Реализуй расчёт RSI, BBANDS, MACD, PPO, ADX с помощью TA-Lib в Python Все расчёты и…
- 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
- 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-libТакже 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
-
Импорт библиотек:
pandasдля работы с данными.numpyдля числовых операций.talibдля расчета технических индикаторов.matplotlibдля визуализации.GridSpecизmatplotlib.gridspecдля гибкой компоновки подграфиков.
-
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.
-
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.
-
Расчет индикаторов:
- Используются функции из библиотеки TA-Lib для расчета RSI, Bollinger Bands, MACD, PPO и ADX.
- Результаты добавляются в исходный DataFrame
ohlcvкак новые столбцы.
-
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.
- Определяется диапазон цен закрытия (
-
Визуализация:
- Определяется количество необходимых подграфиков.
- Используется
GridSpecдля 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).
-
Отображение графиков:
- Используется
plt.show()для отображения итогового графика.
- Используется
Пример использования
Предположим, у вас есть DataFrame
dfс 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!
-