0 引言

KDJ指标是最为常见的指标之一，股票每日的K线数据通过Tushare、Baostock等平台能够获取到个股及指数的Open、High、Low、Close、Volume等数据，KDJ、MACD等技术指标虽然同花顺等财经网站都算好了，但是这写指标确没有接口给“量化宽客”们使用。

1 计算公式

KDJ计算主要有4步：

（1）计算RSV：RSV=(Close(当日值)-Low(9日最低值)) / (High(9日最高值)-Low(9日最低值))

（2）计算K：K=ema(RSV, com=2)，ema为指数移动平均，参数com取2；

（3）计算D：D=ema(K, com=2)，ema为指数移动平均，参数com取2；

（4）计算J：J=3.0*K-2.0*D

2 Python计算实现

Python实现KDJ指标的计算，主要基于Pandas库实现计算：

2.1 获取数据：

通过Baostock、Tushare、YahooFinance获取数据，这里以Baostock为例：

import baostock as bs
import pandas as pd

code = 'sh.600036'
start_date = '2021-01-01'
end_date = '2021-10-01'

#Step1： 获取数据
lg = bs.login()
rs = bs.query_history_k_data_plus(code,
                                  "date,code,open,high,low,close,volume",
                                  start_date=start_date, end_date=end_date, frequency="d", adjustflag='2')#注意adjustflag取2为前复权
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
df = pd.Dataframe(data_list, columns=rs.fields)
df[['open', 'high', 'low', 'close', 'volume']] = df[['open', 'high', 'low', 'close', 'volume']].astype(
    'float64')
df = df.rename(columns={'date': 'datetime'})
df.index = pd.DatetimeIndex(df['datetime'])
bs.logout()

得到结果如下： 

2.2 基于Python计算KDJ

利用Python的Pandas库进行计算：

lowList = df['low'].rolling(9).min() #计算low值9日移动最低
lowList.fillna(value=df['low'].expanding().min(), inplace=True)
highList = df['high'].rolling(9).max() #计算high值9日移动最高
highList.fillna(value=df['high'].expanding().max(), inplace=True)
rsv = (df.loc[:, 'close'] - lowList) / (highList - lowList) * 100
df.loc[:, 'kdj_k'] = rsv.ewm(com=2).mean()
df.loc[:, 'kdj_d'] = df.loc[:, 'kdj_k'].ewm(com=2).mean()
df.loc[:, 'kdj_j'] = 3.0 * df.loc[:, 'kdj_k'] - 2.0 * df.loc[:, 'kdj_d']

得到结果：

 对比财经网站结果，以2021-9-30为例，K、D、J三个指标与计算结果一致。

3 Ta-lib计算实现

发现用Python实现代码量比较多，是不是不够优雅，那么我们用股票技术指标分析利器Ta-lib进行尝试（Ta-lib安装自行百度）：

Ta-lib计算KDJ的函数是STOCH，但是这个函数参数较多，按照默认配置是无法计算出和国内一致的结果：

def STOCH(*args, **kwargs): # reliably restored by inspect
    """
    STOCH(high, low, close[, fastk_period=?, slowk_period=?, slowk_matype=?, slowd_period=?, slowd_matype=?])
    
        Stochastic (Momentum Indicators)
    
        Inputs:
            prices: ['high', 'low', 'close']
        Parameters:
            fastk_period: 5
            slowk_period: 3
            slowk_matype: 0
            slowd_period: 3
            slowd_matype: 0
        Outputs:
            slowk
            slowd
    """
    pass

主要参数是这几个：

（1）fastk_period：对应9日移动平均，这里取值为9；

（2）slowk_period: 这个指标取值是计算的关键：

计算公式中提到了  “K=ema(RSV, com=2)，ema为指数移动平均，参数com取2”

com=2，对应slowk_period应该取多少？通过查看Pandas官方教程：

 com=2时，α=1/3 ,  则span=5;

对应slowk_period=5；

（3）slowk_matype：

通过查看Ta-lib 中matype的类型说明：

MA_Type: 0=SMA, 1=EMA, 2=WMA, 3=DEMA, 4=TEMA, 5=TRIMA, 6=KAMA, 7=MAMA, 8=T3 (Default=SMA）

指数移动平均：slowk_matype应取1。

（4）slowd_period、slowd_matype同上。

（5）最后参数配置就都有了，直接上代码：

import talib
df['talib_K'], df['talib_D'] = talib.STOCH(df['high'].values,
                                           df['low'].values,
                                           df['close'].values,
                                           fastk_period=9,
                                           slowk_period=5,
                                           slowk_matype=1,
                                           slowd_period=5,
                                           slowd_matype=1)#计算kdj的正确配置

df.loc[:, 'talib_J'] = 3.0 * df.loc[:, 'talib_K'] - 2.0 * df.loc[:, 'talib_D']

结果展示：

 和之前的计算完全一致。（此结果为：2021.10.7前复权计算结果）

4 计算速度对比

把计算开始时间改为2002.4.9（600036：招商银行上市日），进行计算：

Pandas totally cost: 0.0050699710845947266
Talib totally cost: 0.0010001659393310547

计算方法	天数	计算时长
Pandas	4735天	0.00507秒
Talib	4735天	0.00100秒

总体Talib实现KDJ指标计算不仅更加优雅，而且速度比Pandas更快，小伙伴以后计算KDJ指标可以选择Talib了。