趨勢指標：移動平均

Financial Trading in Python

Chelsea Yang

Data Science Instructor

什麼是技術指標？

以歷史市場資料做數學計算
假設市場有效，價格已反映所有公開資訊
協助交易者洞察過去的價格型態

指標類型

趨勢指標：衡量趨勢方向或強度
- 例：移動平均（MA）、平均方向性指數（ADX）
動能指標：衡量價格變動速度
- 例：相對強弱指數（RSI）
波動度指標：衡量價格偏離幅度
- 例：布林通道

TA-Lib 套件

TA-Lib：Technical Analysis Library

含超過 150 種技術指標實作

import talib

移動平均指標

SMA：簡單移動平均
EMA：指數移動平均

特性：
- 隨價格移動
- 平滑資料以更清楚指示價格方向

簡單移動平均（SMA）

$ SMA = (P_1+P_2+...+P_n)/n $

# Calculate two SMAs
stock_data['SMA_short'] = talib.SMA(stock_data['Close'], timeperiod=10)
stock_data['SMA_long'] = talib.SMA(stock_data['Close'], timeperiod=50)

# Print the last five rows
print(stock_data.tail())

             Close  SMA_short  SMA_long
Date                                   
2020-11-24 1768.88    1758.77   1594.74
2020-11-25 1771.43    1760.65   1599.75
2020-11-27 1793.19    1764.98   1605.70
2020-11-30 1760.74    1763.35   1611.71
2020-12-01 1798.10    1765.02   1619.05

繪製 SMA

import matplotlib.pyplot as plt

# Plot SMA with the price
plt.plot(stock_data['SMA_short'], 
         label='SMA_short')
plt.plot(stock_data['SMA_long'], 
         label='SMA_long')
plt.plot(stock_data['Close'], 
         label='Close')

# Customize and show the plot
plt.legend()
plt.title('SMAs')
plt.show()

SMAs 圖

指數移動平均（EMA）

$EMA_n = P_n \times multiplier + \text{previous EMA} \times (1-multiplier)$

$multiplier = 2 / (n + 1)$

# Calculate two EMAs
stock_data['EMA_short'] = talib.EMA(stock_data['Close'], timeperiod=10)
stock_data['EMA_long'] = talib.EMA(stock_data['Close'], timeperiod=50)
# Print the last five rows
print(stock_data.tail())

             Close  EMA_short  EMA_long
Date                                   
2020-11-24 1768.88    1748.65   1640.98
2020-11-25 1771.43    1752.79   1646.09
2020-11-27 1793.19    1760.13   1651.86
2020-11-30 1760.74    1760.24   1656.13
2020-12-01 1798.10    1767.13   1661.70

繪製 EMA

import matplotlib.pyplot as plt
# Plot EMA with the price
plt.plot(stock_data['EMA_short'], 
         label='EMA_short')
plt.plot(stock_data['EMA_long'], 
         label='EMA_long')
plt.plot(stock_data['Close'], 
         label='Close')

# Customize and show the plot
plt.legend()
plt.title('EMAs')
plt.show()

EMA 圖

SMA vs. EMA

EMA 對最近的價格變動更敏感

用相同回朔視窗計算的 SMA 與 EMA 對照圖

一起來練習吧！

Financial Trading in Python