macd

MACD(移动平均收敛/发散)是一种流行的技术分析指标,用于生成交易信号和识别市场趋势的变化。它由三条线和一个柱状图组成,分别是快速线(DIF)、慢速线(DEA)以及MACD柱状图。当MACD线上穿信号线(零线)时,是一个买入信号;下穿信号线则是一个卖出信号。柱状图则显示了MACD线和信号线之间的差距,进一步强调了买卖信号。MACD可应用于任何时间框架和资产类别,是投资者和交易者识别和跟踪市场动能的有力工具。它尤其擅长揭示短期趋势变化,为交易决策提供及时、准确的信息。

MACD指标怎么看

MACD 含义

在股票市场中,MACD 是投资者常用的技术指标之一,MACD 是移动平均收敛背离的缩写,是一种跟随动量指标的趋势。它是三个时间序列的集合,根据历史价格数据计算为移动平均线,通常是收盘价。MACD 线是特定证券收盘价的快速(短期)指数移动平均线和慢速(长期)指数移动平均线之间的差异。信号线是 MACD 线的指数移动平均线。在这种 移动平均线策略中,交易者寻找 MACD 和信号线之间的交叉点。是由DEA(黄线)和DIF均线(白线)、量能柱(红柱和绿柱)加上0轴多空分界线组成,该指标可以帮助投资者关注市场或者个股的趋势性指标。其中,DIF线(白线)是由收盘价短期、长期指数平滑

更新时间:2024-06-11 02:45

MACD底背离

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新时间:2024-06-07 10:55

重采样计算MACD指标

策略源码

{{membership}}

https://bigquant.com/codeshare/32a5f044-4721-465e-b0fb-194ae8e202a7

\

更新时间:2024-06-07 10:55

如何做出基金的macd摸板策略

问题

bqjxazej+如何做出基金的macd摸板策略

\

解答

  • 平台因子表达式页面(https://bigquant.com/wiki/doc/yinzi-biaodashi-mGzCw6L5WQ)中有macd金叉和死叉的因子表达式。通过这两个因子表达式,构建出金叉和死叉因子,金叉时买入,死叉时卖出。
  • 需要注意的是基金数据通过因子表达式构建因子时,和股票构建有些许不同(基金没有预计算因子,我们只能通过基金行情数据或着其它基金表的字段去构建因子)
  • 平台现在支持场内基金日线的模拟交易和实盘。

视频

[https://www.bilibili.com/v

更新时间:2024-06-07 10:55

Pandas处理日K数据构建MACD季度因子

看视频

https://www.bilibili.com/video/BV1jh411u7zj/?vd_source=ecd29bbd04cbefdfa426167c55241973

策略源码

[https://bigquant.com/experimentshare/d4804cb7b37b40e191de5b196897c33b](https://bigquant.com/experiment

更新时间:2024-06-07 10:55

MACD指标量化选股技巧

bigquant提供不同天数时间范围的MACD指标

MACD(Moving Average Convergence Divergence)是一种常用的技术分析工具,用于识别股票或其他资产的价格动量和趋势转变。

它由三个部分组成:MACD线、信号线(或平均线),以及柱状图。

![](/wiki/api/attachments.redirect?id=a437c1f3-8491-46f7-a4b9-3a37bd79c

更新时间:2024-06-07 10:48

MACD指标公式及买入卖出用法解析

MACD(Moving Average Convergence Divergence)是一种用于技术分析的趋势跟踪动量指标,它显示了两个不同时间长度的移动平均线之间的关系。MACD 主要用于识别资产价格的动量方向和强度、趋势的反转以及潜在的买入或卖出机会。

计算公式

MACD 由三个部分组成:MACD 线、信号线(或称为平均线)和差离图(或称为柱图)。它的计算方法如下:

  1. MACD 线:通常是 12 天的指数移动平均(EMA)减去 26 天的 EMA。

    1. MACD=EMA12−EMA26

![](/wiki/api/attachmen

更新时间:2024-06-07 10:48

期货日线MACD策略

这是旧版文档

MACD策略的交易规则

相关指标定义如下:

DIF=EMA(close,12)−EMA(close,26)

DEM=EMA(DIF,9)

DIF从下而上穿过DEA,买入开仓;

DIF从上往下穿过DEA,卖出开仓;

策略构建步骤

  1. 确定期货合约和回测时间 通过证券代码列表输入要回测的期货合约,以及回测的起止日期
  2. 确定买卖条件信号 通过自定义Python模块m4获取合约基础数据,通过自定义Python模块m1获取DIF和DEA指标数据; 在输入特征列表中通过表达式引擎定义 buy_condition=where((shift(DIF,1) >

更新时间:2024-05-24 11:00

遗传算法优化MACD指标

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 07:08

【历史文档】策略示例-择时策略-MACD指标 v1.0

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 02:07

【历史文档】因子构建与标注样例-TALIB库定义技术指标_MACD

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 06:35

如何设置macd参数?

如何设置macd参数

平台上macd的因子的项目,那有没有指定参数的函数?比如ta_macd(20,30,10)这样的计算方法?或者有什么办法可以指定参数计算出个股的结果?

macd参数设置

我们可以使用 DAI SQL的macd相关算子,底层使用了talib来实现,示例

m_ta_sma(open, 5)

![](/wiki/api/atta

更新时间:2023-11-27 06:06

bigquant 日线macd的值 和通达信的不一样

bigquant 日线macd的值 和通达信的不一样, 还有同花顺的也不一样

更新时间:2023-06-01 02:13

BigQuant的ta_macd指标与通达信结果不同

在编制策略时,发现通达信的BigQuant的tamacd指标与通达信结果不同,如策略中的2021-01-05的000723,通达信的DEA为0.02,DIF为0.04,但BigQuant计算的结果却是dea=0.067509,diff=0.063827,更加奇怪的是通达信DEA>DIF,而BigQuant却是dea>diff,这造成了策略的误操作,是我对于ta_macd的因子提取有问题吗?请大神指点一二!

[https://bigquant.com/experimentshare/fd9f6ecb35934f729bd5483c830b834c](https://bigquant.com

更新时间:2023-06-01 02:13

MACD指标与其他平台(通达信、同花顺、东方财富)数据不一致

问题

关于运用平台日线数据计算MACD指标与其他平台(通达信、同花顺、东方财富)数据不一致的问题,坐等高手回复,多谢!如万科A:11月23日MACD计算值为0.23

https://bigquant.com/experimentshare/0860e70730a842be87f24a1942508778

\

更新时间:2023-06-01 02:13

随机森林策略初步尝试

本文主要有以下几点改进: 1.特征:加入新特征,beta,macd,willr等。 2.模型:使用随机森林,其中树的个数限制为15,树的最大深度为25,防止过拟合。使用回归算法而不是分类算法。 3.标注:使用(卖出价格-买入价格)/ 买入价格作为标签。 4.回测:股票资金分配,使得排名靠前的股票能分配到更多资金投入,加入止损策略(跌破3%止损)。

T.norm([1 / math.exp(i) for i in range(0, stock_count)]) #[0.3391,0.2139,0.1695,0.1460,0.1312]

更新时间:2022-11-20 03:34

分页第1页
{link}