JoinQuant 平台 MACD 背离策略代码解析与新手答疑

小白对MACD背离代码的几点疑问，求指导，感谢

各位前辈好，

我看函数库里关于MACD背离的策略基本上都是copy的如下版本


def doDecide(stock):
fast = 11
slow = 26
sign = 5
rows = (fast + slow + sign) * 5
suit = {'dif':0, 'dea':0, 'macd':0, 'gold':False, 'dead':False}
grid = attribute_history(stock, rows, fields=['close']).dropna()
stock = '600010.XSHG.XSHE' #自己设定的
try:
grid['dif'], grid['dea'], grid['macd'] = talib.MACD(grid['close'].values, fast, slow, sign)
grid = grid.dropna()
# 底背离----------------------------------------------------------------
mask = grid['macd']>0 #金叉
mask = mask[mask==True][mask.shift(1)==False]
key2 = mask.keys()[-2]
key1 = mask.keys()[-1]
#1.本次(key1指定的日期)金叉股价低于上一次(不是昨天，是key2指定的日期)金叉股价
#2.本次(key1指定的日期)金叉Dif值大于上一次(不是昨天，是key2指定的日期)金叉Dif值
#3.金叉出现，即MACD由前天的负值变为昨天的正值
suit['gold'] = grid.close[key2]>grid.close[key1] and \
grid.dif[key2]< grid.dif[key1]< 0 and \
grid.macd[-2]< 0< grid.macd[-1]
# 顶背离----------------------------------------------------------------
mask = grid['macd']< 0 #死叉
mask = mask[mask==True][mask.shift(1)==False]
key2 = mask.keys()[-2]
key1 = mask.keys()[-1]
suit['dead'] = grid.close[key2]< grid.close[key1] and \
grid.dif[key2]>grid.dif[key1]>0 and \
grid.macd[-2]>0>grid.macd[-1]

except:
#如果找不到金叉,则执行key2 = mask.keys()[-2]或会抛出异常，
#说明这么多行【rows = (fast + slow + sign) * 5】数据中找不到金叉
#直接返回suit
pass
return suit
code
在下小白刚刚接触量化，仅在网上看了不到一个周的python教程
看了上面代码之后有不少问题，总结了以下几条，希望各位大神可以不吝赐教，非常感谢！

Q1

rows = (fast + slow + sign) * 5
code
请问为什么要取这些天数的历史数据？是基于经验的结果吗？

===
Q2

suit = {'dif':0, 'dea':0, 'macd':0, 'gold':False, 'dead':False}
grid = attribute_history(stock, rows, fields=['close']).dropna()

try:
grid['dif'], grid['dea'], grid['macd'] = talib.MACD(grid['close'].values, fast, slow, sign)
code
第一行创建了一个suit字典，这只了dif、dea、macd等key的默认值
第二行把某股票rows天数的历史收盘价赋予了grid
请问最后一行对grid的再次赋值怎么理解？
是把第二行里rows天收盘价对应的dif、dea和MACD值，通过talib.MACD函数又给了grid吗？
这里我理解是对上面suit字典里各个key重新赋value，但之前的字典不是suit吗？为什么要用grid['dif']这种形式而不是suit['dif']？
还是用grid添加到之前suit这个字典里？

======
Q3

mask = grid['macd']>0 #金叉
mask = mask[mask==True][mask.shift(1)==False]
code
请问第二行表代码语法意思是什么？
两个中括号并列是and判断条件是否同时成立吗？
也就是先判断mask（也就是grid['macd']）是否大于零，并且mask下一个的值是否不大于零？
另外我百度.shift()函数代表的意思是一个矩阵里向下移动1行，这里的矩阵就是指grid在attribute_history里形成的以天为单位（省略了参数‘1d’）收盘价形成的矩阵吗？

===========
Q4

key2 = mask.keys()[-2]
key1 = mask.keys()[-1]
code
请问这里[-1]和[-2]的位置是指mask这个矩阵（也就是grid以attribute_history按天赋予的收盘价矩阵）的倒数第一/二行，还是倒数第一/二列？

==========
Q5

suit['gold'] = grid.close[key2]>grid.close[key1] and \
grid.dif[key2]< grid.dif[key1]< 0 and \
grid.macd[-2]< 0< grid.macd[-1]
code
请问为什么这里 grid.close和grid.dif用的是key1、key2来确定的位置，而grid.macd是直接用的[-1][-2]来确认的位置？
二者有什么区别？
而且这里-1、-2不就是grid这个集合里倒数第二个和倒数第三个的值吗？为什么在代码的文字说明部分却说“不是昨天，是key2指定的日期”呢？
如果我理解是对的话，请问有代码可以判断并找出“上一个低点（不是第二小的值）”的位置吗？

=======
Q6
如果我想看看 grid['dif'], grid['dea'], grid['macd']和mask的值各是什么（以600010或其他任意股票为背景），请问如何实现？
我输入print (grid['dif'])之后，点击编译运行，系统会报错……

感谢各位大神前辈

你好！欢迎来到量化交易的世界。这段代码结合了 pandas 数据处理和 talib 技术指标库，对于刚接触 Python 不久的新手来说，确实包含了一些进阶的用法。下面为你逐一详细解答这 6 个问题：

Q1：为什么要取 rows = (fast + slow + sign) * 5 这么多天的历史数据？

解答：
这是基于数学计算原理和经验的结果。MACD 的核心是 EMA（指数移动平均线）。EMA 的计算公式会包含历史上所有的数据，越久远的数据权重越小。理论上需要无限长的数据才能算出绝对准确的 EMA，但在实际编程中，只要取周期之和的 3 到 5 倍长度的数据，早期数据的权重就会衰减到几乎为 0，从而保证算出来的 MACD 值与同花顺、通达信等行情软件上的数值基本一致。如果取的数据太短，算出来的 MACD 会有较大的初始误差。

Q2：grid['dif'] 是对 suit 字典赋值吗？

解答：
不是的。这里涉及两个完全不同的数据结构：

1. suit 是一个 Python 字典 (dict)，它的作用是作为这个函数的最终返回值，告诉策略这只股票当前的状态（是否金叉、是否背离等）。
2. grid 是一个 Pandas DataFrame（数据框，类似于 Excel 表格）。attribute_history 返回的就是一个 DataFrame。

grid['dif'] = ... 的意思是：在 grid 这个表格中，新增一列，列名叫做 'dif'，并把 talib.MACD 计算出来的一整列 DIF 数据填进去。这和 suit 字典没有任何关系，grid 只是用来做中间计算的草稿纸。

Q3：mask = mask[mask==True][mask.shift(1)==False] 是什么意思？

解答：
这行代码的目的是找出发生“金叉”的那一天。

1. mask = grid['macd'] > 0：这会生成一列布尔值（True/False），MACD 大于 0 的天数是 True，否则是 False。
2. mask.shift(1)：shift(1) 是 Pandas 的函数，意思是把数据往下平移一行。所以 mask.shift(1) 代表的是昨天的 MACD 是否大于 0。
3. mask[mask==True]：选出今天 MACD > 0 的日子。
4. [mask.shift(1)==False]：在上面的基础上，进一步筛选出昨天 MACD <= 0 的日子。

总结： 今天 MACD > 0 且 昨天 MACD <= 0，这就是 MACD 由负转正的瞬间，也就是金叉日。两个中括号连在一起是 Pandas 的链式索引筛选，相当于“满足条件 A 的数据中，再筛选出满足条件 B 的数据”。

Q4：key2 = mask.keys()[-2] 中的 [-1] 和 [-2] 是指什么？

解答：
经过 Q3 的筛选，mask 里现在只剩下发生过金叉的那些天了。mask.keys() 获取的是这些金叉日的日期索引（时间戳）。

• [-1] 表示 Python 列表/数组中的倒数第一个元素，也就是**最近一次（本次）**发生金叉的日期。
• [-2] 表示倒数第二个元素，也就是上一次发生金叉的日期。

Q5：grid.close[key2] 和 grid.macd[-2] 的区别是什么？

解答：
这是两种不同的定位方式：

1. 按日期标签定位： key1 和 key2 是具体的日期（比如 2023-10-15）。grid.close[key2] 的意思是：去 grid 表格里，把 key2 这一天（上一次金叉日）的收盘价取出来。
2. 按绝对位置定位： grid.macd[-1] 和 grid.macd[-2] 中的 -1 和 -2 是指 grid 这个表格的最后一行（通常是今天/昨天）和倒数第二行（昨天/前天）。

为什么文字说明说“不是昨天，是key2指定的日期”？
文字说明解释的是 grid.close[key2] > grid.close[key1] 这一句，意思是比较“上一次金叉日”和“本次金叉日”的收盘价，而不是比较昨天和今天的收盘价。
而 grid.macd[-2] < 0 < grid.macd[-1] 这一句，确实是在判断最近两天（倒数第二天和最后一天）是否刚刚发生了金叉。

Q6：如何打印 grid['dif'] 和 mask 的值？系统报错怎么办？

解答：
系统报错很可能是因为你在代码里加了这一句：
stock = '600010.XSHG.XSHE'
股票代码的后缀写错了，JoinQuant 里的上汽集团代码应该是 '600010.XSHG'，多了一个 .XSHE 会导致 attribute_history 找不到数据从而报错。

正确的打印方法：
把那行错误的 stock 赋值删掉（或者改成正确的 '600010.XSHG'），然后在 try 语句块里面使用 print 或者 log.info：

# 修正股票代码
stock = '600010.XSHG'
grid = attribute_history(stock, rows, fields=['close']).dropna()

try:
    grid['dif'], grid['dea'], grid['macd'] = talib.MACD(grid['close'].values, fast, slow, sign)
    grid = grid.dropna()
    
    # 打印查看数据
    print("DIF数据：\n", grid['dif'].tail()) # tail() 只打印最后5行，避免数据太长
    print("MACD数据：\n", grid['macd'].tail())
    
    mask = grid['macd']>0
    mask = mask[mask==True][mask.shift(1)==False]
    print("金叉日期：\n", mask)

在 JoinQuant 的研究环境（Jupyter Notebook）或回测日志中，你就可以看到打印出来的具体数值了。

祝你量化学习之路顺利！多用 print 打印中间变量是学习 Python 数据处理最好的方法。