量子实战入门（86）量化必备工具：常用的技术指标库简介

量化必备工具：常用的技术指标库简介

在上一节《技术指标还有效吗》中我们介绍了技术因子的概念和应用，技术因子种类繁多，经验丰富的投资者可以根据自己对市场的理解来构建技术因子，而对于初学者，使用已有的技术因子无疑是更好的选择。在Python中使用使用技术因子非常方便，Python有很多技术因子库，在这些库中有海量的技术因子，使用时只需简单调用即可。而且，借助Python库，很容易就能将通达信等传统分析软件的技术指标转化为Python代码，对老股民非常方便。下面就介绍一些常用的技术因子库：
一、TA-Lib 库
TA-Lib 是最著名的技术分析库之一，它提供了超过150种常见的技术分析指标和K线形态识别。

1. 安装
   在Python环境下，你可以使用pip进行安装。在终端或命令行中运行以下命令：
   pip install TA-Lib
   注意，TA-Lib的Python接口需要预先安装一个C库，在某些操作系统（如Windows）上会有些复杂，如果安装发生错误，请搜索相关教程。
2. 使用
   安装完毕后，你可以在Python中导入TA-Lib并使用它。以下是一些基本的使用示例：

#导入需要的库

import talib
import numpy as np

#创建一个随机数列

close = np.random.random(100)

#计算简单移动平均

output = talib.SMA(close)

#计算指数移动平均

output = talib.EMA(close, timeperiod=25)

#计算MACD

macd, macdsignal, macdhist = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)

#计算RSI

output = talib.RSI(close, timeperiod=14)

3. TA-Lib的功能
   你可以使用talib.get_functions()获取TA-Lib提供的所有函数的列表，或使用talib.get_function_groups()获取按类别分组的函数列表。TA-Lib的功能组有：
   Overlap Studies 重叠研究
   Momentum Indicators 动量指标
   Volume Indicators 成交量指标
   Volatility Indicators 波动性指标
   Price Transform 价格指标
   Cycle Indicators 周期指标
   Pattern Recognition K线形态识别
   Statistic Functions 统计函数
   Math Transform 数学变换
   Math Operators 数学运算符
   二、Pandas TA库
   Pandas TA是一个基于Python的技术分析库，专为与pandas数据分析库配合使用而设计。Pandas TA提供了超过130种技术分析指标，包括各种类型的移动平均线、振荡器、趋势线、动量指标等。所有的技术分析指标都可以直接在pandas DataFrame上进行计算，无需转换数据格式。Pandas TA的API设计得直观且易于使用。你可以通过调用DataFrame对象的ta属性来访问所有的技术分析指标。
4. 安装
   在Python环境下，你可以使用pip进行安装。在终端或命令行中运行以下命令：
   pip install pandas_ta
5. 使用
   安装完毕后，你可以在Python中导入pandas_ta并使用它。以下是一些基本的使用示例：

#导入需要的库

import pandas as pd
import numpy as np
import pandas_ta as ta

#创建一个DataFrame

df = pd.DataFrame({
‘close’: np.random.random(100),
‘volume’: np.random.random(100)
})

#计算SMA

df.ta.sma(close=’close’, length=10, append=True)

#计算EMA

df.ta.ema(close=’close’, length=10, append=True)

#计算RSI

df.ta.rsi(close=’close’, length=14, append=True)

#计算MACD

df.ta.macd(close=’close’, fast=12, slow=26, signal=9, append=True)

#计算OBV (On Balance Volume)

df.ta.obv(close=’close’, volume=’volume’, append=True)

#输出计算结果

print(df)
在上面的例子中，我们使用了append=True参数，这会将计算结果添加到原始的DataFrame中。
你可以使用dir(ta)列出pandas_ta提供的所有函数和指标。每个指标函数都有详细的文档，你可以使用Python的help()函数查看，例如help(ta.sma)。
在后续文章我们还会对pandas_ta库作详细介绍。
三、MyTT 库
MyTT库可以将通达信、同花顺、文华麦语言等指标公式移植到Python中，全部基于numpy和pandas的函数封装，和通达信，同花顺等指标写法完全兼容，一个指标基本不用做修改，直接拿来即可使用。
此外，MyTT库也内置了各种常见指标，可以直接调用。

1. 安装
   在Python环境下，你可以使用pip进行安装。在终端或命令行中运行以下命令：
   pip install MyTT
2. 使用
   安装完毕后，你可以在Python中导入MyTT并使用它。以下是使用MyTT库将通达信公式转换为Python代码的示例：
   我们以RSI（Relative Strength Index，相对强弱指标）为例，RSI的通达信公式为：
   LC:=REF(CLOSE,1);
   RSI:=SMA(MAX(CLOSE-LC,0),N,1)/SMA(ABS(CLOSE-LC),N,1)*100;
   这个公式在Python中是不能直接使用的，下面我们用MyTT来转换为Python可以识别的代码：

#导入需要的库

import pandas as pd
import numpy as np
from MyTT import *

#创建一个DataFrame

df = pd.DataFrame({
‘close’: np.random.random(100),
})

#将通达信公式转换为Python代码

CLOSE = df[‘close’]
N = 14
LC = REF(CLOSE,1)
RSI = SMA(MAX(CLOSE-LC,0),N,1)/SMA(ABS(CLOSE-LC),N,1)*100

#输出RSI

print(RSI)
从上述示例可以看到，在导入了MyTT库之后，我们只需将原来的通达信公式做少量的改动，就能将其转换为Python可以识别的代码。通达信公式需要做的改动具体有以下几方面：

1. 指定通达信中的量价数据（CLOSE、OPEN、HIGH、LOW、VOLUME等），在通达信软件中可以直接对这些量价数据取数，但在Python环境中我们需要指定这些数据。在上面的例子中，我们通过 “CLOSE = df[‘close’]” 指定了 CLOSE 数据。
2. 指定通达信公式中的参数。例如上面的公式中有一个参数 ”N“，我们通过 ”N = 14“ 来指定这个参数。
3. 将通达信中的赋值语句 “:=” 以及 “:”，统一改为 “=”。
4. 将通达信中的 ”AND“ 改为 ”&“。
5. 将通达信中的 ”OR“ 改为 ”|“。
6. 通达信中的等号 ”=“ 是逻辑判断符号，需要改为 ”==“。
7. 如果通达信的语句过长，需要适当拆分一下，并适当加上括号，这样有助于正确识别。
   在本节中，我们介绍了TA-Lib 库、Pandas TA库、MyTT 库这几个常用的技术因子库，实际上Python的技术因子库还有很多，使用方法都大同小异。从下一节开始，我们将以 Pandas TA 库为例，介绍常见的技术因子的含义和用法。