如何用 Python 计算 MA、MACD、RSI、布林带？（不依赖 TA-Lib）

原创

用户7083614

发布于 2026-09-05 18:24:04

330

一句话回答： TA-Lib 在很多环境里编译很麻烦。其实常用技术指标全都能用 pandas/numpy 几行写出来。下面从 AlphaFeed 取一段日 K 线，把 MA、EMA、MACD、RSI、布林带、KDJ 全部手写实现，复制即用。

先取数据

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")
df = af.klines.get("600519.SH", period="1d", count=250, adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)
close = df["close"]

1. 移动平均 MA / 指数移动平均 EMA

df["ma5"] = close.rolling(5).mean()
df["ma10"] = close.rolling(10).mean()
df["ma20"] = close.rolling(20).mean()

df["ema12"] = close.ewm(span=12, adjust=False).mean()
df["ema26"] = close.ewm(span=26, adjust=False).mean()

rolling 是简单平均，ewm(span=n, adjust=False) 是指数平均（近期权重更高）。

2. MACD

MACD = 快 EMA − 慢 EMA；DEA 是 MACD 的 EMA；柱状图 = 2 ×(MACD − DEA)。

def macd(close, fast=12, slow=26, signal=9):
    ema_fast = close.ewm(span=fast, adjust=False).mean()
    ema_slow = close.ewm(span=slow, adjust=False).mean()
    dif = ema_fast - ema_slow
    dea = dif.ewm(span=signal, adjust=False).mean()
    hist = (dif - dea) * 2
    return dif, dea, hist

df["dif"], df["dea"], df["macd_hist"] = macd(close)

判读：DIF 上穿 DEA 为金叉（偏多），下穿为死叉（偏空）；柱状图由负转正是动能转强。

3. RSI（相对强弱指标）

def rsi(close, period=14):
    delta = close.diff()
    gain = delta.clip(lower=0)
    loss = -delta.clip(upper=0)
    avg_gain = gain.ewm(alpha=1/period, adjust=False).mean()
    avg_loss = loss.ewm(alpha=1/period, adjust=False).mean()
    rs = avg_gain / avg_loss
    return 100 - 100 / (1 + rs)

df["rsi14"] = rsi(close, 14)

一般 RSI > 70 视为超买，< 30 视为超卖。

4. 布林带（Bollinger Bands）

中轨 = 20 日均线，上下轨 = 中轨 ± 2 倍标准差。

def bollinger(close, period=20, k=2):
    mid = close.rolling(period).mean()
    std = close.rolling(period).std()
    upper = mid + k * std
    lower = mid - k * std
    return upper, mid, lower

df["boll_up"], df["boll_mid"], df["boll_low"] = bollinger(close)

价格触及上轨常被视为强势/超买，触及下轨为弱势/超卖；上下轨收窄（挤压）往往预示变盘。

5. KDJ

def kdj(df, n=9):
    low_n = df["low"].rolling(n).min()
    high_n = df["high"].rolling(n).max()
    rsv = (df["close"] - low_n) / (high_n - low_n) * 100
    k = rsv.ewm(com=2, adjust=False).mean()   # 相当于 (2*前K + RSV)/3
    d = k.ewm(com=2, adjust=False).mean()
    j = 3 * k - 2 * d
    return k, d, j

df["k"], df["d"], df["j"] = kdj(df)

一次性给全市场算指标

配合批量 K 线，可以给一批股票统一计算指标做筛选：

symbols = ["600519.SH", "000001.SZ", "601318.SH"]
dfs = af.klines.batch(symbols, period="1d", count=250, adjust="forward",
                      to_dataframe=True, show_progress=True)

signals = []
for sym, d in dfs.items():
    d = d.sort_values("trade_date").reset_index(drop=True)
    dif, dea, hist = macd(d["close"])
    r = rsi(d["close"], 14)
    # 例：MACD 金叉 且 RSI 未超买
    golden = dif.iloc[-1] > dea.iloc[-1] and dif.iloc[-2] <= dea.iloc[-2]
    if golden and r.iloc[-1] < 70:
        signals.append({"symbol": sym, "rsi": round(r.iloc[-1], 1)})

print(signals)

指标速查表

指标	常用参数	主要用途
MA/EMA	5/10/20/60	趋势方向、多头排列
MACD	12/26/9	趋势与动能、金叉死叉
RSI	14	超买超卖
布林带	20, 2σ	波动区间、挤压变盘
KDJ	9,3,3	短线超买超卖

常见问题（FAQ）

Q：结果和行情软件对得上吗？

A：EMA 类指标对初始值和 adjust 参数敏感，取足够长的历史（如 250 根）后，末端数值会与主流软件基本一致。

Q：为什么用前复权？

A：技术指标基于连续价格序列，除权跳空会扭曲指标，必须用复权价（adjust="forward"）。

Q：一定要装 TA-Lib 吗？

A：不用。上面这些都是纯 pandas 实现，跨平台零编译依赖。

小结

主流技术指标的公式都不复杂，pandas 的 rolling/ewm 就能覆盖 MA、MACD、RSI、布林带、KDJ。数据侧用 AlphaFeed 的复权 K 线保证输入干净，你就能摆脱 TA-Lib 的安装烦恼，自由地组合指标做选股和策略。

参考

AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python

pandas