Python编程学动量自动化：Delta周期循环主图指标公式

import pandas as pdimport numpy as npimport mplfinance as mpffrom datetime import datetime, timedeltadef calculate_lunar_indicators(df):    """    计算农历相关技术Delta周期循环主图指标公式    """    # 常量定义    CSR = 3    synodic_month = 29.53058782  # 朔望月周期    # 计算日期序列 (从固定起点开始的天数)    base_date = pd.Timestamp('1899-12-30')  # 兼容Excel日期系统    df['RIC'] = (df.index - base_date).days + 1    # 核心指标计算    df['IS'] = ((df['RIC'] + 3) / synodic_month).astype(int)    fractional_part = (df['RIC'] + CSR) / synodic_month - np.floor((df['RIC'] + CSR) / synodic_month)    df['YYS'] = fractional_part * synodic_month    df['NLRI'] = np.where(df['YYS'] 1, np.round(df['YYS'] + synodic_month), np.floor(df['YYS']))    df['NUM'] = df['IS'] % 4    # 相位变化检测    df['NLRI_prev'] = df['NLRI'].shift(1)    df['ISCOLOR'] = ((df['NLRI_prev'] >= df['NLRI']) | (df['NLRI'] == 1)).astype(int)    # 江恩日计算    condition = (df['ISCOLOR'] == 1) & (df['NUM'] == 2)    df['江恩日'] = condition[::-1].cumsum()[::-1] - condition[::-1].cumsum()[::-1].where(~condition).ffill().fillna(0) + 1    df['江恩日'] = df['江恩日'].where(condition, 0)    # 基准线计算    df['基准'] = (df['RIC'] + 2) / synodic_month + 0.0016    df['ISFIRSTA'] = df['基准'].astype(int)    df['SCOLORA'] = ((df['基准'].shift(1) < df['ISFIRSTA']) &                    (df['基准'] + 0.1 >= df['ISFIRSTA'])) | (df['基准'] == df['ISFIRSTA'])    # 相位分类    phase = (df['基准'] + 0.1).astype(int) % 4    df['A0'] = (df['ISCOLOR'] == 1) & (phase == 1)    df['A1'] = (df['ISCOLOR'] == 1) & (phase == 2)    df['A2'] = (df['ISCOLOR'] == 1) & (phase == 3)    df['A3'] = (df['ISCOLOR'] == 1) & (phase == 0)    return dfdef plot_lunar_chart(df, start_date=None, end_date=None):    """    绘制带有农历指标的K线图    """    # 截取指定时间范围    if start_date or end_date:        start = start_date or df.index[0]        end = end_date or df.index[-1]        plot_df = df.loc[start:end].copy()    else:        plot_df = df.copy()    # 创建绘图对象    apds = [        # 江恩日标记        mpf.make_addplot(plot_df['江恩日'], panel=1, color='purple', ylabel='江恩日'),    ]    # 创建彩色标记    colors = {        0: 'yellow',        1


    
: 'red',        2: 'green',        3: 'white'    }    # 添加相位标记    markers = []    for num, color in colors.items():        condition = (plot_df['ISCOLOR'] == 1) & (plot_df['NUM'] == num)        markers.append(mpf.make_addplot(            plot_df['close'].where(condition),             type='scatter',             marker='o',            markersize=50,            color=color,            alpha=0.3        ))    apds.extend(markers)    # 绘制图表    mpf.plot(plot_df,              type='candle',              addplot=apds,             style='charles',             title='农历周期分析',             ylabel='价格',             volume=False,             figratio=(12, 8),             show_nontrading=False)# ===================== 使用示例 =====================if __name__ == "__main__":    # 1. 准备数据 (这里用模拟数据，实际使用时替换为真实数据)    dates = pd.date_range(start='2023-01-01', end='2024-01-01', freq='D')    data = {        'open': np.random.uniform(100, 200, len(dates)),        'high': np.random.uniform(200, 300, len(dates)),        'low': np.random.uniform(50, 100, len(dates)),        'close': np.random.uniform(100, 200, len(dates)),        'volume': np.random.randint(10000, 50000, len(dates))    }    df = pd.DataFrame(data, index=dates)    # 2. 计算指标    df = calculate_lunar_indicators(df)    # 3. 可视化 (显示最后90天)    end_date = df.index[-1]    start_date = end_date - timedelta(days=90)    plot_lunar_chart(df, start_date=start_date)