探究通达信指标转 QMT 的三大利器，谁更精准？

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：常用于将通达信指标转换为 QMT 的 Python 库有 talib、MyTT 以及 fengwo。这三个库的功能均极为强大，通常的通达信指标均能够被翻译成 QMT。针对这三个库的详尽介绍，网络上数量众多，可自行进行查阅。本文借助实例，对这三个库翻译出的指标进行对比，看哪一个更为准确。

我们以常用的RSI指标为例，计算24日RSI的值。下面上代码：

#encoding:gbk#导入三个库，没有的先自行pip安装import talib as tlimport MyTT as mtimport fengwo as fw
def init(C):    #设置股票    stock = '510300.SH'    #设置获取行情的开始时间    start_time = '20230101'    #设置获取行情的结束时间    end_time = '20240902'    #下载行情    download_history_data(stock,"1d","20240101","")     #获取行情    data = C.get_market_data_ex(fields=['open','high','low','close'],stock_code=[stock],period='1d',start_time=start_time,end_time=end_time,count=-1,dividend_type='front',fill_data=True,subscribe=True)    #获取开高低收数据    open = data[stock]['open'].values    high = data[stock]['high'].values    low = data[stock]['low'].values    close = data[stock]['close'].values    #三个库依次获取RSI的数值    t_RSI = tl.RSI(close,timeperiod=24)    m_RSI = mt.RSI(close,N=24)    f_RSI = fw.RSI(close,N1=6,N2=12,N3=24)    #打印    print('talib的RSV值：',t_RSI[-1],'\nMyTT的RSV值：',m_RSI[-1],'\nfengwo的RSV值:',f_RSI[2][-1])

返回的结果：

可以看出，数据很接近，其中MyTT保留了3位小数。talib和fengwo保留了10位以上小数。如果保留三位小数的话，三者都是38.644。那么实际情况呢？我查看了一下同花顺和通达信的数据。

同花顺：38.64

通达信：38.644。

看来talib、MyTT和fengwo计算的都是准确的。

这里要提醒一下，在下载和获取数据的时候，一定要多获取一些，获取得越多越准确。

本文内容仅仅是技术探讨和学习，并不构成任何投资建议。

转发请注明原作者和出处。