关于期货macd指标参数设置的问题，我们总结了以下几点，给你解答：
期货macd指标参数最佳设置短线
操作交易的话，选择STO灵动指标，这个在操作交易中会比较准确一些。
如果您是想寻求一种一劳永逸“最佳参数”的话，那么很遗憾，目前为止没有一劳永逸的“最佳参数”。
不同的个股，或者同一个股在不同时期，其“最佳参数”都是不同的，很难进行有效统计和运用。
所以用默认参数就好，这样可以利用技术指标的“自我实现”效应，即存在一定数量但并未过多的市场参与者使用同一种技术指标的时候，技术指标会反过来影响价格，使其向着指标指示的方向运行，但是这个效应有规模限制，当使用者过多时，就会反过来产生“自我毁灭”效应。
必须提醒您的是，指标不是解决问题的根本。
大多数的技术指标都是以日图交易和周图交易为蓝本设计的，如果运用到小时图上，问题也不大，但是运用到小时图以下的级别，循规蹈矩地根据教科书上的用法来操作就很难获得好的效果了。
可以参阅一下拉瑞·威廉姆斯的《短线交易秘诀》，以及瓦莱士/卡普拉合著的<> ，其中关于k线形态的部分，在短线交易的运用上会更有价值。 人类发明的最早的技术分析方法，就是植根于k线形态和价格图表形态分析之上的，而技术指标是在数学理论和技术分析理论日趋多元化之后，用来辅助进行k线分析和价格图表形态分析的。 例如一个顺势交易者，最关心的是趋势是否形成，以及当前的趋势是否健康，这些信息单凭k线分析和价格图表形态分析，可能准确率只有50%。 这时一些总结出部分市场规律的投资者就开始根据这些规律设计技术指标，比如“移动平均线”，“布林带”，“macd”，通过这些指标的辅助，投资者能更好地获得所需的线索，准确率可能会从50%上升到60%。 因此，运用指标的时候要先了解这个指标的设计目的，和所适用的环境，对应的方法，这样才能正确掌握指标的用法，乃至进一步发展符合自己需要的特殊用法。
期货macd指标参数设置
# 参数设置
fastperiod = 12
slowperiod = 26
signalperiod = 9
# 计算macd
macd, macdsignal, macdhist = talib.MACD(close, fastperiod,
slowperiod, signalperiod)
# macd绘图
ax2.plot(date, macd, label='macd dif')
ax2.plot(date, macdsignal, label='macd dea')
ax2.bar(date, macdhist, label='macd hist')
ax2.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
ax2.legend(loc='best')
ax2.grid(True)
# 设置X轴刻度为日期时间
plt.xticks(pd.date_range(start, end))
plt.xticks(rotation=45)
plt.title('Future MACD')
plt.xlabel('Date')
plt.ylabel('MACD')
plt.legend()
plt.show()
# 计算KDJ指标
def kdj(df):
# 计算KDJ指标
low_list = df['low'].rolling(window=9, center=False).min()
low_list.fillna(value=df['low'].expanding().min(), inplace=True)
high_list = df['high'].rolling(window=9, center=False).max()
high_list.fillna(value=df['high'].expanding().max(), inplace=True)
rsv = (df['close'] - low_list) / (high_list - low_list) * 100
df['K'] = pd.DataFrame(rsv).ewm(com=2).mean()
df['D'] = df['K'].ewm(com=2).mean()
df['J'] = 3 * df['K'] - 2 * df['D']
return df
# 绘制KDJ指标
def draw_kdj(df):
# 绘制KDJ指标
fig, ax = plt.subplots(figsize=(14, 7))
ax.plot(df.index, df['K'], label='K')
ax.plot(df.index, df['D'], label='D')
ax.plot(df.index, df['J'], label='J')
ax.legend(loc='best')
ax.grid(True)
# 设置X轴刻度为日期时间
plt.xticks(pd.date_range(start, end))
plt.xticks(rotation=45)
plt.title('Future KDJ')
plt.xlabel('Date')
plt.ylabel('KDJ')
plt.legend()
plt.show()
# 计算RSI指标
def rsi(df):
# 计算RSI指标
df['RSI'] = talib.RSI(df['close'], timeperiod=14)
return df
# 绘制RSI指标
def draw_rsi(df):
# 绘制RSI指标
fig, ax = plt.subplots(figsize=(14, 7))
ax.plot(df.index, df['RSI'], label='RSI')
ax.legend(loc='best')
ax.grid(True)
# 设置X轴刻度为日期时间
plt.xticks(pd.date_range(start, end))
plt.xticks(rotation=45)
plt.title('Future RSI')
plt.xlabel('Date')
plt.ylabel('RSI')
plt.legend()
plt.show()
# 计算WR指标
def wr(df):
# 计算WR指标
df['WR'] = talib.WILLR(df['high'], df['low'], df['close'], timeperiod=14)
return df
# 绘制WR指标
def draw_wr(df):
# 绘制WR指标
fig, ax = plt.subplots(figsize=(14, 7))
ax.plot(df.index, df['WR'], label='WR')
ax.legend(loc='best')
ax.grid(True)
# 设置X轴刻度为日期时间
plt.xticks(pd.date_range(start, end))
plt.xticks(rotation=45)
plt.title('Future WR')
plt.xlabel('Date')
plt.ylabel('WR')
plt.legend()
plt.show()
# 计算CCI指标
def cci(df):
# 计算CCI指标
df['CCI'] = talib.CCI(df['high'], df['low'], df['close'], timeperiod=14)
return df
# 绘制CCI指标
def draw_cci(df):
# 绘制CCI指标
fig, ax = plt.subplots(figsize=(14, 7))
ax.plot(df.index, df['CCI'], label='CCI')
ax.legend(loc='best')
ax.grid(True)
# 设置X轴刻度为日期时间
plt.xticks(pd.date_range(start, end))
plt.xticks(rotation=45)
plt.title('Future CCI')
plt.xlabel('Date')
plt.ylabel('CCI')
plt.legend()
plt.show()
# 计算BOLL指标
def boll(df):
# 计算BOLL指标
df['UPPER'], df['MID'], df['LOWER'] = talib.BBANDS(df['close'],
timeperiod=20,
nbdevup=2,
nbdevdn=2,
matype=0)
return df
# 绘制BOLL指标
def draw_boll(df):
# 绘制BOLL指标
fig, ax = plt.subplots(figsize=(14, 7))
ax.plot(df.index, df['UPPER'], label='UPPER')
ax.plot(df.index, df['MID'], label='MID')
ax.plot(df.index, df['LOWER'], label='LOWER')
ax.legend(loc='best')
ax.grid(True)
# 设置X轴刻度为日期时间
plt.xticks(pd.date_range(start, end))
plt.xticks(rotation=45)
plt.title('Future BOLL')
plt.xlabel('Date')
plt.ylabel('BOLL')
plt.legend()
plt.show()
# 计算DMI指标
def dmi(df):
# 计算DMI指标
df['PDI'] = talib.PLUS_DI(df['high'], df['low'], df['close'], timeperiod=14)
df['MDI'] = talib.
期货macd指标参数最佳设置
期货macd指标的意义和双移动平均线基本相同，即由快、慢均线的离散、聚合表征当前的多空状态和股价可能的发展变化趋势，但阅读起来更方便。
期货重收培半月促受矛历行改macd体现的是买卖信号，
当期货mac侵d指标从正数转变成负数，应当卖出，
当期货macd指标从负数转变成正数，应当买进；
而买卖信号最重要的一点就是要把握住时机，所以期货macd参数的设置尤为扩层力争重要，如果期货macd参数设置不准确就会失去入场的最佳时机。
macd 0轴为准为相当于60均线，dif上窜缩头红色出现为多头，在0轴上方进行多空翻，原则上积极做多。反之0轴下方是空头，再出现红约缩头，有功夫的胆大的可做，我是不做的。因为下方叫空空翻。均线上也是60均线俗称庄家生命线，与庄共舞，原则上可以做陆扩多，若K钱在60线下面运度。切记离场！大家可以对照一下。文字粗略意义不同。指标不是科学，但是哲学和中医一样，是哲学。
两条线数值位于0轴的下方企及造委验概营查时,说明目前的大势属于空头市场,投资者应当以持币为主要策略。目前还没有建立做空机制。因此股市一但步入空头市场,投资者最好的策略就是离场观望。
