4. 技术指标因子（下）：布林带、KDJ、OBV
好，咱们接着聊技术指标因子。上一节讲了均线和MACD，这一节我把剩下的三个常用指标——布林带、KDJ和OBV——一次性讲透。
这三个指标各有各的脾气。布林带告诉你价格是否“出轨”，KDJ帮你抓短期拐点，OBV则反映资金的态度。我个人习惯把它们组合起来用，效果比单打独斗好得多。
4.1 布林带（Bollinger Bands）
布林带这东西，说白了就是给价格画了个“通道”。中间是一条均线，上下两条线是均线加减两倍标准差。价格在通道里晃悠，一旦冲出上下轨，往往意味着行情要变。
核心逻辑：布林带收窄时，说明市场在蓄力；布林带张口时，趋势可能加速。
我在项目中遇到过这样的情况：某只股票布林带收得特别窄，像被压紧的弹簧。我当时判断可能要变盘，结果第二天直接跳空高开，布林带瞬间张开。嗯，这就是典型的“缩口-张口”形态。
4.1.1 布林带的Python实现
import pandas as pd
import numpy as np
def bollinger_bands(df, window=20, num_std=2):
"""
计算布林带
df: 包含'close'列的DataFrame
window: 均线周期，默认20
num_std: 标准差倍数，默认2
"""
df = df.copy()
df['MA'] = df['close'].rolling(window=window).mean()
df['STD'] = df['close'].rolling(window=window).std()
df['Upper'] = df['MA'] + num_std * df['STD']
df['Lower'] = df['MA'] - num_std * df['STD']
df['Bandwidth'] = (df['Upper'] - df['Lower']) / df['MA'] # 带宽指标
return df
# 示例用法
# df = bollinger_bands(data)
# 当收盘价突破上轨，可能是超买信号
# 当收盘价跌破下轨，可能是超卖信号我的小技巧：布林带的带宽（Bandwidth）是个被很多人忽略的好指标。带宽小于0.1时，往往意味着变盘在即。我曾经用这个指标提前捕捉到过几次大行情。
4.2 随机指标（KDJ）
KDJ，也叫随机指标。它跟RSI有点像，都是判断超买超卖的。但KDJ更灵敏，尤其适合震荡行情。
KDJ有三条线：K线、D线和J线。K线是快线，D线是慢线，J线是K线和D线的差值放大版。你想想看，当J线冲到100以上，基本就是超买区了；跌到0以下，那就是超卖区。
4.2.1 KDJ的计算步骤
- 计算RSV值（未成熟随机值）
- 用RSV计算K值（K = 2/3 * 前K + 1/3 * RSV）
- 用K值计算D值（D = 2/3 * 前D + 1/3 * K）
- 计算J值（J = 3 * K - 2 * D）
def kdj(df, n=9, m1=3, m2=3):
"""
计算KDJ指标
n: RSV计算周期，默认9
m1: K值平滑参数，默认3
m2: D值平滑参数，默认3
"""
df = df.copy()
low_n = df['low'].rolling(window=n).min()
high_n = df['high'].rolling(window=n).max()
# RSV = (收盘价 - 最低价) / (最高价 - 最低价) * 100
rsv = (df['close'] - low_n) / (high_n - low_n) * 100
# 初始化K、D值
k = pd.Series(50.0, index=df.index)
d = pd.Series(50.0, index=df.index)
for i in range(n, len(df)):
k.iloc[i] = (2/3) * k.iloc[i-1] + (1/3) * rsv.iloc[i]
d.iloc[i] = (2/3) * d.iloc[i-1] + (1/3) * k.iloc[i]
df['K'] = k
df['D'] = d
df['J'] = 3 * k - 2 * d
return df
# 使用建议：
# K线向上突破D线 → 金叉，买入信号
# K线向下跌破D线 → 死叉，卖出信号避坑指南：我曾经在单边上涨行情里死磕KDJ的金叉死叉，结果被反复打脸。记住，KDJ在震荡市里好用，但在强趋势行情里容易失效。别问我怎么知道的...
4.3 成交量指标（OBV）
OBV，全称是On-Balance Volume，中文叫能量潮。它把成交量和价格结合起来，看资金到底是在流入还是流出。
逻辑很简单：如果今天收盘价比昨天高，就把今天的成交量加到OBV上；如果跌了，就减掉。OBV上升，说明资金在流入；OBV下降，说明资金在流出。
4.3.1 OBV的Python实现
def obv(df):
"""
计算OBV指标
df: 包含'close'和'volume'列的DataFrame
"""
df = df.copy()
df['OBV'] = 0
# 第一天OBV设为0
obv_values = [0]
for i in range(1, len(df)):
if df['close'].iloc[i] > df['close'].iloc[i-1]:
obv_values.append(obv_values[-1] + df['volume'].iloc[i])
elif df['close'].iloc[i] < df['close'].iloc[i-1]:
obv_values.append(obv_values[-1] - df['volume'].iloc[i])
else:
obv_values.append(obv_values[-1])
df['OBV'] = obv_values
# 计算OBV的移动平均线，用于判断趋势
df['OBV_MA'] = df['OBV'].rolling(window=20).mean()
return df
# 实战用法：
# OBV创新高，但价格没创新高 → 量价背离，可能上涨
# OBV创新低，但价格没创新低 → 量价背离，可能下跌我的经验：OBV最妙的地方在于判断“量价背离”。我记得有一次，某只股票价格横盘不动，但OBV却在悄悄往上走。我当时就觉得不对劲，果然一周后股价开始拉升。说白了，OBV就是资金的“脚印”。
4.4 三个指标的组合使用
单独用任何一个指标，都容易出错。我习惯把布林带、KDJ和OBV组合起来看，形成一套完整的判断体系。
| 指标组合 | 买入信号 | 卖出信号 |
|---|---|---|
| 布林带 + KDJ | 价格触及下轨 + KDJ金叉 | 价格触及上轨 + KDJ死叉 |
| 布林带 + OBV | 价格在下轨 + OBV上升 | 价格在上轨 + OBV下降 |
| KDJ + OBV | KDJ金叉 + OBV创新高 | KDJ死叉 + OBV创新低 |
你想想看，当布林带下轨、KDJ金叉和OBV上升三个信号同时出现时，胜率是不是高了很多？这就是多因子择时的核心思想——用多个维度去验证同一个判断。
4.5 本章知识体系
下面这张图，是我自己梳理的本章知识结构。你看一眼，就能明白这三个指标之间的关系。
好了，技术指标因子这部分就讲完了。布林带、KDJ和OBV这三个指标，你可以在自己的策略里试试看。记住，没有万能的指标，只有合理的组合。多试试，多总结，慢慢就能找到适合自己的那套打法。