的  自己的交易回溯测试 工具或框架 进行交互的。

虽然 我们也可以 

Python量化投资框架：回测+模拟+实盘
Python量化投资 模拟交易 平台 　 1. 股票量化投资框架体系 1.1 回测 实盘交易前，必须对量化交易策略进行回测和模拟，以确定策略是否有效，并进行改进和优化。作为一般人而言，你能想到的，一般都有人做过了。回测框架也如此。当前小白看到的主要有如下五个回测框架： Zipline ：事件驱动框架，国外很流行。缺陷是不适合国内市场。 PyAlgoTrade ： 事件驱动框架，最新更新日期为16年8月17号。支持国内市场，应用python 2.7开发，最大的bug在于不支持3.5的版本，以及不支持强大的pandas。 pybacktest ：以处理向量数据的方式进行回测，最新更新日期为2个月前，更新不稳定。 TradingWithPython：基于pybacktest，进行重构。参考资料较少。 ultra-finance：在github的项目两年前就停止更新了，最新的项目在谷歌平台，无奈打不开网址，感兴趣的话，请自行查看吧。 RQAlpha：事件驱动框架，适合A股市场，自带日线数据。是米筐的回测开源框架，相对而言，个人更喜欢这个平台。 2 模拟 模拟交易，同样是实盘交易前的重要一步。以