扬中网站优化/网页界面设计

技术分析有点像烹饪，收盘价、最值、成交量等是食材；均值，移动平均，方差等是烹饪方法。随意组合一下就是一个技术指标。

KDJ又称随机指标（随机这个名字起的很好）。KDJ的计算依据是最高价、最低价和收盘价。K、D、J 是图中的三条线。

要计算 KDJ，需要先计算价差 RSV，RSV=((收盘价-最低价)/(最高价-收盘价))*100

• K = RSV 的指数移动平均值（平滑因子=1/3）
• D = K 的指数移动平均值（平衡因子=1/3）
• J = K3 - D2

看到这个有没有有点眼熟，先求差值，然后做移动平均，然后再二次平均，最后再取差值。是哪个指标呢？？

答案揭晓：MACD

我们直接来看KDJ 和 MACD 的代码，就能直观的看到两者的相似之处。

n = 9
m = 3
df['lowest low'] = df['low'].rolling(window=n).min()
df['highest high'] = df['high'].rolling(window=n).max()
df['RSV'] = (df['close'] - df['lowest low']) / (df['highest high'] - df['lowest low']) * 100
df['K'] = df['RSV'].ewm(adjust=False, alpha=1/m).mean()
df['D'] = df['K'].ewm(adjust=False, alpha=1/m).mean()
df['J'] = 3 * df['K'] - 2 * df['D']

df['EMA12'] =  pd.DataFrame.ewm(df['close'],span=12).mean()
df['EMA26'] =  pd.DataFrame.ewm(df['close'],span=26).mean()
df['DIF'] = pd.DataFrame.ewm(df['close'],span=12).mean() - pd.DataFrame.ewm(df['close'],span=26).mean()
df['DEA'] = pd.DataFrame.ewm(df['DIF'],span=9).mean()
df['OSC'] = df['DIF'] - df['DEA']

通过对比，我们可以发现：

• KDJ 比 MACD 多引入了最高价和最低价，在计算前后都进行了加权。
• KDJ 对比的是收盘价与最值间的差值，MACD 对比的是不同周期收盘价的差值。
• KDJ 反应的是同一周期内价格的波动程度，MACD 反应的是价格在一段时间的变化趋势。

具体代码我就不放了，因为和其他指标的实现方法基本相同。直接关门放 AI 就可以了。

题外话

在周期短的情况下，KDJ 指标的变化非常剧烈基本不具有指导意义，将计算周期拉长，更有参考意义。

网上很多文具在介绍 KDJ 时，都提到使用 KDJ 来预测转折点。对于至一点，我一直持怀疑态度。所有的技术指标都是根据历史数据计算出来的，依据的是历史信息，对未来的指导意义我认为是有限的。

技术指标用来做趋势的确认，我认为是合理的，但是充当预测的水晶球，就有点梦幻了。