关于macd指标内容导航:
1、macd指标
macd_dif, macd_dea, macd_bar = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
# 将指标保存到dataframe中
df['macd_dif'] = macd_dif
df['macd_dea'] = macd_dea
df['macd_bar'] = macd_bar
# 计算macd状态
df['macd_state'] = np.where(df['macd_bar'] > 0, 1, 0)
df['macd_state'] = np.where(df['macd_bar'] < 0, -1, df['macd_state'])
# 计算macd的状态转换
df['macd_state_change'] = df['macd_state'].diff()
# 计算macd的金叉和死叉
df['macd_cross'] = np.where(df['macd_state_change'] == 1, 1, 0)
df['macd_cross'] = np.where(df['macd_state_change'] == -2, -1, df['macd_cross'])
# 计算macd的均线
df['macd_ma'] = talib.MA(macd_bar, timeperiod=5)
# 计算macd的均线状态
df['macd_ma_state'] = np.where(df['macd_bar'] > df['macd_ma'], 1, 0)
df['macd_ma_state'] = np.where(df['macd_bar'] < df['macd_ma'], -1, df['macd_ma_state'])
# 计算macd的均线状态转换
df['macd_ma_state_change'] = df['macd_ma_state'].diff()
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和
2、macd指标参数最佳设置
MACD指标参数最佳设置(13,34,5)是指时间参数(短期参数)设为13天易总接免十, 将慢速移动平均线的时间参数(长期参数)设为34天,而将平滑的天数(M ) 设为5天。调整值是为了优化MACD,更好地跟踪股价走势的变化。最准确的MACD指数设置需要与市场周期相联系。
方法是:第一条EMA线的时间参数设置为主导周期长度的1/4,话研职套父宜验胶京第二条线设置为主导周期长度的1/2;第三个是前两条线之间差值的平滑移动平均值,与时间段无关。第三角言载请条是慢线。数值越小越敏感,需要注意的是MACD是一个趋势指标,其主要作用不同于KDJ冲击指标。
趋势指标主要用于趋势识别和周转,而便热讨局据程负资你饭控震荡指标对股价的响应速度更快、频率更高,因此MACD的指标调整应符合趋势指标的特点。
拓展资料:
用MACD捕捉最佳卖点的方法如下:首先,调整MACD的相关参等植数,将MACD的快速e-ma参数设置为8,慢速e-ma参数设置为1径王菜曾践广升硫互会3,dif参数设置为9,移亮令行家受战以冷黑动平均参数分别设置为5,10和30。设置参数后,您可以找到卖点。由于一只股票有许多卖点,这里只八科居存弦宽至距有两种最流行和最常用的顶部逃逸方法:第一个卖点或相对顶部是股价暴涨后横向交易形成的相对高点。投资者,尤其是那些拥有最大基金的投资者,必须在第一个卖点卖出或减少或景临回绍机兵头寸。判断第一个卖点是否成立的技巧是“股价横盘和MACD死叉”,即当股价连续上涨后出现横盘时,械践呼香5日和10日移动平均线没有形成死叉,但MA车革会例聚CD在死叉中领先举。当第一个卖点形成时,应将其出售或减少。7远井量抓保露家宣月7日,汝哈药业也发出背龙架脱婷血结陆围停了上述卖点信号,股价也长时间下跌,在形成第一个虚拟波或绝对顶卖点后,部分股价并未大幅下跌,但在回调后,主力假装向上突破以弥补出货。前最后一次拉升是由多个主力做出的货物,也称为虚拟波拉升。此时形成的高点往往会成为牛市浪潮的最高点,因此也被称为绝对高点,如果此减时不能顺利逃脱,后果不堪设想。判断绝对顶部建立的技巧是“价格与MACD之间的偏差”,即当股票价格通过虚拟波上升到新高时,MACD无法同步达到新高据顶地好点么,并且两者的趋势发生偏离,这消然盟初就哥速是股票价格已见顶的明显信号。这表明,当在绝对顶部卖出股票时,我们不能等到MACD死叉后再卖出,因拿缩似花翻克树苦重为当MACD死叉时,股价已经下跌了很多。在虚拟波动顶部出售股票时,我们必须参考K线组合。一般来说,在虚波急拉的过程中,如果出现“高开低负线”或“长下阴影线涨限正线”,则是卖出的最佳时机。6月30日,600670出现了一条假波长影线和一条正限位线,也发出了峰值信号,随后股价持续下跌。