关于股票均线用不复权的问题，我们总结了以下几点，给你解答：
股票均线用不复权
# 取消注释，可以使用复权的均线
# df = df.to_qfq()
# 使用talib计算10日均线和30日均线的值
ma10 = talib.SMA(df.close.values, 10)
ma30 = talib.SMA(df.close.values, 30)
# 将talib计算出来的数据添加到原始数据中
df['ma10'] = ma10
df['ma30'] = ma30
# 计算每天的买入信号，1买入，-1卖出，0什么都不做
df['signal'] = 0
# 当天的ma10大于ma30，且第二天的ma10小于第二天的ma30，买入信号为1
buy_index = df[df.ma10 > df.ma30].index
df.loc[buy_index, 'signal'] = 1
# 当天的ma10小于ma30，且第二天的ma10大于第二天的ma30，卖出信号为-1
sell_index = df[df.ma10 < df.ma30].index
df.loc[sell_index, 'signal'] = -1
# 将信号操作应用到股票价格上，计算出每天持有的股票价格
df['keep'] = df['signal'].shift(1)
df['keep'].fillna(method='ffill', inplace=True)
df['keep'].fillna(value=0, inplace=True)
df['keep'] = df['close'] * df['keep'].astype(int)
# 计算每天持有股票的价值
df['keep_money'] = df['keep'].cumsum()
# 计算每天买入股票的价值
df['buy_money'] = df['signal'] * df['close']
df['buy_money'].fillna(value=0, inplace=True)
df['buy_money'] = df['buy_money'].cumsum()
# 计算总价值
df['total_money'] = df['keep_money'] + df['buy_money']
# 计算收益率
df['return'] = df['total_money'].pct_change()
# 将收益率转换为百分比
df['return_r'] = df['return'].apply(lambda x: format(x, '.2%'))
# 计算最终收益
df['final_return'] = df['return'].cumsum()
# 将最终收益转换为百分比
df['final_return_r'] = df['final_return'].apply(lambda x: format(x, '.2%'))
# 计算基准收益
df['base_return'] = df['close'].pct_change()
# 将基准收益转换为百分比
df['base_return_r'] = df['base_return'].apply(lambda x: format(x, '.2%'))
# 计算最终基准收益
df['final_base_return'] = df['base_return'].cumsum()
# 将最终基准收益转换为百分比
df['final_base_return_r'] = df['final_base_return'].apply(lambda x: format(x, '.2%'))
# 计算收益增长比
df['return_rate'] = df['final_return'] / df['final_base_return']
# 将收益增长比转换为百分比
df['return_rate_r'] = df['return_rate'].apply(lambda x: format(x, '.2%'))
# 计算最大回撤
df['max_retracement'] = df['total_money'].cummax() - df['total_money']
# 计算最大回撤率
df['max_retracement_rate'] = df['max_retracement'] / df['total_money'].cummax()
# 将最大回撤率转换为百分比
df['max_retracement_rate_r'] = df['max_retracement_rate'].apply(lambda x: format(x, '.2%'))
# 计算收益标准差
df['return_std'] = df['return'].std()
# 计算夏普比率
df['sharpe_ratio'] = df['final_return'].mean() / df['return_std']
# 计算交易次数
df['trade_times'] = df['signal'].diff().apply(lambda x: abs(x)).sum() / 2
# 计算胜率
df['win_rate'] = df[df['return'] > 0]['return'].count() / df['trade_times']
# 将胜率转换为百分比
df['win_rate_r'] = df['win_rate'].apply(lambda x: format(x, '.2%'))
# 计算最大连续亏损次数
df['max_con_loss_times'] = (df['return'].apply(lambda x: 1 if x < 0 else 0)).rolling(window=2).apply(lambda x: x[0] + x[1] if x[0] + x[1] > 0 else 0).rolling(window=2).max()
# 计算最大连续盈利次数
df['max_con_win_times'] = (df['return'].apply(lambda x: 1 if x > 0 else 0)).rolling(window=2).apply(lambda x: x[0] + x[1] if x[0] + x[1] > 0 else 0).rolling(window=2).max()
# 计算最大单次盈利
df['max_single_win'] = df['return'].expanding().max()
# 计算最大单次亏损
df['max_single_loss'] = df['return'].expanding().min()
# 计算最大单次盈利率
df['max_single_win_r'] = df['max_single_win'].apply(lambda x: format(x, '.2%'))
# 计算最大单
均线设置复权好还是不复权好?
前复权利于对价格的把握，这样图形的连续性要强烈一些，不复权更清晰的知道股票的重大事件。
如果你选股更趋向于技术面，建议前复权，如果更趋向于基本面，建议不复权。
如果是刚刚分红配股之后均线系统打乱 建议复权，如果均线系统已经回归K线选择不复权。就是由于分红或配股后，由于股票流通市值的变化导致价格变更，使得均线系统和股价脱离，就是说突然所有短期K线全都掉头向下，这样就无法通过短期K线判断短期走势，所谓回归就是指5日 10日均线回到股价附近，并且不是一味的向下发散，这样就可以通过K线判断走势。
如果你要看股票的"势"，用前复权看，这样线形比较流畅。如果你要看均线支撑的实际价格建议用不复权看，看筹码分布也建议用不复权看。
这些在以后的操作中可以慢慢去领悟，为了提升自身炒股经验，新手前期可以用个牛股宝模拟炒股去学习一下股票知识、操作技巧，对在今后股市中的赢利有一定的帮助。希望可以帮助到您，祝投资愉快！
均线复权还是不复权
K线是否要来自复权主要是看股票投资者的习惯，不复权的话可以看出股票价格的真实波动，而复权的话，也便于投资者在进行技术分析时的连贯性。一般来说，短线操作的投资者可以不去看复权，长线的投资者则应该看复权，所以看不看复权是根据实际的情况来定的。
复权可以消除因为除权除息造成的价格以及指标走势的畸变，在判断当前的股价处于相对历史的高位还是低位的时候，一般会推荐投资者采用复权。
在利用分析软件查看个股K线图的时候，一些投资者是不复权的，分析图中标注的股票价格也是除权之后的真实交易价格。除权最大的缺点就是容易给人造成错觉，除权后股价在走势图上表现急跌，凯修天振内均线和各项的技术指标也会出现紊乱的现象，不利于我们对股票的整体走势做出准确的判断。
因此，在进行分析股票的时候，提倡采取复权看盘的方法，这样就可以避免因为股票频繁的除权带来的均线紊乱以及技术指标失真等的不利影响，让投资者更减毫雨好的从整体上把握股票的走势。
不过，我们操作股属厂送有票的主要目的是看它的趋势，而不要拘泥于怎卫它的真实价格！因此采取向前复权还是向后复权，主要取决于投资者的个人偏好以及习惯。
所以，k线看复权还是不复权，更多的其实看投资者自己。如果你想要院限左搞雨看复权，那么就去看，如果不想看取斯话高古台息导效也看不懂，那就可以不看。
【拓展资料】
股票看前复冷权后复权还是不复权？
划草宗顺因袁酸叫马道罪技术分析用前复权，价值投资用后复权，不复权可以看什黑到除权除息后股价会出现贴步小权还是填权。其原理在于：
（1）前复权：就是以除权后的收盘价为基准，保持现有价位不变，缩减以前价格，把除权前的K线向下平移使图形吻合，保持股价走势的连续性。所以前复权可以看到股价的相对高点、相对低点以及股价所处的位置，这样就能分析压力位和支撑位，对于技术分析是很有用的。
（2）后复权：就是保持上市当日的价格不变，公司分红的资金也加在股价上，所以数据不真实，对于技术分析来说就不准，而对于价值投资者来说，分红能体现公司的盈利能力，以及公司成立以来的涨幅，所以后复权适合价值投资。
（3）不洲任双强冲呢复权：股票除权后有较大的缺口存在，不复权就是任由缺口存在，不去修复。这样就能在分红后看出未来会填权还是贴权。