http://t.csdn.cn/8hd5j
http://t.csdn.cn/8hd5j
python有几个股票数据获取接口，如
tushare
，但其只能获取到一般指标，且是积分制，即如果要获取更多的指标和接口，则需要做任务提高积分；pytdx可以获取到基本指标，且速度较快，性能比较稳定；talib可以获取到股票高级技术量化指标，但经过测试，其获取到的数据与各大第三方股票软件数据不一致，如通达信、同花顺、东方财富.
先了解一下DIF、DEA、MACD指标的计算方式：
dif/dea/macd计算公式
经过调查，之所以有差距，是因为talib的DIF/DEA/MACD指标计算中用到的初始EMA指标，是将我们调用时间段的起始日EMA赋值为0，而各大交易软件商则将其股票上市日的EMA赋值为0.
那是不是我们将调用数据的起始时间定为股票上市时间就可以了呢，当然可以，利用tushare接口可以获取到股票的上市时间，但这样不能一次性获取所有，比较麻烦，需要单个调用。故知道了计算公式的我们可以自己计算。
代码如下：
-
#导入相关模块
-
from __future__ import print_function, absolute_import
-
from gm.api import *
-
import pandas as pd
-
import numpy as np
-
import tushare as ts
-
from datetime import date,timedelta,datetime
-
import time
-
#单只股票计算函数
-
def MACD(ts_code,start_time, end_time):
-
# 取历史数据，取到上市首日
-
ts.set_token('###########################')
-
pro=ts.pro_api()
-
data=pro.daily(ts_code=ts_code)
-
data.sort_values(by='trade_date',inplace=True)
-
# 将数据转化为dataframe格式
-
#data['bob'] = data['bob'].apply(lambda x: x.strftime('%Y-%m-%d')).tolist()
-
# 计算EMA(12)和EMA(16)
-
data['EMA12'] = data['close'].ewm(alpha=2 / 13, adjust=False).mean()
-
data['EMA26'] = data['close'].ewm(alpha=2 / 27, adjust=False).mean()
-
# 计算DIFF、DEA、MACD
-
data['DIFF'] = data['EMA12'] - data['EMA26']
-
data['DEA'] = data['DIFF'].ewm(alpha=2 / 10, adjust=False).mean()
-
data['MACD'] = 2 * (data['DIFF'] - data['DEA'])
-
# 上市首日，DIFF、DEA、MACD均为0
-
data['DIFF'].iloc[0] = 0
-
data['DEA'].iloc[0] = 0
-
data['MACD'].iloc[0] = 0
-
# 按照起止时间筛选
-
MACD = data[(data['trade_date'] >= start_time)]
-
return MACD
-
# 测试一下
-
ts.set_token('############################')
-
pro=ts.pro_api()
-
#获取主板上市股票
-
stocks = pro.stock_basic(exchange='', list_status='L', market='',fields='ts_code,symbol,name,industry,list_date')
-
df=pd.DataFrame()
-
x=0
-
n=len(stocks['ts_code'])
-
for i in list(stocks['ts_code']):
-
try:
-
a= MACD(ts_code = i,start_time = '2021-01-01',end_time = '20210308')
-
df=pd.concat([df,a],axis=0)
-
print(i)
-
time.sleep(0.301)
-
except:
-
pass
-
df= MACD(ts_code='',start_time = '2021-01-01',end_time = '20210308')
-
df.to_excel('cast.xlsx')
这里用了tushare获取股票的基本数据，然后进行计算。下面是UP主获取到的数据，经与交易软件对比，四舍五入后完全一致，感兴趣的小伙伴可以自己尝试一下。
