TA-Lib学习研究笔记(三)——Volatility Indicator

2023-12-01 11:44

本文主要是介绍TA-Lib学习研究笔记(三)——Volatility Indicator,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

TA-Lib学习研究笔记(三)——Volatility Indicator

波动率指标函数组
Volatility Indicators: [‘ATR’, ‘NATR’, ‘TRANGE’]

1.ATR

Average True Range
函数名:ATR
名称:真实波动幅度均值
简介:真实波动幅度均值(ATR)是
以 N 天的指数移动平均数平均後的交易波动幅度。
计算公式:一天的交易幅度只是单纯地 最大值 - 最小值。
而真实波动幅度则包含昨天的收盘价,若其在今天的幅度之外:
真实波动幅度 = max(最大值,昨日收盘价) − min(最小值,昨日收盘价) 真实波动幅度均值便是「真实波动幅度」的 N 日 指数移动平均数。
语法:

real = ATR(high, low, close, timeperiod=14)

df['ATR'] = tlb.ATR(df['high'],df['low'],df['close'], timeperiod=14)# 做图
df[['high','low','close','ATR']].plot(title='真实波动幅度均值')
plt.grid() #启用网格
plt.legend(['high','low','close','ATR']) # 设置图示
plt.show()

在这里插入图片描述

2.NATR

函数名:NATR Normalized Average True Range
名称:标准化平均真实范围
简介:标准化平均真实范围(NATR)是计算一个特定时间周期内的正常化平均真实范围,标准化平均真实范围(NATR)是对真实范围的平均值进行标准化处理后的结果。它通过将真实范围除以一个基于时间周期的标准化因子,来消除不同时间周期内价格波动幅度的差异。
语法:

real = NATR(high, low, close, timeperiod=14)

df['NATR'] = tlb.NATR(df['high'],df['low'],df['close'], timeperiod=14)# 做图
df[['high','low','close','NATR']].plot(title='标准化平均真实范围')
plt.grid() #启用网格
plt.legend(['high','low','close','NATR']) # 设置图示
plt.show()

在这里插入图片描述

3.TRANGE

函数名:TRANGE
名称:真正的范围 ,True Range 是用于测量价格波动幅度的指标,它考虑了最高价、最低价和当前收盘价之间的关系。

True Range 的定义如下:

  • 如果当前周期的收盘价高于前一周期的最高价,则 True Range 为当前周期的最高价与前一周期的最高价之间的差值。
  • 如果当前周期的收盘价低于前一周期的最低价,则 True Range 为当前周期的最低价与前一周期的最低价之间的差值。
  • 如果当前周期的收盘价介于前一周期的最高价和最低价之间,则 True Range 为当前周期的最高价与最低价之间的差值。

语法:

real = TRANGE(high, low, close)

df['TRANGE'] = tlb.TRANGE(df['high'],df['low'],df['close'])# 做图
df[['high','low','close','TRANGE']].plot(title='标准化平均真实范围')
plt.grid() #启用网格
plt.legend(['high','low','close','TRANGE']) # 设置图示
plt.show()

在这里插入图片描述

这篇关于TA-Lib学习研究笔记(三)——Volatility Indicator的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/441026

相关文章

重新对Java的类加载器的学习方式

《重新对Java的类加载器的学习方式》:本文主要介绍重新对Java的类加载器的学习方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、介绍1.1、简介1.2、符号引用和直接引用1、符号引用2、直接引用3、符号转直接的过程2、加载流程3、类加载的分类3.1、显示

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

利用Python快速搭建Markdown笔记发布系统

《利用Python快速搭建Markdown笔记发布系统》这篇文章主要为大家详细介绍了使用Python生态的成熟工具,在30分钟内搭建一个支持Markdown渲染、分类标签、全文搜索的私有化知识发布系统... 目录引言:为什么要自建知识博客一、技术选型:极简主义开发栈二、系统架构设计三、核心代码实现(分步解析

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

使用 sql-research-assistant进行 SQL 数据库研究的实战指南(代码实现演示)

《使用sql-research-assistant进行SQL数据库研究的实战指南(代码实现演示)》本文介绍了sql-research-assistant工具,该工具基于LangChain框架,集... 目录技术背景介绍核心原理解析代码实现演示安装和配置项目集成LangSmith 配置(可选)启动服务应用场景

springboot将lib和jar分离的操作方法

《springboot将lib和jar分离的操作方法》本文介绍了如何通过优化pom.xml配置来减小SpringBoot项目的jar包大小,主要通过使用spring-boot-maven-plugin... 遇到一个问题,就是每次maven package或者maven install后target中的ja

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

配置springboot项目动静分离打包分离lib方式

《配置springboot项目动静分离打包分离lib方式》本文介绍了如何将SpringBoot工程中的静态资源和配置文件分离出来,以减少jar包大小,方便修改配置文件,通过在jar包同级目录创建co... 目录前言1、分离配置文件原理2、pom文件配置3、使用package命令打包4、总结前言默认情况下,

关于Java内存访问重排序的研究

《关于Java内存访问重排序的研究》文章主要介绍了重排序现象及其在多线程编程中的影响,包括内存可见性问题和Java内存模型中对重排序的规则... 目录什么是重排序重排序图解重排序实验as-if-serial语义内存访问重排序与内存可见性内存访问重排序与Java内存模型重排序示意表内存屏障内存屏障示意表Int

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert