今天終於要來介紹加速度指標，這個指標的用處，在於可以篩選出「止跌回升」或「加速往上漲」的股票，經過回測驗證是有效的。搭配其他指標，可以獲得約20％的年報酬率。接下來我們就來用 python 實做它吧！
這個 blog 會永久推出免費的教學，讓大家可以免費的學習 python 又賺錢，學習程式語言是很多人憧憬的目標，但是常常會有學了不知道拿來做什麼？要是寫程式不只能在工作上增加效率，還能幫你挑股票賺錢，那還有什麼理由不學習呢？
我喜歡寫程式，也希望可以做出很好的工具，幫助到大家，帶著這個初衷，我創立了finlab 並且持續到了現在（不過中間因為博士班論文所以暫停了一段時間）。與其販賣選股軟體，我們分享代碼，讓大家自己零成本 DIY，假如想要支持我們，可以考慮我們的影音課程，獲得完整的 python 選股知識跟大量實用代碼。
好了廢話不多說，開始今天的 python 程式碼吧！
製作時間序列
首先我們必須先做出時間序列，時間序列其實就是一條條股價隨時間的變化圖，有點像是K線圖，我們習慣將這些資料整理成以下的樣貌：
要如何獲得此資料結構呢？
- 假如您沒有購買課程的話，可以參考這篇文章來免費獲得時間序列資料，調整當中的參數，獲得至少200天的收盤價喔！
- 假如您已經有課程中的代碼，就變得很簡單，只需要：
from finlab.data import Data
data = Data()
close = data.get('收盤價', 200)就可以獲得兩百天內的所有上市股價資料。
在這個階段完成後，我們會有一個 close 的 variable，裡面的資料結構就如上圖一樣，是一個 dataframe 而其中就是一條條時間序列，每一檔股票的收盤價。
撰寫加速度指標
加速度指標的原理，可以參考
簡單來說，加速度指標，其實就是看均線的曲率是正負，來決定是否買賣，但是由於股價的雜訊太大了，與其用微分的，我們提供一個比較簡單的方式，來判斷曲率的正負：
(n天前 + 當天)/2 > n/2天前 的k天均線
我們把以上這個判斷式寫成代碼：
close60 = close.rolling(60, min_periods=10).mean()
def rising_curve(n):
return (close60.iloc[-n] + close60.iloc[-1]) / 2 > close60.iloc[-int((n+1)/2)]
以上的代碼中，第一行，我們創建了close60這個variable，裡面的資料就是每檔股票60天的均線的數值。
接下來，在第三行中，我們定義了一個function叫做rising_curve，來判斷條件是否符合，
第四行，就是最重要的判斷式：
其中我們只用到了iloc(k)這個method，這個method是將close60中第k條row給拿出來的意思。而k可以是正的，代表從dataframe的第0條row開始數，也可以是負的，代表從 dataframe的最後一條row倒著數。
試用看看
接下來我們就可以呼叫這個rising_curve，來看哪些股票符合這個條件：
rising_curve(10)
代表哪些檔股票符合條件，而哪些不符合條件。
組裝策略
接下來就到了多個策略組合的時候了，前一篇文章有說過，必須要用多次的rising_curve來判斷不同週期下，是否都是符合條件！
rising = (
rising_curve(5) &
rising_curve(10) &
rising_curve(20) &
rising_curve(60) &
rising_curve(30) &
rising_curve(40) &
rising_curve(50) &
(close.iloc[-1] > close60.iloc[-1])
)
print(rising[rising])以上，第2～9行，我們將所有的條件做交集（&），代表必須要全部的條件都符合，才能被選入清單，我們以非常嚴苛的方式，來判斷股價的曲率。
最後一行，我們使用rising[rising]，這個意思是，從rising這條序列中，選取rising為 True的股票，忽略False的股票。
選股個股概覽
我們將選出來的股票畫出來，來瞭解這些股票的特性，下圖中，黃色的為股價，而藍色的為均線，我們可以發現這些股票的特性，就是均線會呈現圓弧型：
可以看到大部分都是抓出止跌回漲的股票居多，加速度指標可以抓出兩種股票：
- 止跌
- 起漲
至於要更細部的設定，就留給各位看官來實做了。
假如將以上代碼的不等式反過來用，也可以抓出股票的賣點，進而抓出止漲的股票，我發現加速度指標拿來抓賣點，搭配一些技術指標效果非常好，可以試試看！
今天的重點整理
- 加速度指標實做
- 利用「iloc」選取特定的row
- 利用「&」來做條件交集，篩選股票
