---

介绍

OSC（变动速率线）是一种技术指标，通过计算价格的变动速率来衡量市场的动量，通常用于帮助分析价格趋势的强度和方向。

先看看官方介绍：

OSC(变动速率线）
用法
1.OSC 以100 为中轴线，OSC>100 为多头市场；OSC<100 为空头市场；
2.OSC 向上交叉其平均线时，买进；OSC 向下交叉其平均线时卖出；
3.OSC 在高水平或低水平与股价产生背离时，应注意股价随时有反转的可能；
4.OSC 的超买超卖界限值随个股不同而不同，使用者应自行调整。

算法公式

OSC:100*(CLOSE-MA(CLOSE,N));
MAOSC:EXPMEMA(OSC,M);

优势	劣势
反映价格变动速率，有助于捕捉市场动量	可能存在滞后性
简单易懂，适用于新手和经验者	对突发事件的反应相对较慢
可以结合其他指标使用，增强分析效果	对参数的选择较为敏感
在特定市场环境下具有较好的表现	与价格走势有时会出现背离现象

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OSC

# 计算OSC
def calculate_OSC(df, N):df['MA_CLOSE'] = df['CLOSE'].rolling(window=N).mean()  # 计算收盘价的移动平均df['OSC'] = 100 * (df['CLOSE'] - df['MA_CLOSE'])return df

1. df['MA_CLOSE'] = df['CLOSE'].rolling(window=N).mean()：

   • 该行代码计算了收盘价的移动平均，首先选取了DataFrame df 中的 ‘CLOSE’ 列（收盘价数据），然后使用 rolling(window=N).mean() 方法计算了这个收盘价的滚动窗口移动平均值。
   • rolling(window=N) 表示使用窗口大小为 N 的滚动窗口，即取最近 N 个数据进行移动平均计算。
   • .mean() 表示对滚动窗口内的数据取平均值。
   • 最后，将计算得到的移动平均值存储到一个新的列 ‘MA_CLOSE’ 中。

2. df['OSC'] = 100 * (df['CLOSE'] - df['MA_CLOSE'])：

   • 该行代码计算了OSC指标。首先从DataFrame df 中取出 ‘CLOSE’ 列（收盘价数据）和刚刚计算得到的移动平均 ‘MA_CLOSE’ 列。
   • 然后，计算了收盘价与移动平均之间的差值，并乘以100，得到OSC的数值。
   • 最后，将计算得到的OSC数值存储到一个新的列 ‘OSC’ 中。

完整代码

import pandas as pddata = {'CLOSE': 填每日收盘的数据,'HIGH': 填每日最高的数据,'LOW': 填每日最低的数据'OPEN': 填每日开盘的数据'VOL': 填每日交易量的数据
}
df = pd.DataFrame(data)# 计算OSC
def calculate_OSC(df, N):df['MA_CLOSE'] = df['CLOSE'].rolling(window=N).mean()  # 计算收盘价的移动平均df['OSC'] = 100 * (df['CLOSE'] - df['MA_CLOSE'])return df# 计算MAOSC
def calculate_MAOSC(df, M):df['MAOSC'] = df['OSC'].ewm(span=M, min_periods=M).mean()  # 使用指数移动平均计算MAOSCreturn dfN = 20
M = 6# 计算OSC
df = calculate_OSC(df, N)# 计算MAOSC
df = calculate_MAOSC(df, M)# 打印结果
print(df)