talib是python的量化指标库，其中包含了很多150多种量化指标，所以talib是非常值得我们学习和使用的。talib的安装和以往的python库安装稍有不同，采用pip install talib是安装不了的。需要到tablib的网站上下载和你的操作系统匹配的tablib版本（whl文件），然后再使用pip install **.whl即可。这里稍微提一下安装，避免踩坑。对于学习talib来说，了解其各种指标的使用才是重中之重，所以我们分批次编写系列文章，希望能够达到输出带动输入的效果。
当然学习某个未知的东西，肯定不能囫囵吞枣。因为吃下去也未必消化掉了。最好的办法是细分之，也就是微分。等价于模块化，然后就可以逐个突破并形成知识网络。然后才能从整体上思考问题，这其中肯定会有很多和你本原共鸣的地方。而这些共鸣点就是你成为这个新知识的切入点。而知识往往是相互联系，如果不断的发现新的共鸣点，驻此以往就会成为这方面的专家。
通过查询相关的资料，我们发现talib的量化指标大概也就分为10个大类。他们分别为：重叠研究、动量指标、成交量指标、波动性指标、价格指标、周期指标、形态识别、统计函数、数学变化、数学运算符等。
import numpyimport talib#按组输入talib的方法，返回是字典temp=talib.get_function_groups()#返回元组for item in temp.items():#遍历元组 for k in item: print(k)
具体的分类如下
Cycle Indicators['HT_DCPERIOD', 'HT_DCPHASE', 'HT_PHASOR', 'HT_SINE', 'HT_TRENDMODE']Math Operators['ADD', 'DIV', 'MAX', 'MAXINDEX', 'MIN', 'MININDEX', 'MINMAX', 'MINMAXINDEX', 'MULT', 'SUB', 'SUM']Math Transform['ACOS', 'ASIN', 'ATAN', 'CEIL', 'COS', 'COSH', 'EXP', 'FLOOR', 'LN', 'LOG10', 'SIN', 'SINH', 'SQRT', 'TAN', 'TANH']Momentum Indicators['ADX', 'ADXR', 'APO', 'AROON', 'AROONOSC', 'BOP', 'CCI', 'CMO', 'DX', 'MACD', 'MACDEXT', 'MACDFIX', 'MFI', 'MINUS_DI', 'MINUS_DM', 'MOM', 'PLUS_DI', 'PLUS_DM', 'PPO', 'ROC', 'ROCP', 'ROCR', 'ROCR100', 'RSI', 'STOCH', 'STOCHF', 'STOCHRSI', 'TRIX', 'ULTOSC', 'WILLR']Overlap Studies['BBANDS', 'DEMA', 'EMA', 'HT_TRENDLINE', 'KAMA', 'MA', 'MAMA', 'MAVP', 'MIDPOINT', 'MIDPRICE', 'SAR', 'SAREXT', 'SMA', 'T3', 'TEMA', 'TRIMA', 'WMA']Pattern Recognition['CDL2CROWS', 'CDL3BLACKCROWS', 'CDL3INSIDE', 'CDL3LINESTRIKE', 'CDL3OUTSIDE', 'CDL3STARSINSOUTH', 'CDL3WHITESOLDIERS', 'CDLABANDONEDBABY', 'CDLADVANCEBLOCK', 'CDLBELTHOLD', 'CDLBREAKAWAY', 'CDLCLOSINGMARUBOZU', 'CDLCONCEALBABYSWALL', 'CDLCOUNTERATTACK', 'CDLDARKCLOUDCOVER', 'CDLDOJI', 'CDLDOJISTAR', 'CDLDRAGONFLYDOJI', 'CDLENGULFING', 'CDLEVENINGDOJISTAR', 'CDLEVENINGSTAR', 'CDLGAPSIDESIDEWHITE', 'CDLGRAVESTONEDOJI', 'CDLHAMMER', 'CDLHANGINGMAN', 'CDLHARAMI', 'CDLHARAMICROSS', 'CDLHIGHWAVE', 'CDLHIKKAKE', 'CDLHIKKAKEMOD', 'CDLHOMINGPIGEON', 'CDLIDENTICAL3CROWS', 'CDLINNECK', 'CDLINVERTEDHAMMER', 'CDLKICKING', 'CDLKICKINGBYLENGTH', 'CDLLADDERBOTTOM', 'CDLLONGLEGGEDDOJI', 'CDLLONGLINE', 'CDLMARUBOZU', 'CDLMATCHINGLOW', 'CDLMATHOLD', 'CDLMORNINGDOJISTAR', 'CDLMORNINGSTAR', 'CDLONNECK', 'CDLPIERCING', 'CDLRICKSHAWMAN', 'CDLRISEFALL3METHODS', 'CDLSEPARATINGLINES', 'CDLSHOOTINGSTAR', 'CDLSHORTLINE', 'CDLSPINNINGTOP', 'CDLSTALLEDPATTERN', 'CDLSTICKSANDWICH', 'CDLTAKURI', 'CDLTASUKIGAP', 'CDLTHRUSTING', 'CDLTRISTAR', 'CDLUNIQUE3RIVER', 'CDLUPSIDEGAP2CROWS', 'CDLXSIDEGAP3METHODS']Price Transform['AVGPRICE', 'MEDPRICE', 'TYPPRICE', 'WCLPRICE']Statistic Functions['BETA', 'CORREL', 'LINEARREG', 'LINEARREG_ANGLE', 'LINEARREG_INTERCEPT', 'LINEARREG_SLOPE', 'STDDEV', 'TSF', 'VAR']Volatility Indicators['ATR', 'NATR', 'TRANGE']Volume Indicators['AD', 'ADOSC', 'OBV']
首先要说明的一点是：talib的使用需要用的库包括，numpy和talib
根据目前的情况，我们还是先学习成交量指标。后期分模块介绍其他模块。
Volume Indicators['AD', 'ADOSC', 'OBV']
1.AD函数
名称为Accumulation/Distribution line（累积/派发线条）是Marc chaikin提出的一种平衡交易量化指标，以当日的收盘价价位来估算成交量。
计算公式：
多空对比=[（收盘价-最低价）-（最高价-收盘价）]/（最高价-最低价）
如果最高价等于最低价：
多空对比=（收盘价/昨天收盘价）-1
说明：K线的波动在我理解里就是多空力量的对比，所以我觉得Marc chaikin的公式不是没有道理。收盘价-最低价等价于全天的多方力量，而最高价-收盘价相当于空方力量。而最高价和最低价之前的空间就是多空双方的博弈空间。说到这里有些人可能就问了，K线的波动犬牙交错，这个公式是否过滤了太多可能重要的信息。首先我们知道所有的数学都是为了近可能得接近真实，也只能将真相圈禁在尽量小的范围内。而且对于一天的交易K线来说总会用几个关键点来替代，这些点即是开、收、最低和最高。而最高价与最低价相等说明K线是一个横线，所以多空双方力量的对比就是1：1，这显然不合理，对这种情况采用收盘价对比来表示。
通过上述分析，我们大概已经理解了AD的背后含义，故：
如果AD指数向上，那么多方占优势、如果AD指数向下那么就是空方为主
当然AD只是指数，如果价格与AD指数背离，就是买卖信号
但是对于跳空现象，AD指数是不明显的。可能今天涨停然后你用AD指数发现AD向上，你买入，后期跌的话AD就变为尖锐的顶部。我们分析数据其实要以平滑的线条作为研究对象，对突变的情况的预测要避免。
使用方式
real=AD（high，low，close，volume）
2.ADOSC函数
名称：Chaikin A/D Oscillator chaikin震荡指标，将资金流动情况与价格行为相对比，检测市场中资金流入和流出的情况。
计算公式：
fastperiod A/D - slowperiod A/D
理解：我们注意到这里的ADOSC和上述的AD指数并没有什么过多的差别，只是加入了时间窗口。这也说明ADOSC具有时间的延迟特点，通过快速和慢速两个时间窗口的曲线波动可以对潜在的机会进行预测。对于快速AD显然会波动比较快，而慢速AD会比较延迟。相对来说我觉得这个指标会有金死拆的存在。金钗可能是多方占优，死钗则是空方力量。
研判：
交易信号是背离，看涨背离做多，看跌背离做空
股价和90天移动平均线结合与其他指标结合
由正变负卖出，由负变正买进
real=ADOSC(hight，low，close，volume，fastperiod=3，slowperiod=10)
3.OBV函数
On Balance Volume能量潮，是Joe Granville提出。通过统计成交量的趋势推测股价趋势的指标。
计算公式：以某日为基期，逐日累积每日上市股票总成交量，若隔日指数或股票上涨或者股票下跌，则基期OBV减去本日成交量为本日OBV
研判：
1.以‘N’字形为波动单位，一浪高于一浪称之为‘上升潮’，下跌称为‘跌潮’，对应买入和卖出
2.必须配合K线图
3.使用多空比率净额进行修正
计算公式：
多空比率净额= [（收盘价－最低价）－（最高价-收盘价）] ÷（ 最高价－最低价）×成交量 real=OBV（close，volume）
通过代码实现，发现后两者效果还可以，AD有点太水了。