关于obv平均线内容导航：
- 1、obv平均线
- 2、obv平均线如何设置
- 3、obv平均线公式
1、obv平均线
df['obv_ma'] = df['obv'].rolling(window=5).mean()
#计算macd
df['diff'], df['dea'], df['macd'] = talib.MACD(df['close'].values,
fastperiod=12, slowperiod=26, signalperiod=9)
#计算rsi
df['rsi'] = talib.RSI(df['close'].values, timeperiod=14)
#计算kdj
df['k'], df['d'], df['j'] = talib.STOCH(df['high'].values,
df['low'].values,
df['close'].values,
fastk_period=9,
slowk_period=3,
slowd_period=3)
#计算cci
df['cci'] = talib.CCI(df['high'].values,
df['low'].values,
df['close'].values, timeperiod=14)
#计算atr
df['atr'] = talib.ATR(df['high'].values,
df['low'].values,
df['close'].values, timeperiod=14)
#计算boll
df['upper'], df['middle'], df['lower'] = talib.BBANDS(df['close'].values,
timeperiod=20,
nbdevup=2,
nbdevdn=2,
matype=0)
#计算wr
df['wr'] = talib.WILLR(df['high'].values,
df['low'].values,
df['close'].values, timeperiod=14)
#计算roc
df['roc'] = talib.ROC(df['close'].values, timeperiod=10)
#计算trix
df['trix'] = talib.TRIX(df['close'].values, timeperiod=30)
#计算dmi
df['plus_di'], df['minus_di'], df['adx'], df['adxr'] = talib.ADX(df['high'].values,
df['low'].values,
df['close'].values,
timeperiod=14)
#计算vr
df['vr'] = talib.ATR(df['high'].values,
df['low'].values,
df['close'].values, timeperiod=26)
#计算cr
df['cr'] = talib.NATR(df['high'].values,
df['low'].values,
df['close'].values, timeperiod=26)
#计算ar
df['ar'] = talib.AROONOSC(df['high'].values,
df['low'].values, timeperiod=14)
#计算sar
df['sar'] = talib.SAR(df['high'].values,
df['low'].values,
acceleration=0.02, maximum=0.2)
#计算dma
df['dif'], df['ama'] = talib.DEMA(df['close'].values, timeperiod=30)
#计算tma
df['tma'] = talib.TEMA(df['close'].values, timeperiod=30)
#计算er
df['er'] = talib.ER(df['high'].values,
df['low'].values,
df['close'].values, timeperiod=14)
#计算mi
df['mi'] = talib.MFI(df['high'].values,
df['low'].values,
df['close'].values,
df['volume'].values, timeperiod=14)
#计算bias
df['bias'] = talib.BIAS(df['close'].values, timeperiod=14)
#计算psar
df['psar'] = talib.SAREXT(df['high'].values,
df['low'].values,
startvalue=0,
offsetonreverse=0,
accelerationinitlong=0,
accelerationlong=0,
accelerationmaxlong=0,
accelerationinitshort=0,
accelerationshort=0,
accelerationmaxshort=0)
#计算vpt
df['vpt'] = talib.VPT(df['close'].values, df['volume'].values)
#计算ma
df['ma5'] = talib.MA(df['close'].values, timeperiod=5, matype=0)
df['ma10'] = talib.MA(df['close'].values, timeperiod=10, matype=0)
df['ma20'] = talib.MA(df['close'].values, timeperiod=20, matype=0)
df['ma30'] = talib.MA(df['close'].values, timeperiod=30, matype=0)
df['ma60'] = talib.MA(df['close'].values, timeperiod=60, matype=0)
#计算ema
df['ema5'] = talib.EMA(df['close'].values, timeperiod=5)
df['ema10'] = talib.EMA(df['close'].values, timeperiod=10)
df['ema20'] = talib.EMA(df['close'].values, timeperiod=20)
df['ema30'] = talib.EMA(df['close'].values, timeperiod=30)
df['ema60'] = talib.EMA(df['close'].values, timeperiod=60)
#计算sma
df['sma5'] = talib.SMA(df['close'].values, timeperiod=5)
df['sma10'] = talib.SMA(df['close'].values, timeperiod=10)
df['sma20'] = talib.SMA(df['close'].values, timeperiod=20)
df['sma30'] = talib.SMA(df['close'].values, timeperiod=30)
df['sma60'] = talib.SMA(df['close'].values, timeperiod=60)
#计算wma
df['wma5'] = talib.WMA(df['close'].values, timeperiod=5)
df['wma10'] = talib.WMA(df['close'].values, timeperiod=10)
df['wma20'] = talib.WMA(df['close'].values, timeperiod=20)
df['wma30'] = talib.WMA(df['close'].values, timeperiod=30)
df['wma60'] = talib.WMA(df['close'].values, timeperiod=60)
#计算t3
df['t3'] = talib.T3(df['close'].values, timeperiod=5, vfactor=0)
#计算dema
df['dema'] = talib.DEMA(df['close'].values, timeperiod=30)
#计算tema
df['tema'] = talib.TEMA(df['close'].values, timeperiod=30)
#计算trima
df['trima'] = talib.TRIMA(df['close'].values, timeperiod=30)
#计算kama
df['kama'] = talib.KAMA(df['close'].values, timeperiod=30)
#计算mama
df['mama'], df['fama'] = talib.MAMA(df['close'].values,
fastlimit
2、obv平均线如何设置
3、obv平均线公式
展开全部obv指标
OBV（平衡成交量法、累积能量线），俗称能量潮，是由格兰维尔于1963年提出。能量潮是将成交量数量化，制成趋势线，配合股价趋势线，从价格的变动及成交量的增减关系，推测市场气氛。其主要理论基础是市场价格的变化必须有成交量的配合，股价的波动与成交量的扩大或萎缩有密切的关连。通常股价上升所需的成交量总是较大；下跌时，则成交量总是较小。价格升降而成交量不相应升降，则市场价格的变动难以为继。
计算方法
[编辑本段]
以某日为基期，逐日累计每日上市股票总成交量，若隔日指数或股票上涨，则基期OBV加上本日成交量为本日OBV。隔日指数或股票下跌，则基期OBV减去本日成交量为本日OBV。一般来说，只是观察OBV的升降并无多大意义，必须配合K线图的走势才有实际的效用。
参数设置
[编辑本段]
OBV线无参数。在本系统中，可设置OBV的平均天数，就可以显示出OBV平均线，有助于判明OBV的趋势。
应用法则
[编辑本段]
1、当股价上升而OBV线下降，表示买盘无力，股价可能会回跌。
2、股价下降时而OBV线上升，表示买盘旺盛，逢低接手强股，股价可能会止跌回升。
3、OBV线缓慢上升，表示买气逐渐加强，为买进信号。
4、OBV线急速上升时，表示力量将用尽为卖出信号。
5、OBV线对双重顶第二个高峰的确定有较为标准的显示，当股价自双重顶第一个高峰下跌又再次回升时，如果OBV线能够随股价趋势同步上升且价量配合，则可持续多头市场并出现更高峰。相反，当股价再次回升时OBV线未能同步配合，却见下降，则可能形成第二个顶峰，完成双重顶的形态，导致股价反转下跌。
6、OBV线从正的累积数转为负数时，为下跌趋势，应该卖出持有股票。反之，OBV线从负的累积数转为正数时，应该买进股票。
7、OBV线最大的用处，在于观察股市盘局整理后，何时会脱离盘局以及突破后的未来走势，OBV线变动方向是重要参考指数，其具体的数值并无实际意义。
研 判
[编辑本段]
（1）OBV线系依据成交量的变化统计绘制而成，因此OBV线属于技术性分析与属于经济性的基本分析无关。
（2）OBV线为股市短期波动的重要判断方法，但运用OBV线应配合股价趋势予以研判分析。
（3）OBV线能帮助确定股市突破盘局后的发展方向。
（4）OBV的走势，可以局部显示出市场内部主要资金的移动方向，显示当期不寻常的超额成交量是徘徊于低价位还是在高价位上产生，可使技术分析者领先一步深入了解市场内部原因。
（5）OBV线对双重顶（M头）第二个高峰的确定有较为标准的显示，当股价自双重顶第一个高峰下跌又再次回升时，如果OBV线能随股价趋势同步上升，价量配合则可能持续多头市场并出现更高峰，但是相反的，股价再次回升时，OBV线未能同步配合，却见下降，则可能即将形成第二个峰顶完成双重顶的型态，并进一步导致股价上涨反转回跌。
（6）OBV线适用范围比较偏向于短期进出，与基本分析丝毫无关。同时OBV也不能有效反效反映当期市场的转手情况。
