macD柱背离公式源码

这是一个 Python 实现的 MACD 指标计算及背离判断的示例代码：

import pandas as pd
import numpy as np

def macd(df, fast=12, slow=26, signal=9):
    """Calculate MACD indicator"""
    exp1 = df['Close'].ewm(span=fast, adjust=False).mean()
    exp2 = df['Close'].ewm(span=slow, adjust=False).mean()
    macd = exp1 - exp2
    signal = macd.ewm(span=signal, adjust=False).mean()
    histogram = macd - signal
    return macd, signal, histogram

def macd_divergence(df, fast=12, slow=26, signal=9):
    """Detect MACD divergence"""
    macd, signal, histogram = macd(df, fast, slow, signal)
    close = df['Close']
    # Check bullish divergence
    bullish_div = ((macd.diff() > 0) & (histogram.diff() < 0) &
                   (close.diff().rolling(5).sum() > 0))
    # Check bearish divergence
    bearish_div = ((macd.diff() < 0) & (histogram.diff() > 0) &
                   (close.diff().rolling(5).sum() < 0))
    return bullish_div, bearish_div

# 示例用法
df = pd.read_csv('data.csv')
bullish_div, bearish_div = macd_divergence(df)
print(bullish_div)
print(bearish_div)

这个代码使用了 Pandas 库来处理时间序列数据，并且定义了两个函数，一个用于计算 MACD 指标，另一个用于检测背离。在 `macd()` 函数中，我们使用了 Pandas 的指数加权平均函数 `ewm()` 来计算快线和慢线的移动平均值，并且用它们的差值来计算 MACD 指标。在 `macd_divergence()` 函数中，我们使用了 Pandas 的滚动求和函数 `rolling()` 来计算收盘价的变化量，并且用它来判断背离。最后，我们可以使用这个代码来读取一个包含股票价格数据的 CSV 文件，并且计算出其中的背离情况。