关于分时的kdj内容导航：
1、分时的kdj
def get_kdj(self, df, n=9, m1=3, m2=3):
"""
计算KDJ
:param df:
:param n:
:param m1:
:param m2:
:return:
"""
low_list = df['low'].rolling(n, min_periods=1).min()
low_list.fillna(value=df['low'].expanding().min(), inplace=True)
high_list = df['high'].rolling(n, min_periods=1).max()
high_list.fillna(value=df['high'].expanding().max(), inplace=True)
rsv = (df['close'] - low_list) / (high_list - low_list) * 100
k = rsv.ewm(span=m1).mean()
d = k.ewm(span=m2).mean()
j = 3 * k - 2 * d
df['kdj_k'] = k
df['kdj_d'] = d
df['kdj_j'] = j
return df
# 计算每分时的macd
def get_macd(self, df, short=12, long=26, m=9):
"""
计算MACD
:param df:
:param short:
:param long:
:param m:
:return:
"""
se = df['close'].ewm(span=short).mean() - df['close'].ewm(span=long).mean()
dea = se.ewm(span=m).mean()
macd = 2 * (se - dea)
df['macd_dif'] = se
df['macd_dea'] = dea
df['macd_macd'] = macd
return df
# 计算每分时的rsi
def get_rsi(self, df, n=6):
"""
计算RSI
:param df:
:param n:
:return:
"""
diff = df['close'].diff()
up = diff.copy()
up[up < 0] = 0
down = diff.copy()
down[down > 0] = 0
rsi = up.ewm(span=n).mean() / down.abs().ewm(span=n).mean() * 100
df['rsi'] = rsi
return df
# 计算每分时的cci
def get_cci(self, df, n=14):
"""
计算CCI
:param df:
:param n:
:return:
"""
tp = (df['high'] + df['low'] + df['close']) / 3
cci = (tp - tp.rolling(n).mean()) / (0.015 * tp.rolling(n).std())
df['cci'] = cci
return df
# 计算每分时的boll
def get_boll(self, df, n=20):
"""
计算BOLL
:param df:
:param n:
:return:
"""
mid = df['close'].rolling(n).mean()
std = df['close'].rolling(n).std()
up = mid + 2 * std
down = mid - 2 * std
df['boll_mid'] = mid
df['boll_up'] = up
df['boll_down'] = down
return df
# 计算每分时的wr
def get_wr(self, df, n=10):
"""
计算WR
:param df:
:param n:
:return:
"""
low_list = df['low'].rolling(n).min()
low_list.fillna(value=df['low'].expanding().min(), inplace=True)
high_list = df['high'].rolling(n).max()
high_list.fillna(value=df['high'].expanding().max(), inplace=True)
wr = (high_list - df['close']) / (high_list - low_list) * 100
df['wr'] = wr
return df
# 计算每分时的sar
def get_sar(self, df, n=4):
"""
计算SAR
:param df:
:param n:
:return:
"""
df['sar'] = talib.SAR(df['high'].values, df['low'].values, acceleration=0.02, maximum=0.2)
return df
# 计算每分时的dmi
def get_dmi(self, df, n=14):
"""
计算DMI
:param df:
:param n:
:return:
"""
df['dmi_pdi'] = talib.PLUS_DI(df['high'].values, df['low'].values, df['close'].values, timeperiod=n)
df['dmi_mdi'] = talib.MINUS_DI(df['high'].values, df['low'].values, df['close'].values, timeperiod=n)
df['dmi_adx'] = talib.ADX(df['high'].values, df['low'].values, df['close'].values, timeperiod=n)
df['dmi_adxr'] = talib.ADXR(df['high'].values, df['low'].values, df['close'].values, timeperiod=n)
return df
# 计算每分时的obv
def get_obv(self, df):
"""
计算OBV
:param df:
:return:
"""
df['obv'] = talib.OBV(df['close'].values, df['volume'].values)
return df
# 计算每分时的roc
def get_roc(self, df, n=12):
"""
计算ROC
:param df:
:param n:
:return:
"""
df['roc'] = talib.ROC(df['close'].values, timeperiod=n)
return df
# 计算每分时的mtm
def get_mtm(self, df, n=6):
"""
计算MTM
:param df:
:param n:
:return:
"""
df['mtm'] = talib.MOM(df['close'].values, timeperiod=n)
return df
# 计算每分时的cr
def get_cr(self, df, n=26):
"""
计算CR
:param df:
:param n:
:return:
"""
df['cr'] = talib.NATR(df['high'].values, df['low'].values, df['close'].values, timeperiod=n)
return df
# 计算每分时的dma
def get_dma(self, df, n=10, m=10):
"""
计算DMA
:param df:
:param n:
:param m:
:return:
"""
df['dma'] = df['close'].diff(n) - df['close'].diff(m)
return df
# 计算每分时的trix
def get_trix(self, df, n=12):
"""
计算TRIX
:param df:
:param n:
:return:
"""
df['trix'] =
2、分时的拼音
1、河床的拼音hé chuáng。2、河床：谷底部分河水经常流动的地方称为河床。被河流占有或从前被河流占有的沟槽。河床按一烈评形态可分为顺直河床、弯曲河床、汊河型河床、游荡型河床。其中汊河型河床河身有宽窄变化，窄处为单一河槽，宽段河槽中发育沙洲、心滩，水流被洲、滩分成两支或多支。汊河与沙洲的发展与消亡不断更替，洲岸时十读号丝五啊继视分时合。随主流线移动和高盟决互冲刷，常伴生规模不等的岸崩，会差地础造帝危及河堤安全和造成重大灾害。
3、分时的成交量怎么看
在股票成交明细中，左起第一列式成交时间，一般15秒公布一次，第二列是成交价，第三列是成交手数，如果是主动性买入成交就显示成红色和一个向上的箭头，如果是主动性卖出成交就显示成绿色和一个向下的箭头，第四列是成交笔数，也就是总共有多少笔委托成交，通过成交手数和对应的笔数，可以大略的估计出成交参与方有没有机构，大户还是全是散户。1、逐笔成交一般显示的数据格式为在几分几秒以多少价格分几笔成交了多少手。在这里我们要注意的是成交手数有时候是带小数点的，这是因为股票买进的股数最少是100股，委托的股数也应是100的整数倍，卖出却没有限制，因此成交的手数会有小数点。另外一点就是如果在成交价格和手数前面没有显示，则一半是默认的1笔。
2、分时成交一般显示的数据格式为在几分几秒以多少价格成交了多少手。这里需要注意的是成交手数永远是整数，不会出现小数点数字。
3、一个孤独的数字是缺乏意义的，但是一些连续的数字则是充满想像的。一般来说，成交笔数越少，金额越大，表示成交比较强势，反之是弱势。尤其是成交笔数比较大而集中的时候，表示有大资金活跃迹象，该股出现价格异动的概率就大，应该引起投资者的注意。而如果半天也没人买或者都是一些小单子在交易，则至少短期不大可能成为好股。
4、交易数据三维元素----数量、价格和笔数。不陌生的是前面两个，笔数就是交易批次。在数量一定的前提下，笔数少说明交易力度强，反之就弱。笔数的变动与数量方向一致，交易为常态，反之就是非常态。
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！
股生金