要对2020年1月1日至2026年3月30日的日线股票数据进行技术分析，计算 **MACD、KDJ、布林线和动量（Momentum）** 指标，可以使用 Python 中的 `pandas` 和 `ta` 等库。以下是一个完整的示例代码，假设你已经有一个包含日线数据的 CSV 文件（如 `data.csv`），其中列包括：`date`, `open`, `high`, `low`, `close`, `volume`。 --- ### 示例代码： ```python import pandas as pd import ta # 读取CSV文件并设置日期索引 df = pd.read_csv('data.csv', parse_dates=['date'], index_col='date') # 计算 MACD df['MACD_line'] = ta.trend.macd(df['close']) df['MACD_signal'] = ta.trend.macd_signal(df['close']) df['MACD_hist'] = ta.trend.macd_diff(df['close']) # 计算 KDJ（随机指标） df['STOCH_RSI'] = ta.momentum.stochrsi(df['close'], window=14) df['STOCH_K'] = ta.momentum.stochastic_oscillator_k(df['high'], df['low'], df['close'], window=14, smooth_window=3) df['STOCH_D'] = ta.momentum.stochastic_oscillator_d(df['high'], df['low'], df['close'], window=14, smooth_window=3) # 计算布林线 bollinger = ta.volatility.BollingerBands(close=df['close'], window=20, window_dev=2) df['BOLL_H'] = bollinger.bollinger_hband() df['BOLL_M'] = bollinger.bollinger_mavg() df['BOLL_L'] = bollinger.bollinger_lband() # 计算动量（Momentum） df['MOMENTUM'] = ta.momentum.momentum(df['close'], n=10) # 查看结果 print(df[['close', 'MACD_line', 'MACD_signal', 'MACD_hist', 'STOCH_K', 'STOCH_D', 'BOLL_H', 'BOLL_M', 'BOLL_L', 'MOMENTUM']].tail()) ``` --- ### 技术指标说明： 1. **MACD（Moving Average Convergence Divergence）** - 表示短期与长期均线的收敛与发散。 - MACD线：12日EMA - 26日EMA - 信号线：MACD线的9日EMA - 历史柱：MACD线 - 信号线 2. **KDJ（随机震荡指标）** - K值代表当前价格在最近一段时间内的相对位置。 - D值是K值的平滑移动平均。 - J值用于辅助判断超买/超卖。 3. **布林线（Bollinger Bands）** - 由中轨（20日SMA）、上轨（中轨+2倍标准差）和下轨（中轨-2倍标准差）组成。 - 用于判断价格波动区间。 4. **动量（Momentum）** - 衡量价格变化的速度。 - 通常用 N 日收盘价的变化率来表示。 --- ### 输出效果： - 数据框 `df` 将新增如下列： - `MACD_line`, `MACD_signal`, `MACD_hist` - `STOCH_K`, `STOCH_D` - `BOLL_H`, `BOLL_M`, `BOLL_L` - `MOMENTUM` 你可以将这些指标用于进一步的可视化或交易策略构建。