Python 实现 OBV 指标计算：股票技术分析的利器系列（7）

本文主要是介绍Python 实现 OBV 指标计算：股票技术分析的利器系列（7），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！

---

介绍

OBV 指标是“On-Balance Volume”的缩写，意为“量价平衡指标”。它是一种用于衡量买卖压力的技术分析工具，主要基于成交量的变化来预测价格趋势。OBV 指标的计算方法很简单，它将每日的成交量根据价格变动分为买入量和卖出量，然后根据这些量的正负来对当前价格走势形成判断。

OBV 指标的基本原理是，如果某一天的收盘价高于前一天的收盘价，则当天的成交量被视为买入量，反之则被视为卖出量。通过累加这些买入量和卖出量，形成一个持续增加或减少的曲线，这条曲线反映了资金流入和流出的情况。当 OBV 曲线上升时，意味着成交量在上涨，市场上存在着买盘力量；反之，当 OBV 曲线下降时，意味着成交量在下降，市场上存在着卖盘力量。

先看看官方介绍：

OBV (累积能量线）
用法
1.股价一顶比一顶高，而OBV 一顶比一顶低，暗示头部即将形成；
2.股价一底比一底低，而OBV 一底比一底高，暗示底部即将形成；
3.OBV 突破其 N 字形波动的高点次数达5 次时，为短线卖点；
4.OBV 跌破其 N 字形波动的低点次数达5 次时，为短线买点；
5.OBV 与ADVOL、PVT、WAD、ADL同属一组指标群，使用时应综合研判。

算法解释

VA:=IF(CLOSE>REF(CLOSE,1),VOL,-VOL);
OBV:SUM(IF(CLOSE=REF(CLOSE,1),0,VA),0);
MAOBV:MA(OBV,M);

1. VA 计算：

   • 这行代码首先计算了 VA（Volume Accumulation）。
   • CLOSE > REF(CLOSE, 1) 是一个条件，检查当前收盘价是否高于前一天的收盘价。
   • 如果当前收盘价高于前一天的收盘价，则 VA 为当日成交量（VOL）；否则为当日成交量的负值（-VOL）。

2. OBV 计算：

   • 这行代码计算了 OBV（On-Balance Volume）。
   • IF(CLOSE=REF(CLOSE,1),0,VA) 这一部分首先判断当前收盘价是否等于前一天的收盘价，如果相等，则对应的 VA 为 0，否则为 VA 的值。
   • 然后使用 SUM 函数对这些 VA 值进行累加，得到 OBV。

3. MAOBV 计算：

   • 这行代码计算了 MAOBV（Moving Average of OBV）。
   • MA(OBV, M) 是对 OBV 列进行移动平均计算，其中 M 是移动平均窗口的大小。

代码

rolling函数介绍

rolling 函数通常与其他函数（如 mean、sum、std 等）一起使用，以计算滚动统计量，例如滚动均值、滚动总和等。

以下是 rolling 函数的基本语法：

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

• window: 用于计算统计量的窗口大小。
• min_periods: 每个窗口最少需要的非空观测值数量。
• center: 确定窗口是否居中，默认为 False。
• win_type: 窗口类型，例如 None、boxcar、triang 等，默认为 None。
• on: 在数据帧中执行滚动操作的列，默认为 None，表示对整个数据帧执行操作。
• axis: 执行滚动操作的轴，默认为 0，表示按列执行操作。
• closed: 确定窗口的哪一端是闭合的，默认为 None。

核心代码

计算 VA 列

# 计算 VA 列
df['VA'] = df['VOL'].where(df['CLOSE'] > df['CLOSE'].shift(1), -df['VOL'])

VA 列也被称为 “Volume Adjustment”（成交量调整）列。它表示在价格上涨时和价格下跌时的成交量调整值，根据收盘价与前一日收盘价的比较情况来确定是正值还是负值。因此，它可以用来衡量价格变动对成交量的影响，有助于理解买卖压力的变化

计算 OBV 列

# 计算 OBV 列
df['OBV'] = df['VA'].where(df['CLOSE'] != df['CLOSE'].shift(1), 0).cumsum()

OBV 列通常也称为"On-Balance Volume"（量价平衡指标）列。 OBV 是一种累积型的指标，用于衡量买入和卖出压力的相对强度。 OBV 列的数值根据成交量的变化以及价格走势的涨跌而增加或减少，它反映了资金流入和流出的情况。 OBV 列的变化可以帮助分析者判断价格趋势的强弱以及市场的买卖力量对比情况。

计算 MAOBV

# 计算 MAOBV
M = 30
df['MAOBV'] = df['OBV'].rolling(window=M).mean()

完整代码

import pandas as pdimport a_get_datadata = {'CLOSE': 填每日收盘的数据,'VOL': 填每日交易量的数据
}df = pd.DataFrame(data)
# 计算 VA 列
df['VA'] = df['VOL'].where(df['CLOSE'] > df['CLOSE'].shift(1), -df['VOL'])# 计算 OBV 列
df['OBV'] = df['VA'].where(df['CLOSE'] != df['CLOSE'].shift(1), 0).cumsum()# 计算 MAOBV
M = 30
df['MAOBV'] = df['OBV'].rolling(window=M).mean()# 打印结果
print(df)

这篇关于Python 实现 OBV 指标计算：股票技术分析的利器系列（7）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！

---