Python で MACD を実装する

MACDは,株式,通貨,暗号通貨などの取引で一般的に使用される技術指標です.

MACD の基本

MACDは,多くの異なる取引界で使用され,議論されています.移動平均収束差 (MACD) は,トレンドフォローする指標です.MACDは,26期 EMAを12期 EMAから引くことで非常に簡単に計算できます.我々は以前,EMAについてここで議論しました.MACDは,潜在的なトレーダーに価値と取引決定への洞察を与えるために,いくつかの異なる方法で使用および解釈することができます.

役に立つ 戦略

MACDは通常,クロスオーバー,ダイバージェンス,急斜率 (正または負) の期間を分析することで使用される.MACD線 (16期EMAから12期EMAを引く) とともに,チャートには通常,MACDの上に描かれた信号線が含まれます.この信号線はMACDの9日EMAです.

上昇傾向のクロスオーバーでは,移動平均値と同様に,MACDがシグナルラインの上を横切ったときに購入信号が発生する.低迷信号はMACDがシグナルライン下を横切ったときに発生する.高傾斜MACDでクロスオーバーが発生した場合,これはクロスオーバーがそれぞれ上昇傾向か下落傾向かによって,過剰購入または過剰販売状態の兆候である可能性があります.MACDは価格の動きが強いか弱いかを理解するための優れた指標です.弱い動きは修正され,強い動きが続く可能性があります.

格差は理解しやすい.MACDが高値または低値から高値または低値から格差を確立すると,格差が確立される.MACDがMACDに上昇する低値が2つ,資産価格が下がる低値が2つあるとき,ブイッシュ格差が発生する.格差は変化する傾向を見つけるために使用することができます.トレーダーは常に競争優位性を探しており,傾向の変化を予測することは非常に利益を得ることができます.もちろん,格差は完全に信頼性がないため,価格の方向性を示す唯一の指標ではなく,追加の情報としてのみ使用されるべきです.

高い傾斜は過買いまたは過売状況を示す可能性があります.そのような状況では,株式のトレンドはすぐに蒸気を失い,現在の方向から訂正または逆転が見られます.

Python の実装

通常のように,AMDで分析を行い,IEX APIを使用してデータを収集します. IEXは常に私にとって非常に信頼性の高いデータ源でしたが,Quandlまたはあなたが好む他のデータソースを使用できます.

import pandas as pd
import numpy as np
from datetime import datetime
import matplotlib.pyplot as plt
import pyEX as p
ticker = 'AMD'
timeframe = '6m'
df = p.chartDF(ticker, timeframe)
df = df[['close']]
df.reset_index(level=0, inplace=True)
df.columns=['ds','y']
plt.plot(df.ds, df.y, label='AMD')
plt.show()

AMDは2018年末から現在 (2019年初) まで

exp1 = df.y.ewm(span=12, adjust=False).mean()
exp2 = df.y.ewm(span=26, adjust=False).mean()
macd = exp1-exp2
exp3 = macd.ewm(span=9, adjust=False).mean()
plt.plot(df.ds, macd, label='AMD MACD', color = '#EBD2BE')
plt.plot(df.ds, exp3, label='Signal Line', color='#E5A4CB')
plt.legend(loc='upper left')
plt.show()

信号線とMACDをグラフ化して 上昇と低下のクロスオーバーを 見つけられるか調べます

MACD と シグナルライン 下のグラフを見てください.あなたは正しいですか?覚えておいてください,MACDが信号線を越えたときに上昇するクロスオーバーが起こります.

緑で表される上昇傾向のクロスオーバー 赤で表される下落傾向のクロスオーバー 上記の例は,クロスオーバーを研究するためにMACDを使用する簡単な方法でした.次に,強さを研究し,過買いまたは過売状況を調べましょう.

MACDを導入します. 移動平均値とMACDを

exp1 = df.y.ewm(span=12, adjust=False).mean()
exp2 = df.y.ewm(span=26, adjust=False).mean()
exp3 = df.y.ewm(span=9, adjust=False).mean()
macd = exp1-exp2
plt.plot(df.ds, df.y, label='AMD')
plt.plot(df.ds, macd, label='AMD MACD', color='orange')
plt.plot(df.ds, exp3, label='Signal Line', color='Magenta')
plt.legend(loc='upper left')
plt.show()

青い線はAMD株価,オレンジ線はMACD 株価から切り離して, 傾斜をはっきりと見ることができます.

MACD 2018年末から現在 (2019年初) 超買与,超売上の議論を振り返ってみましょう. MACDが時間とともにかなり平坦に保たれているのがわかります. しかし,MACD曲線が他のものよりも急いだ時期もあります. これらは超買与,超売上の状況です. 私たちは,超売上の状況を緑色の円と,超買与の状況を赤色の円で表現しています. MACDが超買与,超売状態を示した直後,勢力が減少し,株価がそれに応じて反応したことがわかります.

緑色の円は上昇差を表し,赤色は下落差を表します MACDについて簡単に議論し,クロスオーバーやオーバーバイト/オーバーセール条件での使用を検証するために Python で実装しました.この記事があなたの取引ツールボックスに別のツールを追加するのに役立つことを願っています!