股市抛物线SAR的PY代码

抛物线SAR，也称为Parabolic Stop and Reverse，是一种趋势跟踪指标，由J. Welles Wilder Jr. 在其1978年的书《New Concepts in Technical Trading Systems》中提出。它用于确定股票或其他金融产品的买卖点，目的是在价格波动中锁定利润并止损。抛物线SAR指标以点的形式显示在价格图表上，这些点在价格之上表示可能的卖点，在价格之下表示可能的买点。

以下是一个简单的Python代码示例，用于计算并绘制抛物线SAR指标：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def parabolic_sar(high, low, acceleration=0.02, maximum=0.2):
    """
    计算抛物线SAR值
    :param high: DataFrame，包含价格的最高价
    :param low: DataFrame，包含价格的最低价
    :param acceleration: 加速因子的初始值
    :param maximum: 加速因子的最大值
    :return: Series，包含SAR值
    """
    # 初始化
    sar = low.copy()
    ep = high.rolling(window=2).max().shift(-1)  # 极点（极端点）初值为前两个周期的最高价
    af = acceleration  # 加速因子

    for i in range(1, len(high)):
        sar_diff = ep - sar.shift()
        if sar_diff[i-1] > 0:  # 如果是上升趋势
            sar[i] = sar[i-1] + af * sar_diff[i-1]  # 计算新的SAR值
            if sar[i] > low[i]:  # 如果新的SAR值大于当前最低价，重置SAR和加速因子
                sar[i] = low[i]
                af = min(acceleration + af, maximum)
                ep[i] = high[i]
        else:  # 如果是下降趋势
            sar[i] = sar[i-1] + af * sar_diff[i-1]  # 计算新的SAR值
            if sar[i] < high[i]:  # 如果新的SAR值小于当前最高价，重置SAR和加速因子
                sar[i] = high[i]
                af = min(acceleration + af, maximum)
                ep[i] = low[i]

    return sar

# 示例：使用Pandas的DataFrame来存储数据，并调用函数计算SAR值
# 假设df是一个包含股票最高价和最低价的DataFrame
df = pd.DataFrame({
    'High': [100, 102, 101, 103, 104, 105, 104, 103, 102, 101],
    'Low': [98, 99, 98, 97, 96, 95, 94, 93, 92, 91]
})

sar_values = parabolic_sar(df['High'], df['Low'])
df['SAR'] = sar_values

# 绘制结果
plt.figure(figsize=(10, 5))
plt.plot(df['High'], label='High')
plt.plot(df['Low'], label='Low')
plt.plot(df['SAR'], label='SAR', color='red')
plt.legend()
plt.show()

这段代码定义了一个函数`parabolic_sar`，它接受高点和低点数据，并返回SAR值。在示例中，我们创建了一个包含最高价和最低价的DataFrame `df`，然后调用函数计算SAR值，并将结果添加到DataFrame中。最后，使用matplotlib绘制了最高价、最低价和SAR值。