TA-Lib学习研究笔记（二）—

TA-Lib学习研究笔记（二）——Overlap Studies下

（11）SAR - Parabolic SAR 抛物线指标

函数名：SAR
名称：抛物线指标
简介：抛物线转向也称停损点转向，是利用抛物线方式，随时调整停损点位置以观察买卖点。由于停损点（又称转向点SAR）以弧形的方式移动，故称之为抛物线转向指标。

语法：

real = SAR(high, low, acceleration=0, maximum=0)

参数说明：

high：最高价序列，表示每个时间段的最高价格。
low：最低价序列，表示每个时间段的最低价格。
acceleration：加速度因子（可选参数），用于控制SAR靠近或远离价格的速度。默认值为0。
maximum：最大加速度（可选参数），限制SAR的最大步长。默认值为0。

df['SAR'] = tlb.SAR(df['high'], df['low'], acceleration=0, maximum=0)
# 做图
df[['high','low','SAR']].plot(title='抛物线指标')
plt.grid() #启用网格
plt.legend(['high','low','SAR']) # 设置图示
plt.show()

在这里插入图片描述
调整参数：acceleration=1, maximum=1
效果如下：

df['SAR'] = tlb.SAR(df['high'], df['low'], acceleration=1, maximum=1)
# 做图
df[['high','low','SAR']].plot(title='抛物线指标')
plt.grid() #启用网格
plt.legend(['high','low','SAR']) # 设置图示
plt.show()

在这里插入图片描述

（12）SAREXT - Parabolic SAR - Extended

计算扩展的抛物线停损反转（Extended Parabolic Stop and Reverse，SAR）指标的函数。该函数提供了更多的参数，以便更精确地调整SAR的计算方式。
参数如下：

high：最高价序列，表示每个时间段的最高价格。
low：最低价序列，表示每个时间段的最低价格。
startvalue：起始值（可选参数），用于指定SAR的初始位置。默认值为0。
offsetonreverse：反转偏移量（可选参数），在趋势反转时添加到SAR的值上的偏移量。默认值为0。
accelerationinitlong：多头初始加速度（可选参数），设置多头趋势开始时的初始加速度。默认值为0。
accelerationlong：多头加速度（可选参数），设置多头趋势中的加速度。默认值为0。
accelerationmaxlong：多头最大加速度（可选参数），限制多头趋势中的最大加速度。默认值为0。
accelerationinitshort：空头初始加速度（可选参数），设置空头趋势开始时的初始加速度。默认值为0。
accelerationshort：空头加速度（可选参数），设置空头趋势中的加速度。默认值为0。
accelerationmaxshort：空头最大加速度（可选参数），限制空头趋势中的最大加速度。默认值为0。

df['SAREXT'] = tlb.SAREXT(df['high'], df['low'], startvalue=0, offsetonreverse=0, accelerationinitlong=0, accelerationlong=0, accelerationmaxlong=0, accelerationinitshort=0, accelerationshort=0, accelerationmaxshort=0)
# 做图
df[['high','low','SAREXT']].plot(title='扩展抛物线指标')
plt.grid() #启用网格
plt.legend(['high','low','SAREXT']) # 设置图示
plt.show()

在这里插入图片描述
测试一下，参数都赋值1的效果。

df['SAREXT'] = tlb.SAREXT(df['high'], df['low'], startvalue=1, offsetonreverse=1, accelerationinitlong=1, accelerationlong=1,accelerationmaxlong=1, accelerationinitshort=1, accelerationshort=1, accelerationmaxshort=1)
# 做图
df[['high','low','SAREXT']].plot(title='扩展抛物线指标')
plt.grid() #启用网格
plt.legend(['high','low','SAREXT']) # 设置图示
plt.show()

在这里插入图片描述

（13）SMA

Simple Moving Average 简单移动平均线
函数名：SMA
名称：简单移动平均线
简介：移动平均线，Moving Average，简称MA，原本的意思是移动平均，将其制作成线形，所以一般称之为移动平均线，简称均线。它是将某一段时间的收盘价之和除以该周期。比如日线MA5指5天内的收盘价除以5 。
语法：

real = SMA(close, timeperiod=30)

df['SMA5'] = tlb.SMA(df['close'], timeperiod=5)
df['SMA10'] = tlb.SMA(df['close'], timeperiod=10)
df['SMA30'] = tlb.SMA(df['close'], timeperiod=30)
# 做图
df[['close','SMA5','SMA10','SMA30']].plot(title='简单移动平均线')
plt.grid() #启用网格
plt.legend(['close','SMA5','SMA10','SMA30']) # 设置图示
plt.show()

在这里插入图片描述

（14）T3

Triple Exponential Moving Average (T3) 三重指数移动平均线
函数名：T3
名称：三重指数移动平均线
简介：TRIX长线操作时采用本指标的讯号，长时间按照本指标讯号交易，获利百分比大于损失百分比，利润相当可观。比如日线MA5指5天内的收盘价除以5 。
参数说明：

close：收盘价序列。
timeperiod：时间周期（例如5表示5天）。
vfactor：可变权重因子，通常设置为0。

df['T3-5'] = tlb.T3(df['close'], timeperiod=5, vfactor=0)
df['T3-10'] = tlb.T3(df['close'], timeperiod=10, vfactor=0)# 做图
df[['close','T3-5','T3-10']].plot(title='三重指数移动平均线')
plt.grid() #启用网格
plt.legend(['close','T3-5','T3-10']) # 设置图示
plt.show()

在这里插入图片描述

15.TEMA

Triple Exponential Moving Average
名称：三重指数移动平均线
TA-Lib 中并未明确给出定义或解释，无法直接与 TEMA 进行比较。从名称上看它可能是一种基于不同算法的三重移动平均线。TEMA 和 T3 可能在计算方法和用途上存在差异，具体区别估计只能看源代码。

只能通过测试对比效果：

df['TEMA-5'] = tlb.TEMA(df['close'], timeperiod=5)
df['TEMA-10'] = tlb.TEMA(df['close'], timeperiod=10)# 做图
df[['close','TEMA-5','TEMA-10']].plot(title='三重指数移动平均线')
plt.grid() #启用网格
plt.legend(['close','TEMA-5','TEMA-10']) # 设置图示
plt.show()

在这里插入图片描述
通过图示可以看出TEMA在周期5 、10 天的参数，TEMA比T3 与 close的拟合度更好。

16.TRIMA

Triangular Moving Average（三角形移动平均线）。TRIMA 是一种加权移动平均线，它使用类似于三角形的方式对价格数据进行加权平均。TRIMA 的计算方式相对于传统的简单移动平均线（SMA）或指数移动平均线（EMA）而言，考虑了更大的时间周期权重，从而提供更为平滑的趋势指示。

df['TRIMA5'] = tlb.TRIMA(df['close'], timeperiod=5)
df['TRIMA10'] = tlb.TRIMA(df['close'], timeperiod=10)# 做图
df[['close','TRIMA5','TRIMA10']].plot(title='三角形移动平均线')
plt.grid() #启用网格
plt.legend(['close','TRIMA5','TRIMA10']) # 设置图示
plt.show()

在这里插入图片描述

（17）WMA

函数名：WMA Weighted Moving Average 移动加权平均
名称：加权移动平均线
简介：移动加权平均法是指以每次进货的成本加上原有库存存货的成本，除以每次进货数量与原有库存存货的数量之和，据以计算加权平均单位成本，以此为基础计算当月发出存货的成本和期末存货的成本的一种方法。

语法：

real = WMA(close, timeperiod=30)

df['WMA15'] = tlb.WMA(df['close'], timeperiod=15)
df['WMA30'] = tlb.WMA(df['close'], timeperiod=30)# 做图
df[['close','WMA15','WMA30']].plot(title='加权移动平均线')
plt.grid() #启用网格
plt.legend(['close','WMA15','WMA30']) # 设置图示
plt.show()

在这里插入图片描述