使用Elasticsearch构建MACD直方图
MACD为正值而远离零，可意味着价格上涨动量正在增加。若为负值而远离零，可意味着价格下行动量加大。下表描述了MACD值与趋势组合的含义。
| MACD趋势 | MACD(正值) | MACD(负值) |
|---|---|---|
| 收敛 (值趋向零) | 下行动量增加 | 上涨动量增加 |
| 发散 (值远离零) | 上涨动量增加 | 下行动量增加 |
一般来说，MACD指标常用于股票市场，在本文中，我们尝试将其用于股票型公募基金。下图为工银前沿医疗股票C基金(代码为010685.OF) 从2021年12月01日到2021年04月30日每日的复权单位净值和对应的MACD值。
MACD值从零下上升穿过零时，市场被认为是看涨，而MACD值从零上，下降穿过零时，市场被认为是看跌。上图中可以看到MACD与Y轴(零线)交叉点会滞后于价格转变一段时间后才产生信号，故此交易者经常批评这个缺陷。在1986 年由 Thomas Aspray引入MACD 直方图(MACD Histogram/Momentum)来解决这个问题，并且广泛被使用。MACD 直方图可以提供更早期的信号，但后来被认定其可靠性较低，需要由其他指标确认。计算方法为MACD 与其信号线(signal)之间的距离，(信号线是MACD周期为9的EWMA)，公式如下:
当MACD_HISTOGRAM为零时(两线交叉)，也就是说上涨与下行即将互相转变的信号。下图为代码010685.OF从2021年01月01日到2021年04月30日每日的MACD和对应的信号线。观察MACD与Y轴(零线)交叉点出现的时间，你会发现其前期有一个相应的MACD和信号线之间的交叉点。
由于MACD 和其信号线的折线图不是那么容易理解，为了更容易反映市场趋势，可以使用条形图描绘MACD_HISTOGRAM 。下图为代码010685.OF从2021年01月01日到2021年04月30日每日的MACD_HISTOGRAM。当 MACD 高于信号线时，柱线为正值，反之为负值。 柱线的高度是 MACD 和信号线之间的差值。水蓝色代表柱线为正值而且呈现上升趋势，蓝色代表柱线为正值但呈现下降趋势，橙色代表柱线为负值但呈现正增长趋势，红色代表柱线为负值而呈现负增长趋势。
以下步骤说明如何使用 Elasticsearch 构建MACD直方图的流程，同时演示REST API请求主体的代码。数据选自Tushare大数据开放社区，时间范围为2020 年 12 月 01 日至 2021 年 4 月 30 日之间。 假设已经有一个存在数据的 Elasticsearch 索引，使用的数据映射与之前发表的文章(使用Elasticsearch计算布林带宽度指标)相同。
- 通过搜索操作收集所有相关文档：
使用带有必要条件（must）子句的布林查询（bool query）来收集基金代码为010685.OF，和公告截止日期从2021年01月01日到2021年04月30日的文档。 由于需要计算26天的移动平均值，因此增加了一个月的数据（从2020年12月01日到2020年12月31日）。
{
"query": {
"bool": {
"must": [
{"range": {"end_date": {"gte": "20201201", "lte": "20210430"}}},
{"term": {"ts_code": "010685.OF"}}
]
}
},
- 提取每日的复权单位净值：
使用名为MACD_Histogram日期直方图（date_histogram）存储桶聚合，并配合参数field（字段）为end_date和interval（间隔）为 1d（1天），提取每日的复权单位净值（adj_nav）。由于子聚合使用管道（pipeline）聚合而无法直接采用文档字段，所以额外使用平均值（avg）聚合获取每日的复权单位净值，聚合名称为Daily。（若当天基金没有公布的值，其值的计算方法是从其前后公布的值推算而来。）
"aggs": {
"MACD_Histogram": {
"date_histogram": {
"field": "end_date",
"interval": "1d",
"format": "yyyyMMdd"
},
"aggs": {
"Daily": {
"avg": {"field": "adj_nav"}
},
- 提取存储桶的日期
由于增加了一个月的数据，而后续操作需要过滤掉额外的文档，因此以存储桶的日期作为筛选限制条件。我们可以使用名为DateStr的最小值聚合间接取得日期，Elasticsearch的日期用新纪元时间(Epoch Time) 表示，并且以毫秒为单位，时区为UTC。
"DateStr": {
"min": { "field": "end_date"}
},
- 计算12 天和 26 天的指数加权移动平均值：
使用名为EWMA12的移动函数（moving_fn）聚合，并配合参数window为12和参数buckets_path（存储桶路径）为Daily来计算adj_nav的12天简单移动平均值。指数加权平均函数使用（MovingFunctions.ewma）并配合参数alpha为2/(window+1)来计算。
"EWMA12": {
"moving_fn": {"script": "MovingFunctions.ewma(values, 2/(12+1))", "window": 12, "buckets_path": "Daily"}
},
"EWMA26": {
"moving_fn" : {"script": "MovingFunctions.ewma(values, 2/(26+1))", "window": 26, "buckets_path": "Daily"}
},
- 计算MACD
使用名为MACD的存储桶脚本（bucket_script）聚合，并配合参数buckets_path指定使用EWMA12和EWMA26聚合的值，并根据前述方程来计算MACD指标。
"MACD": {
"bucket_script": {
"buckets_path": {
"EWMA12": "EWMA12",
"EWMA26": "EWMA26"
},
"script": "params.EWMA12 - params.EWMA26"
}
},
- 计算MACD 信号线
使用名为Signal的移动函数（moving_fn）聚合，并配合参数window为9和参数buckets_path（存储桶路径）为macd来计算信号线signal。MACD的9天EWMA使用指数加权平均函数（MovingFunctions.ewma）并配合参数alpha为2/(9+1)来计算。
"Signal": {
"moving_fn": {"script": "MovingFunctions.ewma(values, 2/(9+1))", "window": 9, "buckets_path": "MACD"}
},
- 计算MACD直方图
使用名为macd_histogram的存储桶脚本（bucket_script）聚合，并配合参数buckets_path指定使用MACD和signal聚合的值，并根据前述方程来计算MACD直方图指标。
"MACD_histogram": {
"bucket_script": {
"buckets_path": {
"MACD": "MACD",
"Signal": "Signal"
},
"script": "params.MACD - params.Signal"
}
},
- 确定MACD_Histogram 值是在上升趋势还是下降趋势内
使用名为MACD_HistogramDiff的导数（derivative）聚合，并配合参数buckets_path指定MACD_Histogram聚合的值来确定它与前一个时间戳的值，是增量还是减量。
"MACD_HistogramDiff" :{
"derivative": {
"buckets_path": "MACD_Histogram"
}
},
- 确定MACD_Histogram值的类型
使用名为MACD_HistogramType的存储桶脚本（bucket_script）聚合，并配合参数buckets_path指定使用MACD_Histogram和MACD_HistogramDiff聚合的值，对 MACD_Histogram 值的类型进行分类。
➤ MACD_HistogramDiff是减量并且 MACD_Histogram < 0，则为类型1
➤ 如果MACD_HistogramDiff是增量并且 MACD_Histogram < 0，则为类型 2
➤ 如果MACD_HistogramDiff是增量并且 MACD_Histogram > 0，则为类型 3
➤ 如果MACD_HistogramDiff是减量并且 MACD_Histogram > 0，则为类型 4
➤ 其他情况为类型 0
"MACD_HistogramType": {
"bucket_script": {
"buckets_path": {
" MACD_Histogram": "MACD_Histogram",
" MACD_HistogramDiff": "MACD_HistogramDiff"
},
"script": "(params.MACD_Histogram > 0) ? (params.MACD_HistogramDiff > 0 ? 3 : 4) : ((params.MACD_Histogram < 0) ? (params.MACD_HistogramDiff > 0 ? 2 : 1): 0)"
}
},
- 输出前过滤掉额外的文档
使用名为 SMACD_Histogram 的“bucket_selector”聚合，并配合参数“buckets_path”为“DateStr”，“script”语句中指定存储桶的选择条件。 选择标准是日期在 2021 年 1 月 1 日及之后的存储桶（以毫秒为单位指定纪元时间 1609459200000）。
"SMACD_Histogram": {
"bucket_selector": {
"buckets_path": {"DateStr":"DateStr"},
"script": "params.DateStr >= 1609459200000L"
}
}
}
}
},
"size": 0
}
- 收集结果后，可以绘制图形前所示。
本文中所使用的 Elasticsearch 实例显示无缝整合且易于理解。读者可以进一步参考Gitee上的开源项目(使用 Elasticsearch 构建MACD直方图)。
备注:
I. 感谢Tushare大数据开放社区提供相关数据及Gitee开源社区提供存储开源项目。
II. 本文基于公开发布技术和研究观点，并不构成任何投资建议，读者在使用时须自行承担责任。
III. 文中可能还存在疏漏和错误之处，恳请广大读者批评和指正。
IV. 作者的中文著作Elasticsearch 数据分析与实战应用（ISBN 978-7-113-27886-1号）将于2021 年 7 月出版。
V. 作者的英文著作Advanced Elasticsearch 7.0（ISBN 978-1-789-95775-4号）被bookauthority评为 2021 年最值得阅读的 4 本 Elasticsearch 新书之一。
本文来自博客园，作者：王博分享，转载请注明原文链接：https://www.cnblogs.com/dbsrhouse/p/14976472.html
