Python量化系列,用Python写神奇的抛物线指标!

【Python 量化交易】SAR技术指标 # SAR Source Code ```python class SARIndicator(object): def __init__(self, high: pd.Series, low: pd.Series, close: pd.Series, period: int = 4, step: float = 0.02, 阅读详情
👇我的小册 40章+教程:(小白零基础用Python量化股票分析小册) ,目前已经350多人订阅

量化里面有很多指标,而这些指标又会相互组合形成很多策略,每一种指标都有一些特殊的用处,有一些是震荡指标,有一些是趋势指标,有一些是专门研究通道的指标,比如我们前面说的布林指标就说一个通道指标,今天我们要介绍一个很有意思的指标叫SAR指标,我们一起来看一下。

1.什么是SAR

Parabolic SAR(停止和反转,简称SAR)指标是由著名的技术分析师威尔斯·威尔德(Welles Wilder)发明的。它是一种流行的技术分析工具,用于确定资产价格的潜在停止点和反转点,常用于股票、外汇、期货等多种市场。

这个指标有啥作用呢:

Parabolic SAR旨在提供以下信息:

  1. 趋势方向:SAR点位于价格图表下方时,表明市场处于上升趋势;位于上方时,表明市场处于下降趋势。

  2. 入场和退出点:SAR指标提供潜在的买入和卖出信号。当价格交叉并开始低于SAR点时,可能是卖出或做空的信号;当价格交叉并开始高于SAR点时,可能是买入或做多的信号。

  3. 止损点位置:SAR点也可以用作移动止损的依据,因为它们随着价格变动而调整。

是不是非常神奇。我们先看一下这个指标长什么样子,比如我们随便一个股票软件的分析图,找到这个SAR指标,看看:

381597d40bf7f4d93e88ecd4815ad970.png

可以看到图上我们选择了SAR这个指标,有点类似抛物线。在K线的上方和下方都有红色和绿色的小方块,当价格从SAR点下方突破到上方时,可视为买入信号;相反,当价格从SAR点上方跌破到下方时,可视为卖出信号。

可以简单理解,当价格从绿色的方块->红色的方块,表示可以做多进场,当价格从红色的方块->绿色的方块,表示可以离场,即平仓。

是不是很简单,这个指标可以看成是转向指标,非常灵敏,这既是它的优点,也是它的缺点。后面我们会详细说说,下面我们来看一下用Python如何计算这个信号。

2. 如何用Python计算这个信号

任何指标都有参数,sar也是一样的,sar的参数设置详细如下:

SAR指标有两个主要参数:

  1. 加速因子(AF):开始值通常设为0.02,每次价格达到新高(或新低),加速因子会增加,直到达到最大值。

  2. 最大加速因子:通常设为0.2,限制加速因子的增加,防止SAR点过于接近价格,从而减少其作为趋势跟踪工具的有效性。

计算sar有两个方法,一个就是纯用pandas 和numpy 来计算,这个非常复杂 ,不是不能做,代码量比较大,还有一种就是用第三方库强大的talib开操作(这个库我们后面会专门写文章讲解),如果用talib来计算就非常简单的,只需要几行代码就搞定。

首先要先安装这个库:

pip install pandas_ta

然后一行代码就可以搞定了

df['sar'] = ta.sar(df['high'], df['low'], acceleration=0.02, maximum=0.2)

我们看一下效果, 我们拿创业板300001 特瑞德德股票k线来计算一下:

4843d5f58639ca51b451630321da7254.png

在上面的表格中,我们可以清晰的看到这个指标的计算结果,那这个结果到底对不对呢,我们需要跟软件上指标计算对比一下,以确保我们的计算公式,计算流程都是对的,我们找一个软件看一下:

e6e4620351e56275f06cf0b2ffeddf52.png

12月11号计算的sar是18.38,确实一样的,如果不放心,可以多对比几个日期。

3.回测看一下这个指标,到底如何

我们选择一个股票进行回测,比如我们选择上面的创业板 特锐德看一下效果,我们回测1年的数据:

80ac932970062a331a62000d79d80f70.png

我们从图上粗略的分析一下,可以看到抓住了几次上行的趋势,1月的和10月的抓的不错,其他的趋势不是启动的太晚,就是启动之后就被打脸回撤了,效果其实不是很好,那这个指标是不是就不灵呢,非也,我们看来一个股票的回测:

1d3fead1e6f11860a654ed05340c7203.png

我们看这个天孚通信从2024年1月份开始到现在,通过SAR指标可以非常准确的把握这波抄底的行情,点位抓的还是比较准确的,计算了一下大概有40%的涨幅。

结论:

也就是说这个指标适合那些波动比较大的股票,可以非常明确的把握趋势的转折和持续的时间,上面只是一个简单的指标介绍和分析,很明显这个指标不能单独使用,有一些假信号出现,需要跟其他指标配合或者择股策略一起配合才能发挥功效,限于篇幅,我们就不展开讨论,后面我们会找时间继续深入研究指标应该如何使用。

1496e5f552de934b3a3f70e0da7e0674.jpeg

最后推荐一下我们团队写的量化小册的内容,45篇内容!从Python安装,入门,数据分析,爬取股票基金的历史+实时数据,以及如何写一个简单量化策略,策略回测,如何看资金曲线统统都有介绍!非常超值!

欢迎订阅:原价199 早鸟价2杯咖啡钱,即可永久阅读。满400人又要涨价了,现在的价格非常非常低,只要2杯奶茶,就可以终身订阅+课程源码,还有永久陪伴群。48小时无理由退款,放心食用!

c9505474839928a9e05862dd2d3e2764.png

推荐阅读:
量化: 如何用Python爬取创业板历史+实时股票数据!|实战股票分析篇利用Pandas 9招挖掘五粮液股价!|实战股票数据分析篇 Pandas滚动操作 |量化股票第一步,用Python画股票K线,双均线图,可视化你的股票数据!|如何用Python爬取全部800多只ETF基金数据!|如何用Python写一个双均线策略 |如何用Python开发一个多策略机器人!上篇!|Python量化系列-用布林策略买五粮液能赚多少钱?|只要4秒钟!用Python 获取上证指数34年的历史日线数据!
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径

干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影

趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!

AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影

小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!|

【Python量化系列】:用Python写神奇的抛物线指标! Parabolic SAR(停止和反转,简称SAR)指标是由著名的技术分析师威尔斯·威尔德(Welles Wilder)发明的。它是一种流行的技术分析工具,用于确定资产价格的潜在停止点和反转点,常用于股票、外汇、期货等多种市场。这个指标有啥作用呢:趋势方向:SAR点位于价格图表下方时,表明市场处于上升趋势;位于上方时,表明市场处于下降趋势。入场和退出点:SAR指标提供潜在的买入和卖出信号。当价格交叉并开始低于SAR点时,可能是卖出或做空的信号;当价格交叉并开始高于SAR点时,可能是买入或做多的信号。 阅读详情

相关推荐

python:talib 计算 SAR

baike.baidu.com/item/SAR指标/6329095?fr=aladdin talib_sar.py # -*- coding: utf-8 -*- import os, sys import tushare as ts import pandas as pd import matplotlib.pyplot as plt import numpy as np import talib if len(sys.argv) ==2: code = sys.argv[1] el..

belldeep的专栏 8865

python_大智慧SAR指标编写

import pandas as pd import numpy as np import datetime import time #获取数据 df=pd.read_csv('C:/Users/HXWD/Desktop/000001.csv',encoding='gbk') df.columns=['date','code','name','close','high','low','open',

云金杞 5484

皮尔逊相关系数实战指南:从理论到Python实现

本文详细解析皮尔逊相关系数的原理与应用,从数学公式到Python实现全面覆盖。通过广告投入与销售额的实战案例,演示如何使用Scipy、Pandas计算相关系数,并强调线性关系检验、异常值处理等关键注意事项,帮助读者掌握数据分析中的相关性检测技巧。

weixin_33734785的博客 453

Python量化交易:如何用TA-Lib快速计算常见技术指标

去年有个客户老张来找我开户,说想试试量化交易。他Python基础不错,但写到技术指标那块就卡壳了。"小陈啊,我光写个MACD就折腾了两天,还总感觉算得不对..."这话我听了不下二十遍。其实用TA-Lib这个库,三行代码就能搞定MACD,今天我就把压箱底的实战经验掏出来。

wencaitouzi的博客 938

Savitzky-Golay滤波器原理与实战:保形平滑的数学本质

信号平滑是时序数据分析的基础预处理环节,其核心挑战在于如何在抑制噪声的同时保留关键形态特征——如峰值、拐点和曲率。传统移动平均或高斯滤波易导致特征模糊,而Savitzky-Golay滤波器(SGF)通过局部多项式最小二乘拟合,在时域内实现‘保形平滑’,天然保留信号的微分结构。其权重系数可预先解析计算,支持高效卷积实现,兼具理论严谨性与工程实用性。广泛应用于生物医学信号(如ECG)、光谱分析、机械振动及传感器数据处理等对形态保真度要求严苛的场景。本文深入剖析SGF的数学原理、参数博弈逻辑与Python实操要点

weixin_33290540的博客 331

FPGA 算法理论手册

本文系统介绍了FPGA数字信号处理的核心理论与工程实现方法。主要内容包括: 数的表示与运算 FPGA采用定点数而非浮点数等等

m0_46644103的博客 314

stockapi免费基金股票行情接口api,macd,kdj,cci,威廉指标,神奇九转大全技术指标

StockAPI是一个专业的股票数据接口平台(官网:https://stockapi.com.cn),提供实时行情、技术指标、量化交易等核心服务。平台支持MACD、KDJ、WR、CCI等技术指标查询,提供日线/周线/月线等多周期数据,并支持前复权/后复权处理。同时包含Level2行情、资金流向、龙虎榜等特色数据服务,通过API接口(支持Java/Python等语言)为量化交易提供数据支持。平台还提供策略回测、AI选股等量化工具,帮助投资者进行数据分析与决策。接口文档详细,返回数据规范,是专业的金融数据解决方

u014496893的博客 9693

MATLAB高斯-勒让德积分工具:改公式、调区间、控精度,开箱即算

一个轻量级MATLAB数值积分脚本legendre_gauss.m,专为有限区间上光滑函数的高精度定积分设计。用户只需在脚本里直接编辑被积函数的表达式(比如sin(x).*exp(-x)),输入任意上下限(如[0, pi/2]或[-5, 10]),再设定迭代次数(影响节点数与精度),运行后立即返回标量积分近似值。不依赖Symbolic Math Toolbox或任何第三方工具箱,纯基础MATLAB语法实现,兼容R2015b及以上版本。配套提供Python同名脚本legendre_gauss.py,方便跨平台

tea88的博客 193

stockapi量化数据接口,Java,python,c#,js,c++搞量化交易的接口

接口说明:5,10,20日ma均线指标。接口说明: 股票历史日线行情查询。接口说明:所有st股列表数据查询。接口说明:主力资金流入流出指标。接口说明:所有A股列表数据查询。接口说明:查询当日是否为交易日。接口说明:布林带boll指标。接口说明:乖离率BIAS指标。接口说明:日线macd指标。接口说明:抛物线SAR指标。接口说明:所有基金列表查询。接口说明:行业板块个股列表。接口说明:日线kdj指标。接口说明:日线cci指标。接口说明:分时kdj数据。接口说明:十大成交活跃股。接口说明:板块历史资金流。

u014496893的博客 1512

基于Python的SAR变化检测算法

基于Python的SAR变化检测算法,基于Python的SAR变化检测算法

SARSim-python:python中的SAR原始数据图像模拟器

Python中的SAR图像模拟器 模拟传感器:天线和卫星(CSK HImage,TSX) 生成原始数据(点目标静止或移动) 原始数据压缩(RDA、Omega-K) 示范范例

Python机器学习:从零基础到项目实战

当您翻开此书,您正踏入一场数据与智慧的修行。机器学习,并非冰冷的符码,而是机器模拟人类洞察世界的法门。本书将带您,以Python为舟,泛游于算法之海。我们不只传授“术”,更探求其后的“道”——从数据的生灭流转中观照规律,于模型的迭代演进里体悟得失。愿您合上书卷时,收获的不仅是驾驭数据的技能,更有一双洞悉复杂、化繁为简的“智慧之眼”。现在,让我们一同启程。

YunWisdom 968

大一Python之循环解决实际问题

pythin之循环解决实际问题

weixin_66263546的博客 2287

数值积分核心算法:梯形公式与辛普森公式原理、误差与实现详解

数值积分是解决无法求得解析原函数的定积分问题的关键技术,其核心思想是通过离散化与局部逼近,用简单几何形状的面积之和来近似复杂曲线下的面积。从原理上看,梯形公式采用一次多项式进行线性逼近,而辛普森公式则采用二次多项式实现更高精度的抛物线拟合,后者因具备更高的代数精度而在工程实践中更为常用。在技术价值层面,梯形公式以其稳健性成为基础,而辛普森公式则在计算流体力学和物理仿真等需要高精度**数值计算**的场景中发挥关键作用。对于**工程实践**而言,理解两者的误差阶数(梯形为二阶,辛普森为四阶)及对应的自适应控制策

weixin_30570101的博客 413

深入解析Android Qcom Camera HAL3架构与Camx线程模块

本文深入解析了Android Qcom Camera HAL3架构与Camx线程模块的核心原理。文章以高通芯片平台为例,剖析了从按下快门到生成照片的完整Camera流程分析,重点阐述了Camx框架中线程池、消息队列及Fence同步机制如何协同工作,以实现高效、稳定的多线程并发图像处理,为相机性能优化提供理论基础。

weixin_29184075的博客 221

1104全部报表版本号-银监会报表

G4B_Ⅲ(a)X1《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(现期风险暴露法)(第一档)》G4B_Ⅲ(b)X1《与非中央交易对手的证券融资交易对手信用风险违约风险计算表(权重法)(第一档)》G4B_Ⅲ(a1)X2《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(标准法)(第二档)》Ⅲ(a)X2《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(现期风险暴露法)(第二档)》Ⅲ(a1)X1《与非中央交易对手的衍生具交易对手信用风险违约风险计算表(标准法)(第一档)》

数字化老司机 6293

机器学习从零入门:拆解算法原理与实操路径

机器学习本质上是数据驱动的数学拟合过程,核心在于通过损失函数优化参数,实现对未知样本的泛化预测。其技术价值体现在将复杂业务问题转化为可计算、可迭代、可验证的工程任务,依赖算力、算法与数据三要素的协同演进。典型应用场景涵盖销售预测、用户分群、故障预警等结构化数据分析任务,而初学者常因概念抽象、缺乏动手路径和忽略数据基础导致落地失败。本文聚焦机器学习、AI基础两大热词,以端到端房价预测为线索,贯通数据清洗、特征工程、模型训练到评估的完整实操链路,帮助零基础学习者建立可触摸、可调试、可复现的工程直觉。

Hi, Sun 361

AMD Ross FPGA Agent 实战:用 AI 驱动 Vivado 开发流程

在 EDA 领域,FPGA 开发长期面临工具链重、反馈周期长、报错晦涩等痛点。AI Agent 通过自然语言交互与工具调用,将 Vivado 的 Tcl 批处理流程封装为可编排、可观测的智能体,显著降低查文档与读报告的时间成本。其核心在于 Harness 与 Agent 的协同:Harness 提供安全执行环境,Agent 负责决策与迭代。典型应用包括工程创建、约束生成、综合实现报告解读及比特流失败排查。本文以 AMD Ross 为例,拆解其架构设计与实操方法,帮助开发者理解如何将 Agent 落地到高门槛

weixin_29189363的博客 1028

回归拟合:从线性回归到XGBoost的数学建模核心方法与实践

回归分析是统计学和机器学习中的基础概念,用于探究变量间的相关关系。其核心原理是通过建立数学模型来描述因变量与自变量之间的依赖关系,从而实现对未知数据的预测和解释。在技术价值上,回归模型不仅提供了量化分析工具,还具备良好的可解释性,是理解数据内在规律的重要手段。应用场景广泛覆盖金融风控、医疗诊断、市场营销和工业预测等领域。本文聚焦于回归拟合的实践应用,详细介绍了从线性回归、逻辑回归到正则化方法(如LASSO)以及集成学习(如XGBoost)的技术演进,并结合Python代码示例,帮助读者掌握在数学建模中如何有

weixin_30299709的博客 331

Qwen2.5-7B大模型实战:从零部署到高效推理全流程解析

本文详细解析了Qwen2.5-7B大模型从零部署到高效推理的全流程。内容涵盖环境准备、模型下载、使用Transformers进行核心对话推理,并深入介绍了vLLM与TGI生产级服务部署、GPTQ/AWQ量化技术以降低显存消耗,以及llama.cpp、Ollama等本地推理方案。旨在帮助开发者快速掌握部署技巧,实现大模型在消费级硬件上的高效运行。

weixin_29061425的博客 490

PINN疲劳寿命预测优化

本项目基于物理信息神经网络(PINN)构建材料疲劳寿命预测模型,通过融合Paris裂纹扩展方程与实验数据,实现裂纹扩展行为的精准预测。核心方法包括:1)将Paris方程作为物理约束嵌入神经网络训练;2)生成含噪声的模拟数据并进行归一化处理;3)采用PINN-GA联合优化框架,以裂纹扩展速率最小化为目标优化材料参数。该方案通过物理规律与数据驱动的结合,显著提升预测模型的泛化能力,为工程材料寿命评估提供新思路。

huanghm88的专栏 146

数学建模竞赛中统计回归模型的核心应用与实战指南

统计回归模型是数据分析与预测的基石,其核心原理在于量化自变量与因变量之间的数学关系,通过拟合数据来揭示内在规律。该技术具有坚实的数学基础和极强的可解释性,在工程实践与科学研究中价值显著,广泛应用于金融预测、医学研究、市场分析等场景。本文聚焦于数学建模竞赛,深入探讨了线性回归、逻辑回归及正则化等关键模型,并融入了模型诊断与过拟合处理等实战热词,为参赛者提供从数据预处理到结果呈现的完整解决方案。

weixin_30363509的博客 417

innovus:insert Power Switch失败,报告not covered by a row问题解析

这个问题就是switch找不到可以放置的row,分析就从两方面入手,一方面从voltage area下手,一方面从row和site入手。检查发现voltage area设置正确,row也存在,只不过lef里缺少对应switch的双倍高的site。更多学习内容请关注「拾陆楼」知识星球。

m0_61544122的博客 1159

数据分析实战:皮尔逊与斯皮尔曼相关系数的正确选择与应用

在数据分析与机器学习领域,理解变量间的关联性是构建有效模型的基础。相关系数作为衡量这种关联强度的核心指标,其背后原理决定了不同场景下的适用性。皮尔逊相关系数专注于评估线性关系,要求数据满足正态分布等前提;而斯皮尔曼等级相关系数则通过排名转换,更稳健地捕捉单调趋势,对异常值和数据分布形态不敏感。正确选择相关系数类型,能避免得出误导性结论,提升分析结果的可靠性。在实际工程中,无论是金融风控的特征筛选,还是业务指标的关联分析,都需要结合散点图可视化与数据分布检验,进行严谨的“数据体检”。本文以实战案例,详解如何在

weixin_30613433的博客 357

汇川Easy系列PLC系统PID指令编程应用(增量型)

增量式PIDS7-1200/1500增量式PID(输出归一化、支持PWM输出)_西门子1200pid算法公式-优快云博客文章浏览阅读1k次。本文介绍了S7-1200/1500 PLC中增量式PID算法的应用,包括输出归一化和PWM输出。通过详细解析,阐述了PID输出如何限制在0.0-1.0之间,并且如何将PID输出与PWM占空比关联,适用于温度等控制场景。

RXXW_Dor的博客 1424

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

上一篇: 年薪95万阿里前员工见女友父母被嫌弃:跳槽至国家电网后待遇逆转
下一篇: 2024 年 3 月编程语言排行榜,Python 太强了!
菜鸟学Python
博客等级 码龄9年 8062粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值