中国银河证券星耀数智A股技术指标计算工具。当用户需要计算A股股票的技术指标时使用此技能。支持56个技术指标的计算,涵盖超买超卖、趋势、能量、成交量、均线、路径、其他共7大类。包括MACD、KDJ、RSI、布林线、均线系统、DMI、TRIX、SAR等。本技能仅提供技术指标的数值计算结果,不包含任何买卖信号或投资建议。即使用户没有明确提到"技术指标",只要涉及A股技术指标计算、KDJ、RSI、MACD、布林带等技术分析场景,都应该使用此技能。
A股技术指标计算
功能概述
A股技术指标计算是一项面向实际任务的技能,主要用于56个技术指标,涵盖7大分类;本工具仅提供技术指标的数值计算结果,不包含任何买卖信号、多空判断或投资建议;
核心要点
- 超买超卖型(14个) :KDJ、RSI、WR、CCI、ROC、MTM、BIAS、SKDJ、MFI、OSC、UDL、ACCER、RCCD、MARSI;
- 趋势型(14个) :MACD、DMI、DMA、TRIX、ARBR、EMV、DPO、VHF、CHO、DBCD、DD。
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
使用与执行
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
A股技术指标计算
概述
56个技术指标,涵盖7大分类。本工具仅提供技术指标的数值计算结果,不包含任何买卖信号、多空判断或投资建议。
- 超买超卖型(14个):KDJ、RSI、WR、CCI、ROC、MTM、BIAS、SKDJ、MFI、OSC、UDL、ACCER、RCCD、MARSI
- 趋势型(14个):MACD、DMI、DMA、TRIX、ARBR、EMV、DPO、VHF、CHO、DBCD、DDI、JS、QACD、UOS
- 能量型(5个):CR、PSY、MASS、PCNT、WAD
- 成交量型(9个):OBV、VR、VOLMA、WVAD、VOSC、VRSI、VSTD、AMO、TAPI
- 均线型(4个):MA、EXPMA、BBI、AMV
- 路径型(6个):BOLL、ENE、MIKE、PBX、XS、BBIBOLL
- 其他型(4个):ASI、ATR、SAR、CDP
数据来源:AmazingData API(中国银河证券金融数据接口)
重要声明
本工具仅提供技术指标的客观计算结果,不构成任何投资建议。所有技术指标的计算结果仅供研究参考,用户应自行判断并承担投资风险。
前置条件 - 安装库,设置 AmazingData 账号环境变量
使用本技能前,安装python运行环境(推荐python3.8/3.9/3.10/3.11/3.12/3.13环境),并安装AmazingData依赖包。 从https://gitee.com/cgs2026/xysz clone整个项目,再用xysz_tools下的wheel文件安装tgw和AmazingData。
pip install tgw>=1.0.8.7 pip install AmazingData>=1.1.4
使用本技能前,用户必须先设置以下环境变量(AmazingData 登录信息):
# Windows CMD set AD_USERNAME=your_username set AD_PASSWORD=your_password set AD_HOST=server_ip set AD_PORT=port # Windows PowerShell $env:AD_USERNAME="your_username" $env:AD_PASSWORD="your_password" $env:AD_HOST="server_ip" $env:AD_PORT="port"
如果用户未设置环境变量,脚本会报错提示缺少哪些变量。请引导用户先完成环境变量配置。
使用方法
通过 Bash 工具调用 scripts/run_technical_analysis.py 脚本:
# 综合分析(所有指标) D:/ProgramData/anaconda313/python.exe D:/WealthManager/WealthManager/ad_skills/ad_technical_analysis/scripts/run_technical_analysis.py 600***.SH # 指定日期范围 D:/ProgramData/anaconda313/python.exe D:/WealthManager/WealthManager/ad_skills/ad_technical_analysis/scripts/run_technical_analysis.py 600***.SH --begin 20240101 --end 20260321 # 单指标分析 D:/ProgramData/anaconda313/python.exe D:/WealthManager/WealthManager/ad_skills/ad_technical_analysis/scripts/run_technical_analysis.py 600***.SH --indicator MACD # 指定指标类别 D:/ProgramData/anaconda313/python.exe D:/WealthManager/WealthManager/ad_skills/ad_technical_analysis/scripts/run_technical_analysis.py 600***.SH --category overbought_oversold
可用的 category 参数
| category | 中文名 | 指标数 |
|---|---|---|
| overbought_oversold | 超买超卖型 | 14 |
| trend | 趋势型 | 14 |
| energy | 能量型 | 5 |
| volume | 成交量型 | 10 |
| ma | 均线型 | 4 |
| path | 路径型 | 6 |
| other | 其他型 | 4 |
可用的 indicator 参数
所有指标名称均支持大小写:KDJ, RSI, WR, CCI, ROC, MTM, BIAS, SKDJ, MFI, OSC, UDL, ACCER, RCCD, MARSI, MACD, DMI, DMA, TRIX, ARBR, EMV, DPO, VHF, CHO, DBCD, DDI, JS, QACD, UOS, CR, PSY, MASS, PCNT, WAD, OBV, VR, VOLMA, WVAD, VOSC, VRSI, VSTD, AMO, TAPI, MA, EXPMA, BBI, AMV, BOLL, ENE, MIKE, PBX, XS, BBIBOLL, ASI, ATR, SAR, CDP
输出格式
全部指标模式
{
"code": "60****.SH",
"date": "2026-03-21",
"data_count": 500,
"price": {"open": 0, "high": 0, "low": 0, "close": 0, "volume": 0, "amount": 0},
"categories": {
"overbought_oversold": {
"name": "一、超买超卖型",
"indicators": [
{"name": "KDJ", "values": {"K": 0, "D": 0, "J": 0}},
{"name": "RSI", "values": {"RSI6": 0, "RSI12": 0}},
...
]
},
...
}
}
单指标模式
{
"code": "60****.SH",
"date": "2026-03-21",
"price": {"open": 0, "high": 0, "low": 0, "close": 0, "volume": 0, "amount": 0},
"indicator": {
"name": "MACD",
"values": {"DIF": 0, "DEA": 0, "MACD": 0}
},
"category": "二、趋势型"
}
技术指标列表(57个)
本技能支持计算以下7大类共57个技术指标:
一、超买超卖型(14个)
KDJ、RSI、WR、CCI、ROC、MTM、BIAS、SKDJ、MFI、OSC、UDL、ACCER、RCCD、MARSI
二、趋势型(14个)
MACD、DMI、DMA、TRIX、ARBR、EMV、DPO、VHF、CHO、DBCD、DDI、JS、QACD、UOS
三、能量型(5个)
CR、PSY、MASS、PCNT、WAD
四、成交量型(10个)
OBV、VR、VOLMA、WVAD、VOSC、VRSI、VSTD、AMO、TAPI
五、均线型(4个)
MA、EXPMA、BBI、AMV
六、路径型(6个)
BOLL、ENE、MIKE、PBX、XS、BBIBOLL
七、其他型(4个)
ASI、ATR、SAR、CDP
详细的技术指标公式和实现细节请参考脚本源码。
核心辅助函数说明
| 函数 | 功能 | 说明 |
|---|---|---|
is_stock(code) |
判断是否为A股股票 | SH市场首位6,SZ市场首位0或3,代码6位数字 |
forward_adjust(df, backward_factor, code) |
前复权处理 | price_adj = price_raw * backward_factor / latest_factor,仅调整OHLC |
数据依赖
必需的 AmazingData API 调用
| 数据 | API函数 | 用途 |
|---|---|---|
| 交易日历 | base_data.get_calendar() |
MarketData 初始化 |
| K线行情 | market_data.query_kline(code_list, begin_date, end_date, period=day) |
OHLCV 数据 |
| 后复权因子 | base_data.get_backward_factor(code_list, is_local=False) |
前复权计算(仅股票) |
K线数据字段
| 字段 | 含义 | 用途 |
|---|---|---|
close |
收盘价 | 所有指标 |
open |
开盘价 | ARBR, WVAD, ASI |
high |
最高价 | KDJ, WR, CCI, SKDJ, MFI, DMI, EMV, CHO, DDI, MASS, WAD, MIKE, XS, ATR, SAR, CDP 等 |
low |
最低价 | 同上 |
volume |
成交量 | MFI, EMV, CHO, OBV, VR, VOLMA, WVAD, VOSC, VRSI, VSTD, AMV |
amount |
成交额 | AMO, TAPI, AMV |
kline_time |
K线日期 | 日期展示、前复权对齐 |
算子函数库依赖
脚本依赖 AmazingData 内置算子函数库:
| 模块 | 函数 | 说明 |
|---|---|---|
MathFunction |
MAX, MIN, ABS, IF, SIGN | 基础数学运算,支持 Series 间逐元素操作 |
StatisticsFunction |
STD, AVEDEV | 滚动标准差、平均绝对偏差 |
TimeSeriesFunction |
MA, EMA, SMA, REF, HHV, LLV, SUM, COUNT, CUMSUM, TR, SAR | 时间序列函数:移动平均、指数平均、历史引用、滚动最高/最低、累计求和等 |
前复权处理
对于股票代码(SH市场首位6,SZ市场首位0或3),自动进行前复权处理:
- 获取后复权因子(
get_backward_factor) - 按
kline_time对齐复权因子(reindex+ffill) - 前复权价格 = 原始价格 x 复权因子 / 最新复权因子
- 仅调整 open, high, low, close 四个价格字段
- 指数和基金代码不做前复权处理
模块结构
ad_technical_analysis/
├── SKILL.md # 本技能说明文档
├── references/
│ └── 技术指标说明.md # 57个技术指标的详细公式与说明
└── scripts/
└── run_technical_analysis.py # 分析脚本(完全自包含)
scripts/run_technical_analysis.py 包含:
TechnicalIndicators类:57个静态方法,输入 pandas Series (OHLCV),输出 dict of Seriesis_stock(code)/forward_adjust(df, backward_factor, code):股票判断与前复权run_analysis(code, begin_date, end_date, indicator, category):主分析逻辑,计算技术指标main():CLI 入口,支持--begin,--end,--indicator,--category参数
注意事项
- 所有数据接口调用前必须先通过环境变量配置认证信息,然后调用
ad.login()登录 - 必须设置以下4个环境变量:
AD_USER、AD_PASSWORD、AD_HOST、AD_PORT - 账号、密码、IP和端口需联系开户营业部申请
MarketData实例化时必须传入交易日历:ad.MarketData(base_data.get_calendar())- 支持本地数据缓存(local_path + is_local)和指定日期范围(begin_date + end_date)两种模式,二选一
- 股票数据最早可追溯至2013年,期货数据至2010年,期权数据至2015年
- AmazingData限制单点登录,所以同一时间只能有一个AmazingData的登录链接
- 本工具仅提供技术指标计算结果,不构成任何投资建议
Python环境要求
- Python版本: 3.8-3.14
- 操作系统: Linux/Windows
- 依赖包: tgw>=1.0.8.5, AmazingData>=1.0.24
热门AI工具
相关专题
本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
本专题围绕XORM框架的结构体映射展开,说明表名与字段的命名策略、xorm标签常用属性、主键自增与时间字段自动填充,并演示Sync2自动建表、增量字段升级、索引声明与反向生成结构体的完整流程。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
本专题聚焦XORM框架的配置与连接环节,拆解MySQL、PostgreSQL、SQLite、SQL Server的DSN写法与驱动选择,讲清连接池参数、多数据源拆分、读写分离与超时重连的处理方式,并补充容器与兼容数据库的适配经验。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.7万人学习
共6课时 | 54.7万人学习
最新文章