关于asi指标参数内容导航：
1、asi指标参数
:param kline_data:
:return:
"""
kline_data = kline_data.sort_values(by='time_stamp', ascending=True)
kline_data['ma5'] = kline_data['close'].rolling(window=5).mean()
kline_data['ma10'] = kline_data['close'].rolling(window=10).mean()
kline_data['ma20'] = kline_data['close'].rolling(window=20).mean()
kline_data['ma30'] = kline_data['close'].rolling(window=30).mean()
kline_data['ma60'] = kline_data['close'].rolling(window=60).mean()
kline_data['ma120'] = kline_data['close'].rolling(window=120).mean()
kline_data['ma250'] = kline_data['close'].rolling(window=250).mean()
kline_data['ema12'] = kline_data['close'].ewm(span=12).mean()
kline_data['ema26'] = kline_data['close'].ewm(span=26).mean()
kline_data['dif'] = kline_data['ema12'] - kline_data['ema26']
kline_data['dea'] = kline_data['dif'].ewm(span=9).mean()
kline_data['macd'] = 2 * (kline_data['dif'] - kline_data['dea'])
kline_data['rsi6'] = talib.RSI(kline_data['close'].values, timeperiod=6)
kline_data['rsi12'] = talib.RSI(kline_data['close'].values, timeperiod=12)
kline_data['rsi24'] = talib.RSI(kline_data['close'].values, timeperiod=24)
kline_data['k'], kline_data['d'] = talib.STOCH(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
fastk_period=9,
slowk_period=3,
slowk_matype=0,
slowd_period=3,
slowd_matype=0)
kline_data['j'] = 3 * kline_data['k'] - 2 * kline_data['d']
kline_data['wr6'] = talib.WILLR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=6)
kline_data['wr12'] = talib.WILLR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=12)
kline_data['wr24'] = talib.WILLR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=24)
kline_data['cci6'] = talib.CCI(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=6)
kline_data['cci12'] = talib.CCI(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=12)
kline_data['cci24'] = talib.CCI(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=24)
kline_data['atr6'] = talib.ATR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=6)
kline_data['atr12'] = talib.ATR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=12)
kline_data['atr24'] = talib.ATR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=24)
kline_data['obv'] = talib.OBV(kline_data['close'].values,
kline_data['volume'].values)
kline_data['boll_up'], kline_data['boll_mid'], kline_data['boll_low'] = talib.BBANDS(kline_data['close'].values,
timeperiod=20,
nbdevup=2,
nbdevdn=2,
matype=0)
kline_data['bias6'] = (kline_data['close'] - kline_data['ma6']) / kline_data['ma6'] * 100
kline_data['bias12'] = (kline_data['close'] - kline_data['ma12']) / kline_data['ma12'] * 100
kline_data['bias24'] = (kline_data['close'] - kline_data['ma24']) / kline_data['ma24'] * 100
kline_data['bias60'] = (kline_data['close'] - kline_data['ma60']) / kline_data['ma60'] * 100
kline_data['bias120'] = (kline_data['close'] - kline_data['ma120']) / kline_data['ma120'] * 100
kline_data['bias250'] = (kline_data['close'] - kline_data['ma250']) / kline_data['ma250'] * 100
kline_data['ar'] = talib.AROONOSC(kline_data['high'].values,
kline_data['low'].values,
timeperiod=14)
kline_data['br'] = talib.AROONOSC(kline_data['high'].values,
kline_data['low'].values,
timeperiod=14)
kline_data['psar'] = talib.SAR(kline_data['high'].values,
kline_data['low'].values,
acceleration=0.02,
maximum=0.2)
kline_data['adx'] = talib.ADX(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=14)
kline_data['adxr'] = talib.ADXR(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=14)
kline_data['trix'] = talib.TRIX(kline_data['close'].values, timeperiod=12)
kline_data['mi'] = talib.MINUS_DI(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
timeperiod=14)
kline_data['mavp'] = talib.MINUS_DM(kline_data['high'].values,
kline_data['low'].values,
timeperiod=14)
kline_data['mi'] = talib.MINUS_DI(kline_data['high'].values,
kline_data['low'].values,
kline_data['close'].values,
2、asi指标参数最佳设置
ASI指标有很强的实战指导意义，信号清晰准确，如果你使用的软件中只有一条ASI指标线，我建议你，看看参数中有没有第二条线（ASI)的N日均线的参数，如果有你可把默认参数改成6.就可以使用；如果没有你可以自己加一条均线就好了 ASI指标中没有设置前高线，你只好用鼠标移动来比对今天ASI数值是否冲过范皇势苦尼接错镇苗己了前一个高点的数值 敌推略丰色工山值特错介第三个问题没有意义，即造啊移甲若只要你用数值确认了今天的asi值突破了前期高点的数值就可以 asi指标在使用中可要比什么KD，RSI ,MACD等等指标更有实战的意义，注意同样是金叉，但却因为数值的高低，正数负数的区别而有不同强度的上升