如何使用python计算Heiken Chaiken Osc

Question

我正在计算股票市场的指标数据，我很难计算Heiken Chaiken Osc，因为谷歌称之为“Accdist”的变量是这样计算的

公式如下：

1. 货币流乘数=[（收盘-低位）-（高位-收盘）]/（高位-低位）

2. 货币流量=货币流量乘数x该期间的货币流量

3. ADL=上一个ADL+本期资金流量

Python代码（使用Talib+Numpy+Pandas）

data["cmf"] = (((data["close"] - data["low"]) - (data["high"] - data["close"])) / (data["high"] - data["low"]))

data["cmfv"] = data["cmf"] * data["volume"]

data["accdist"] = data["accdist"].shift(periods=1) + data["cmfv"]

也尝试过用松树脚本，但也没有运气。任何帮助都将不胜感激

Money_multiplier = ((close-low) - (high - close)) / (high - low)
Money_volume = Money_multiplier * volume
ADL = ADL[1] + Money_volume

这是我试图模拟的pinescript代码，因为我的指示器正在工作，但需要转换为python（probelem是accdist变量）

osc = ema(accdist, 3) - ema(accdist, 10)

Answer 1

我遇到了同样的问题，下面是我使用python、numpy和pandas得到的结果

我使用的公式是： 货币流乘数=（（收盘价-低值）-（高值-收盘价））/（高值-低值）

货币流量=货币流量乘数x该期间的货币流量

CMF=21天每日资金流量平均值/21天交易量平均值

在这里，我们阅读了基本外汇或股票数据文件：

import numpy as np
import pandas as pd

names = ['Date','Time','Open','High','Low','Close','Volume']
ask_series = pd.read_csv(ask_file,index_col=False,header=None,names=names))

ask_series["cmfm"] = (((ask_series["close"] - ask_series["low"]) - (ask_series["high"] - ask_series["close"])) / (ask_series["high"] - ask_series["low"]))
ask_series["cmfv"] = ask_series["cmfm"] * ask_series["volume"]
ask_series["cmf"] = ask_series['cmfv'].rolling(window=21).mean() / ask_series['volume'].rolling(window=21).mean() 

ask_series.tail()