二十八日威廉指标的python不用talib怎么实现

要实现威廉指标，你可以按照以下步骤进行操作，无需使用talib库：

1. 首先，计算最高价的最高值和最低价的最低值的周期。例如，如果你想要计算28日的威廉指标，你需要计算过去28日内的最高价和最低价。

2. 然后，计算当前收盘价与最高价的差值和最高价与最低价的差值之间的比率。这可以通过以下公式计算：(最高价 - 收盘价) / (最高价 - 最低价)。

3. 将上述比率乘以-100，以得到威廉指标的数值。

以下是一个使用Python实现威廉指标的示例代码：

def williams_indicator(high, low, close, period):
    highest_high = max(high[-period:])
    lowest_low = min(low[-period:])
    
    williams = (highest_high - close) / (highest_high - lowest_low) * -100
    
    return williams

在这个示例中，函数`williams_indicator`接受四个参数：`high`（最高价列表）、`low`（最低价列表）、`close`（收盘价列表）和`period`（周期）。它返回威廉指标的数值。

请注意，这只是一个基本示例代码，你可能需要根据你自己的数据源和需求进行适当的调整。

相关问题

三十日平均趋向指数不用talib怎么用python实现

要计算三十日平均趋向指数（Moving Average Convergence Divergence, MACD），您可以使用Python中的pandas库来实现，而不需要使用talib库。

首先，您需要获取历史价格数据，例如某个股票的每日收盘价。然后，您可以使用以下步骤来计算三十日平均趋向指数：

1. 导入必要的库：

import pandas as pd

2. 创建一个包含历史价格数据的DataFrame。假设您有一个名为`df`的DataFrame，其中包含了日期和收盘价两列。

3. 计算短期（12日）和长期（26日）的指数移动平均线（Exponential Moving Average, EMA）。这可以使用`rolling()`和`mean()`方法来实现：

df['ema_short'] = df['closing_price'].ewm(span=12, adjust=False).mean()
df['ema_long'] = df['closing_price'].ewm(span=26, adjust=False).mean()

4. 计算MACD线，即短期EMA减去长期EMA：

df['macd_line'] = df['ema_short'] - df['ema_long']

5. 计算信号线，通常是MACD线的九日指数移动平均线。同样，可以使用`rolling()`和`mean()`方法来实现：

df['signal_line'] = df['macd_line'].ewm(span=9, adjust=False).mean()

这样，您就计算出了MACD指标。您可以进一步分析MACD线和信号线之间的交叉点来判断买入或卖出的时机。

请注意，这只是一种基本的实现方法，并且可能与talib库中的实现略有不同。但是，通过使用pandas库中的函数，您可以实现类似的功能而无需安装额外的库。

Python引入talib

Python中的Talib是一个流行的技术分析库，它提供了大量的技术分析指标和函数，可以用来进行金融市场数据的分析和预测。Talib是用C语言编写的，但是它提供了Python的接口，因此可以方便地在Python中使用它。

要在Python中使用Talib，首先需要安装Talib库。可以使用pip安装Talib，命令如下：

pip install TA-Lib

安装完成后，就可以在Python中使用Talib库了。例如，可以使用以下代码计算一个股票的简单移动平均线：

import talib
import pandas as pd

# 读取股票数据
df = pd.read_csv('stock_data.csv')

# 计算20日简单移动平均线
df['SMA'] = talib.SMA(df['Close'].values, timeperiod=20)

# 输出结果
print(df.head())

以上代码中，首先使用pandas库读取股票数据，然后使用Talib的SMA函数计算20日简单移动平均线，最后将结果添加到原始数据中。