关于股票回踩后均线粘合的问题，我们总结了以下几点，给你解答：
股票回踩后均线粘合
§ Code
# 导入函数库
import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
df = pd.read_csv('000875.csv', index_col='date', parse_dates=['date'])
# 计算均线
df['MA20'] = talib.SMA(df['close'].values, timeperiod=20)
df['MA60'] = talib.SMA(df['close'].values, timeperiod=60)
# 绘制K线图
plt.figure(figsize=(14,10))
plt.grid(linestyle='--')
plt.plot(df.index, df['MA20'], label='MA20')
plt.plot(df.index, df['MA60'], label='MA60')
plt.legend()
# 标记回踩后均线粘合的位置
for i in range(len(df)-1):
if df.iloc[i]['close'] > df.iloc[i]['MA20'] and df.iloc[i+1]['close'] < df.iloc[i+1]['MA20']:
plt.scatter(df.index[i+1], df.iloc[i+1]['MA20'], color='red')
plt.show()
§ Output
>
§ Markdown
### 绘制股票量价联动图
§ Code
# 导入函数库
import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
df = pd.read_csv('000875.csv', index_col='date', parse_dates=['date'])
# 绘制量价联动图
plt.figure(figsize=(14,10))
plt.grid(linestyle='--')
plt.bar(df.index, df['volume'], label='volume')
plt.plot(df.index, df['close'], label='close')
plt.legend()
plt.show()
§ Output
>
§ Markdown
### 绘制股票MACD指标
§ Code
# 导入函数库
import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
df = pd.read_csv('000875.csv', index_col='date', parse_dates=['date'])
# 计算MACD指标
df['DIF'], df['DEA'], df['MACD'] = talib.MACD(df['close'].values,
fastperiod=12,
slowperiod=26,
signalperiod=9)
# 绘制MACD指标
plt.figure(figsize=(14,10))
plt.grid(linestyle='--')
plt.plot(df.index, df['DIF'], label='DIF')
plt.plot(df.index, df['DEA'], label='DEA')
plt.bar(df.index, df['MACD'], label='MACD')
plt.legend()
plt.show()
§ Output
>
§ Markdown
### 绘制股票KDJ指标
§ Code
# 导入函数库
import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
df = pd.read_csv('000875.csv', index_col='date', parse_dates=['date'])
# 计算KDJ指标
df['K'], df['D'], df['J'] = talib.STOCH(df['high'].values,
df['low'].values,
df['close'].values,
fastk_period=9,
slowk_period=3,
slowd_period=3)
# 绘制KDJ指标
plt.figure(figsize=(14,10))
plt.grid(linestyle='--')
plt.plot(df.index, df['K'], label='K')
plt.plot(df.index, df['D'], label='D')
plt.plot(df.index, df['J'], label='J')
plt.legend()
plt.show()
§ Output
>
§ Markdown
### 绘制股票RSI指标
§ Code
# 导入函数库
import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
df = pd.read_csv('000875.csv', index_col='date', parse_dates=['date'])
# 计算RSI指标
df['RSI'] = talib.RSI(df['close'].values, timeperiod=14)
# 绘制RSI指标
plt.figure(figsize=(14,10))
plt.grid(linestyle='--')
plt.plot(df.index, df['RSI'], label='RSI')
plt.legend()
plt.show()
§ Output
>
§ Markdown
### 绘制股票BOLL指标
§ Code
# 导入函数库
import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入数据
df = pd.read_csv('000875.csv', index_col='date', parse_dates=['date'])
# 计算BOLL指标
df['UPPER'], df['MID'], df['LOWER'] = talib.BBANDS(df['close'].values,
timeperiod=20,
nbdevup=2,
nbdevdn=2,
matype=0)
# 绘制BOLL指标
plt.figure(figsize=(14,10))
plt.grid(linestyle='--')
plt.plot(df.index, df['UPPER'], label='UPPER')
plt.plot(df.index, df['MID'], label='MID')
plt.plot(df.index, df['LOWER'], label='LOWER')
plt.legend()
plt.show()
§ Output
>
§ END OF DOC
回踩的均线越大涨得越大
均线是指标之王，用好它就足够了。
1每个股票上升，下跌都有特定的速度，震荡除外，你看它的速度与哪条均线最吻合，那么这条均线就代表该个股的惯性。
2假设价格沿着30天均线波动，5天10天经常会被跌穿，60天根本挨不上边。那么他们就毫无意义。
2A你就用一条30天均线，价格【缓慢下跌】，回踩均线，并开始拉阳线的时候介入，尽可能跟到阳线底部，但不能在还在下跌的时候介入。
2B急跌回踩均线不能交易，因为阴线越大，恐慌越大，急于抛售的人就越多。只会加剧的跌穿均线。
*****大前提是大盘和要操作的个股，周线都处于沿着某条均线向上运行的时候去操作。
A大盘处于下跌，绝大多个股在暴跌，你想在逆势中，上千支股票中，揪出几个上涨的个股，交易成功率可想而知。
B大盘处于震荡中，个股没有多大的延续性，可能你介入后盈利了，没来得及高兴，价格又回到你的成本了。
所以尽可能避开两种行情。
股票前一日收盘股价在5日均线之上，当前股票价格低于5日均线；或股票前一日收盘股价在5日均线之下，当前股票价格高于5日均线是破5日线均线。
股价回踩均线
MA1:=MA(C,5来自);
MA2:=MA(C,10);
MA3:=MA(C,20);
MA4:=MA(C,30);
MA5:=MA(C,60);
AA:=MA1>MA2 AND MA2>MA3 AND MA3>MA4 AND MA4>MA5;
BB:=L>MA3*0.98 AND L<MA3*1.01;
C定常史前衡编C:=CROSS(C,MA质未几当群去示马世校1) AND V>1.5*REF(V,1);
COUNT(AA,3)>0 AND COUNT(BB,5)>0 AND CC;
你的条件还是有些笼统的，所以也会出来不少不标准的股票，需要进一步优化调整公式代码。
