关于股票里的ma均线的问题，我们总结了以下几点，给你解答：
股票里的ma均线
# 参数：
# stock_data:股票数据
# ma_list:ma均线列表
# 返回：
# ma_data:ma均线数据
ma_data = pd.DataFrame()
for ma in ma_list:
ma_data[str(ma)] = stock_data['close'].rolling(window=ma).mean()
return ma_data
def get_macd_data(stock_data):
# 获取股票里的macd
# 参数：
# stock_data:股票数据
# 返回：
# macd_data:macd数据
macd_data = pd.DataFrame()
macd_data['diff'], macd_data['dea'], macd_data['macd'] = talib.MACD(stock_data['close'].values,
fastperiod=12, slowperiod=26, signalperiod=9)
return macd_data
def get_kdj_data(stock_data):
# 获取股票里的kdj
# 参数：
# stock_data:股票数据
# 返回：
# kdj_data:kdj数据
kdj_data = pd.DataFrame()
kdj_data['k'], kdj_data['d'], kdj_data['j'] = talib.STOCH(stock_data['high'].values,
stock_data['low'].values,
stock_data['close'].values,
fastk_period=9, slowk_period=3, slowd_period=3)
return kdj_data
def get_rsi_data(stock_data):
# 获取股票里的rsi
# 参数：
# stock_data:股票数据
# 返回：
# rsi_data:rsi数据
rsi_data = pd.DataFrame()
rsi_data['rsi6'] = talib.RSI(stock_data['close'].values, timeperiod=6)
rsi_data['rsi12'] = talib.RSI(stock_data['close'].values, timeperiod=12)
return rsi_data
def get_wr_data(stock_data):
# 获取股票里的wr
# 参数：
# stock_data:股票数据
# 返回：
# wr_data:wr数据
wr_data = pd.DataFrame()
wr_data['wr6'] = talib.WILLR(stock_data['high'].values, stock_data['low'].values, stock_data['close'].values, timeperiod=6)
wr_data['wr10'] = talib.WILLR(stock_data['high'].values, stock_data['low'].values, stock_data['close'].values, timeperiod=10)
return wr_data
def get_cci_data(stock_data):
# 获取股票里的cci
# 参数：
# stock_data:股票数据
# 返回：
# cci_data:cci数据
cci_data = pd.DataFrame()
cci_data['cci'] = talib.CCI(stock_data['high'].values, stock_data['low'].values, stock_data['close'].values, timeperiod=14)
return cci_data
def get_boll_data(stock_data):
# 获取股票里的boll
# 参数：
# stock_data:股票数据
# 返回：
# boll_data:boll数据
boll_data = pd.DataFrame()
boll_data['upper'], boll_data['middle'], boll_data['lower'] = talib.BBANDS(stock_data['close'].values,
timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)
return boll_data
def get_all_technical_data(stock_data):
# 获取股票里的所有技术指标
# 参数：
# stock_data:股票数据
# 返回：
# technical_data:技术指标数据
technical_data = pd.DataFrame()
technical_data = pd.concat([technical_data, get_ma_data(stock_data, [5, 10, 20, 30, 60])], axis=1)
technical_data = pd.concat([technical_data, get_macd_data(stock_data)], axis=1)
technical_data = pd.concat([technical_data, get_kdj_data(stock_data)], axis=1)
technical_data = pd.concat([technical_data, get_rsi_data(stock_data)], axis=1)
technical_data = pd.concat([technical_data, get_wr_data(stock_data)], axis=1)
technical_data = pd.concat([technical_data, get_cci_data(stock_data)], axis=1)
technical_data = pd.concat([technical_data, get_boll_data(stock_data)], axis=1)
return technical_data
def get_all_data(stock_data):
# 获取股票里的所有数据
# 参数：
# stock_data:股票数据
# 返回：
# all_data:所有数据
all_data = pd.DataFrame()
all_data = pd.concat([all_data, stock_data], axis=1)
all_data = pd.concat([all_data, get_all_technical_data(stock_data)], axis=1)
return all_data
def get_all_data_with_label(stock_data, label_data):
# 获取股票里的所有数据，并加上标签
# 参数：
# stock_data:股票数据
# label_data:标签数据
# 返回：
# all_data_with_label:所有数据，并加上标签
all_data_with_label = pd.DataFrame()
all_data_with_label = pd.concat([all_data_with_label, get_all_data(stock_data)], axis=1)
all_data_with_label = pd.concat([all_data_with_label, label_data], axis=1)
return all_data_with_label
def get_all_data_with_label_for_classification(stock_data, label_data):
# 获取股票里的所有数据，并加上标
股票ma均线是什么意思
Moving average=移动平均线 简称MA
移动平均线（Moving Average） 简称MA。。。
MA就是移动平均线的简称。
（友情转载）MA（Moving average），移动平均线：
移动平均线(MA)计算方法就是求连续若干天的收盘价的算术平均。天数就是MA的参数。在技术分析领域中，移动平均线是必不可少的指标工具。移动平均线利用统计学上的“移动平均”原理，将每天的市场价格进行移动平均计算，求出一个趋势值，用来作为价格走势的研判工具。
计算公式： MA = (C1+C2+C3+C4+C5+....+Cn)/n C 为收盘价，n 为移动平均周期数例如，现货黄金的 5 日移动平均价格计算方法为： MA 5 = （前四天收盘价+前三天收盘价+前天收盘价+昨天收盘价+今天收盘价）/5
移动平均线依时间长短可分为三种，即短期移动平均线，中期移动平均线，长期移动平均线。短期移动平均线一般以5日或10日为计算期间，中期移动平均线大多以30日、60日为计算期间；长期移动平均线大多以100天和200天为计算期间。
1.移动平均线的应用：
葛兰碧八大法则：
1）平均线从下降逐渐转为盘式上升，而价格从平均线下方突破平均线，为买进信号。
2）价格虽然跌破平均线，但又立刻回升到平均线上，此时平均线仍然持续上升，仍为买进信号。 3）价格趋势走在平均线上，价格下跌并未跌破平均线且立刻反转上升，也是买进信号。
4）价格突然暴跌，跌破平均线，且远离平均线，则有可能反弹上升，也为买进时机。
5）平均线从上升逐渐转为盘局或下跌，而价格向下跌破平均线，为卖出信号。
6）价格虽然向上突破平均线，但又立刻回跌至平均线下，此时平均线仍然持续下降，仍为卖出信号。
7）价格趋势走在平均线下，价格上升并未突破平均线且立刻反转下跌，也是卖出信号。
8）价格突然暴涨，突破平均线，且远离平均线，则有可能反弹回跌，也为卖出时机。
对葛兰碧法则的记忆，只要掌握了支撑和压力的思想就不难记住。
在国内股市中，常利用的移动平均线组合为5日、10日、65日、250日三条线。其中250日长期移动平均线作为牛市与熊市的分界线。5日上穿或下破10日线，就是股市中常说的黄金交叉和死亡交叉。
2．移动平均线的特点：
MA的最基本的思想是消除偶然因素的影响，另外还稍微有一点平均成本价格的涵义。它具有以下几个特点。
(1)追踪趋势。注意价格的趋势，并追随这个趋势，不轻易放弃。如果从股价的图表中能够找出上升或下降趋势线，那么，MA的曲线将保持与趋势线方向一致，能消除中间股价在这个过程中出现的起伏。原始数据的股价图表不具备这个保持追踪趋势的特性。
(2)滞后性。在股价原有趋势发生反转时，由于MA的追踪趋势的特性，MA的行动往往过于迟缓，调头速度落后于大趋势。这是MA的一个极大的弱点。等MA发出反转信号时，股价调头的深度已经很大了。
(3)稳定性。由于MA的计算方法就可知道，要比较大地改变MA的数值，无论是向上还是向下，都比较困难，必须是当天的股价有很大的变动。因为MA的变动不是一天的变动，而是几天的变动，一天的大变动被几天一分摊，变动就会变小而显不出来。这种稳定性有优点，也有缺点，在应用时应多加注意，掌握好分寸。
(4)助涨助跌性。当股价突破了MA时，无论是向上突破还是向下突破，股价有继续向突破方面再走一程的愿望，这就是MA的助涨助跌性。
(5)支撑线和压力线的特性。由于MA的上述四个特性。使得它在股价走势中起支撑线和压力线的作用。
使用MA通常是对不同的参数同时使用，而不是仅用一个。按各人的不同，参数的选择上有些差别，但都包括长期、中期和短期三类MA。长、中、短是相对的，可以自己确定。谈一下MA的盲点。在盘整阶段或趋势形成后的中途休整阶段或局部反弹和回档，MA极易发出错误的信号，这是使用MA最应该注意的。另外，MA只是作为支撑线和压力线站在某线之上，当然有利于上涨，但并不是说就一定会涨，支撑线有被突破的时候。（请采纳）
股票ma均线讲解视频
因为周图的k线还没有250根，250日均反映热在周图上，就是50周均线。