Skip to content
TheChatArchiveThe Chat Archive
o1-mini-2024-09-12· OpenAIAi2 WildChat-4.8M (AI2)

Реализуй расчёт RSI, BBANDS, MACD, PPO, ADX с помощью TA-Lib в Python Все расчёты и…

  1. User

    Реализуй расчёт RSI, BBANDS, MACD, PPO, ADX с помощью TA-Lib в Python

    Все расчёты и визуализации должны проводится внутри одной функции. Если диапазон значений сильно отличается от диапазона значений цены закрытия, то будет не одна визуализация, а две

    В функцию должен передаваться ohlcv в котором хранится информация о курсе в формате таймфреймов, и другие настраиваемые параметры индикатора

  2. Assistant

    Конечно! Ниже представлен полный пример функции на Python, которая рассчитывает технические индикаторы RSI, Bollinger Bands (BBANDS), MACD, PPO и ADX с использованием библиотеки TA-Lib. Функция также визуализирует эти индикаторы. Если диапазон значений индикатора существенно отличается от диапазона цен закрытия, индикатор будет отображен на отдельном подграфике.

    Перед использованием убедитесь, что у вас установлены необходимые библиотеки:

    pip install pandas matplotlib ta-lib
    

    Также убедитесь, что TA-Lib установлен правильно. На некоторых системах установка может требовать дополнительных шагов.

    Вот код функции:

    import pandas as pd
    import numpy as np
    import talib
    import matplotlib.pyplot as plt
    from matplotlib.gridspec import GridSpec
    
    def analyze_technical_indicators(
        ohlcv: pd.DataFrame,
        rsi_period: int = 14,
        bbands_period: int = 20,
        bbands_nbdevup: float = 2,
        bbands_nbdevdn: float = 2,
        macd_fastperiod: int = 12,
        macd_slowperiod: int = 26,
        macd_signalperiod: int = 9,
        ppo_fastperiod: int = 12,
        ppo_slowperiod: int = 26,
        ppo_signalperiod: int = 9,
        adx_period: int = 14,
        close_column: str = 'Close',
        high_column: str = 'High',
        low_column: str = 'Low',
        date_column: str = 'Date',
    ):
        """
        Рассчитывает и визуализирует технические индикаторы RSI, BBANDS, MACD, PPO и ADX.
    
        Параметры:
        - ohlcv (pd.DataFrame): DataFrame с данными OHLCV. Ожидает наличие столбцов даты, открытия, максимума,
                                минимума, закрытия и объема.
        - rsi_period (int): Период для RSI. По умолчанию 14.
        - bbands_period (int): Период для Bollinger Bands. По умолчанию 20.
        - bbands_nbdevup (float): Стандартных отклонений вверх для Bollinger Bands. По умолчанию 2.
        - bbands_nbdevdn (float): Стандартных отклонений вниз для Bollinger Bands. По умолчанию 2.
        - macd_fastperiod (int): Быстрый период для MACD. По умолчанию 12.
        - macd_slowperiod (int): Медленный период для MACD. По умолчанию 26.
        - macd_signalperiod (int): Период сигнальной линии для MACD. По умолчанию 9.
        - ppo_fastperiod (int): Быстрый период для PPO. По умолчанию 12.
        - ppo_slowperiod (int): Медленный период для PPO. По умолчанию 26.
        - ppo_signalperiod (int): Период сигнальной линии для PPO. По умолчанию 9.
        - adx_period (int): Период для ADX. По умолчанию 14.
        - close_column (str): Имя столбца с ценой закрытия. По умолчанию 'Close'.
        - high_column (str): Имя столбца с максимумом. По умолчанию 'High'.
        - low_column (str): Имя столбца с минимумом. По умолчанию 'Low'.
        - date_column (str): Имя столбца с датой. По умолчанию 'Date'.
        """
        
        # Проверка наличия необходимых столбцов
        required_columns = [date_column, high_column, low_column, close_column]
        for col in required_columns:
            if col not in ohlcv.columns:
                raise ValueError(f"Отсутствует необходимый столбец: {col}")
        
        # Сортировка по дате и установка индекса
        ohlcv = ohlcv.sort_values(by=date_column).reset_index(drop=True)
        ohlcv[date_column] = pd.to_datetime(ohlcv[date_column])
        ohlcv.set_index(date_column, inplace=True)
    
        # Извлечение необходимых серий
        close = ohlcv[close_column].astype(float)
        high = ohlcv[high_column].astype(float)
        low = ohlcv[low_column].astype(float)
        
        # Расчет индикаторов
        # RSI
        rsi = talib.RSI(close, timeperiod=rsi_period)
        
        # Bollinger Bands
        upperband, middleband, lowerband = talib.BBANDS(
            close,
            timeperiod=bbands_period,
            nbdevup=bbands_nbdevup,
            nbdevdn=bbands_nbdevdn,
            matype=0
        )
        
        # MACD
        macd, macdsignal, macdhist = talib.MACD(
            close,
            fastperiod=macd_fastperiod,
            slowperiod=macd_slowperiod,
            signalperiod=macd_signalperiod
        )
        
        # PPO
        ppo, ppo_signal, ppo_hist = talib.PPO(
            close,
            fastperiod=ppo_fastperiod,
            slowperiod=ppo_slowperiod,
            matype=0
        )
        
        # ADX
        adx = talib.ADX(
            high,
            low,
            close,
            timeperiod=adx_period
        )
        
        # Добавление индикаторов в DataFrame
        ohlcv['RSI'] = rsi
        ohlcv['BB_upper'] = upperband
        ohlcv['BB_middle'] = middleband
        ohlcv['BB_lower'] = lowerband
        ohlcv['MACD'] = macd
        ohlcv['MACD_signal'] = macdsignal
        ohlcv['MACD_hist'] = macdhist
        ohlcv['PPO'] = ppo
        ohlcv['PPO_signal'] = ppo_signal
        ohlcv['PPO_hist'] = ppo_hist
        ohlcv['ADX'] = adx
    
        # Определение диапазонов для сравнения
        price_range = close.max() - close.min()
        
        # Функция для проверки масштабов
        def is_different_scale(indicator_series, threshold=0.5):
            indicator_range = indicator_series.max() - indicator_series.min()
            if indicator_range == 0:
                return True  # Избегаем деления на ноль
            return (indicator_range / price_range) > threshold
    
        # Настройка графиков
        indicators = {
            'RSI': ohlcv['RSI'],
            'BBANDS': (ohlcv['BB_upper'], ohlcv['BB_middle'], ohlcv['BB_lower']),
            'MACD': ohlcv['MACD'],
            'PPO': ohlcv['PPO'],
            'ADX': ohlcv['ADX'],
        }
        
        separate_plots = []
        shared_plots = []
        
        # Классификация индикаторов на имеющие разный масштаб и с совместимым
        for key, value in indicators.items():
            if key == 'BBANDS':
                upper, middle, lower = value
                # Проверяем верхнюю и нижнюю линии
                if is_different_scale(upper) or is_different_scale(lower):
                    separate_plots.append(key)
                else:
                    shared_plots.append(key)
            else:
                if is_different_scale(value):
                    separate_plots.append(key)
                else:
                    shared_plots.append(key)
        
        # Определение количества подграфиков
        num_separate = len(separate_plots)
        num_shared = 1  # Основной график с ценой и совместимыми индикаторами
        total_plots = num_separate + num_shared
        
        plt.figure(figsize=(14, 5 * total_plots))
        gs = GridSpec(total_plots, 1, height_ratios=[5] + [3]* (total_plots -1))
        
        current_plot = 0
        
        # Основной график с ценой
        ax_main = plt.subplot(gs[current_plot])
        ax_main.plot(ohlcv.index, close, label='Close Price', color='black')
        ax_main.set_title('Price Chart with Shared Indicators')
        ax_main.set_ylabel('Price')
        ax_main.legend(loc='upper left')
        
        # Добавляем совместимые индикаторы
        for key in shared_plots:
            if key == 'RSI':
                ax_main.plot(ohlcv.index, ohlv['RSI'], label='RSI', color='blue')
            elif key == 'BBANDS':
                ax_main.plot(ohlcv.index, ohlcv['BB_upper'], label='BB Upper', color='green', linestyle='--')
                ax_main.plot(ohlcv.index, ohlcv['BB_middle'], label='BB Middle', color='orange', linestyle='-')
                ax_main.plot(ohlcv.index, ohlcv['BB_lower'], label='BB Lower', color='green', linestyle='--')
            elif key == 'MACD':
                ax_main.plot(ohlcv.index, ohlcv['MACD'], label='MACD', color='purple')
            elif key == 'PPO':
                ax_main.plot(ohlcv.index, ohlcv['PPO'], label='PPO', color='brown')
            elif key == 'ADX':
                ax_main.plot(ohlcv.index, ohlcv['ADX'], label='ADX', color='cyan')
        
        ax_main.legend(loc='upper left')
        
        current_plot +=1
        
        # Отдельные графики для индикаторов с другим масштабом
        for key in separate_plots:
            ax = plt.subplot(gs[current_plot])
            if key == 'RSI':
                ax.plot(ohlcv.index, ohlcv['RSI'], label='RSI', color='blue')
                ax.axhline(70, color='red', linestyle='--')
                ax.axhline(30, color='green', linestyle='--')
                ax.set_ylabel('RSI')
                ax.legend(loc='upper left')
            elif key == 'BBANDS':
                ax.plot(ohlcv.index, ohlcv['BB_upper'], label='BB Upper', color='green', linestyle='--')
                ax.plot(ohlcv.index, ohlcv['BB_middle'], label='BB Middle', color='orange', linestyle='-')
                ax.plot(ohlcv.index, ohlcv['BB_lower'], label='BB Lower', color='green', linestyle='--')
                ax.set_ylabel('Bollinger Bands')
                ax.legend(loc='upper left')
            elif key == 'MACD':
                ax.plot(ohlcv.index, ohlcv['MACD'], label='MACD', color='purple')
                ax.plot(ohlcv.index, ohlcv['MACD_signal'], label='Signal Line', color='orange', linestyle='--')
                ax.bar(ohlcv.index, ohlcv['MACD_hist'], label='Histogram', color='grey')
                ax.set_ylabel('MACD')
                ax.legend(loc='upper left')
            elif key == 'PPO':
                ax.plot(ohlcv.index, ohlcv['PPO'], label='PPO', color='brown')
                ax.plot(ohlcv.index, ohlcv['PPO_signal'], label='Signal Line', color='orange', linestyle='--')
                ax.bar(ohlcv.index, ohlcv['PPO_hist'], label='Histogram', color='grey')
                ax.set_ylabel('PPO')
                ax.legend(loc='upper left')
            elif key == 'ADX':
                ax.plot(ohlcv.index, ohlcv['ADX'], label='ADX', color='cyan')
                ax.axhline(25, color='red', linestyle='--')  # Часто уровни ADX 25 рассматриваются как индикатор тренда
                ax.set_ylabel('ADX')
                ax.legend(loc='upper left')
            ax.set_title(f'{key} Indicator')
            current_plot +=1
        
        plt.tight_layout()
        plt.show()
    

    Пояснения к функции

    1. Импорт библиотек:

      • pandas для работы с данными.
      • numpy для числовых операций.
      • talib для расчета технических индикаторов.
      • matplotlib для визуализации.
      • GridSpec из matplotlib.gridspec для гибкой компоновки подграфиков.
    2. Параметры функции:

      • ohlcv: DataFrame с данными OHLCV. Ожидается, что дата будет в одном из столбцов (по умолчанию 'Date'), а цены открытия, максимума, минимума и закрытия — в других столбцах.
      • Остальные параметры позволяют настраивать периоды и параметры индикаторов, а также имена столбцов в DataFrame.
    3. Предобработка данных:

      • Проверяется наличие необходимых столбцов. Если какого-либо из них нет, выбрасывается ошибка.
      • Данные сортируются по дате и устанавливается столбец даты в качестве индекса.
    4. Расчет индикаторов:

      • Используются функции из библиотеки TA-Lib для расчета RSI, Bollinger Bands, MACD, PPO и ADX.
      • Результаты добавляются в исходный DataFrame ohlcv как новые столбцы.
    5. Определение диапазонов:

      • Определяется диапазон цен закрытия (price_range).
      • Для каждого индикатора определяется, отличается ли его диапазон от диапазона цен закрытия больше заданного порога (threshold, по умолчанию 0.5). Если отличается, индикатор будет отображен на отдельном подграфике.
    6. Визуализация:

      • Определяется количество необходимых подграфиков.
      • Используется GridSpec для гибкой компоновки.
      • Основной график содержит цену закрытия и совместимые индикаторы.
      • Отдельные подграфики создаются для индикаторов с другим масштабом.
      • Для каждого индикатора добавляются соответствующие линии и оформления (например, горизонтальные линии для RSI и ADX).
    7. Отображение графиков:

      • Используется plt.show() для отображения итогового графика.

    Пример использования

    Предположим, у вас есть DataFrame df с данными OHLCV, где столбцы называются 'Date', 'Open', 'High', 'Low', 'Close', 'Volume'. Вы можете вызвать функцию следующим образом:

    # Пример загрузки данных (предполагается, что данные уже загружены в df)
    # df = pd.read_csv('your_ohlcv_data.csv')
    
    # Вызов функции
    analyze_technical_indicators(
        ohlcv=df,
        rsi_period=14,
        bbands_period=20,
        macd_fastperiod=12,
        macd_slowperiod=26,
        macd_signalperiod=9,
        ppo_fastperiod=12,
        ppo_slowperiod=26,
        ppo_signalperiod=9,
        adx_period=14,
        close_column='Close',
        high_column='High',
        low_column='Low',
        date_column='Date'
    )
    

    Примечания

    • Масштабирование: Функция автоматически определяет, какие индикаторы следует отображать на основном графике с ценой, а какие — на отдельных подграфиках, основываясь на сравнительном диапазоне значений.
    • Настраиваемость: Вы можете изменять параметры индикаторов при вызове функции для подстройки под ваши нужды.
    • Расширяемость: При необходимости вы можете добавить другие индикаторы, следуя аналогичной логике.

    Надеюсь, этот пример поможет вам в анализе и визуализации технических индикаторов!