Python 实现股票指标计算——BRAR

BRAR - 情绪指标

1 公式

AR = (N日内（最高价－开盘价）之和 ➗ N日内（开盘价－最低价）之和) ✖ 100

BR = (N日内（最高价－前一日收盘价）大于0之和 ➗ N日内（前一日收盘价－最低价）大于0之和) ✖ 100

N一般取26

2 数据准备

我们以科创50指数 000688 为例，指数开始日期为2019-12-31，数据格式如下：

3 计算过程

def calculate_brar(df: pd.DataFrame, N=26) -> pd.DataFrame:
    '''
    计算AR (人气线) 和 BR (买卖意愿比率), 技术分析指标，用于评估市场情绪和力量。

    参数:
    df (pd.DataFrame): 包含至少'high', 'low', 'open', 'close'列的DataFrame，
                       分别代表最高价、最低价、开盘价和收盘价。
    N (int): 用于计算AR和BR的周期数，通常为26。

    返回:
    pd.DataFrame: 包含AR和BR值的DataFrame。
    '''

    # 创建一个df的副本以避免修改原始数据
    data = df.copy()

    # 计算AR (人气线)
    # AR计算公式：((HIGH - OPEN) / (OPEN - LOW)) * 100 的N期总和
    ar = ((data['high'] - data['open']).rolling(N, min_periods=1).sum() /
          (data['open'] - data['low']).rolling(N, min_periods=1).sum()) * 100
    data['ar'] = ar

    # 计算BR (买卖意愿比率)
    # 首先，计算(HIGH - REF(CLOSE, 1))，如果小于0则设为0
    high_ref_close = data['high'] - data['close'].shift(1)
    high_ref_close = high_ref_close.where(high_ref_close > 0, 0)

    # 然后，计算(REF(CLOSE, 1) - LOW)，如果小于0则设为0
    ref_close_low = data['close'].shift(1) - data['low']
    ref_close_low = ref_close_low.where(ref_close_low > 0, 0)

    # 计算上面两个值的N期滚动求和
    sum_high_ref_close = high_ref_close.rolling(window=N, min_periods=1).sum()
    sum_ref_close_low = ref_close_low.rolling(window=N, min_periods=1).sum()

    # 最后，计算BR：(SUM(HIGH - REF(CLOSE, 1))) / (SUM(REF(CLOSE, 1) - LOW)) * 100
    br = sum_high_ref_close / sum_ref_close_low * 100

    data['br'] = br

    # 返回包含AR和BR指标的新DataFrame
    return data

4 注意事项

计算结果与东方财富软件中一致

雪球无此指标

5 参考内容

Python 实现 BRAR 指标计算（情绪指标）：股票技术分析的利器系列（11）_python brar 公式-CSDN博客