将 linreg 函数从 pinescript 转换为 Python？

我正在尝试将 TradingView 指标转换为 Python（也使用 pandas 来存储其结果）。

这是我想要转换为 python 指标的指标公共代码：

https://www.tradingview.com/script/sU9molfV/ https://www.tradingview.com/script/sU9molfV/

我一直在创建松树脚本linereg默认功能。

这是我遇到问题的 pinescript 指标的片段：

lrc = linreg(src, length, 0)
lrc1 = linreg(src,length,1)
lrs = (lrc-lrc1)
TSF = linreg(src, length, 0)+lrs

这是它的文档：

线性回归曲线。最适合指定价格的线路 在用户定义的时间段内。它是用最少的来计算的 平方法。该函数的结果是使用以下公式计算的 公式：linreg = 截距 + 斜率 * (长度 - 1 - 偏移量)，其中 长度是 y 参数，偏移量是 z 参数，截距和 斜率是用最小二乘法计算的值 源系列（x 参数）。 linreg(源、长度、偏移量) → 系列[浮动]

Source:

https://www.tradingview.com/pine-script-reference/#fun_linreg https://www.tradingview.com/pine-script-reference/#fun_linreg

我找到了这个 mql4 代码，并尝试逐步遵循它以对其进行转换，最后在 Python 中创建一个函数 linreg，以便进一步使用它来构建 pine 脚本指标：

https://www.mql5.com/en/code/8016 https://www.mql5.com/en/code/8016

到目前为止，这是我的代码：

# calculate linear regression:
# https://www.mql5.com/en/code/8016
barsToCount = 14
# sumy+=Close[i];
df['sumy'] = df['Close'].rolling(window=barsToCount).mean()

# sumxy+=Close[i]*i;
tmp = []
sumxy_lst = []
for window in df['Close'].rolling(window=barsToCount):
    for index in range(len(window)):
        tmp.append(window[index] * index)
    sumxy_lst.append(sum(tmp))
    del tmp[:]
df.loc[:,'sumxy'] = sumxy_lst
# sumx+=i;
sumx = 0
for i in range(barsToCount):
    sumx += i
# sumx2+=i*i;
sumx2 = 0
for i in range(barsToCount):
    sumx2 += i * i
# c=sumx2*barsToCount-sumx*sumx;
c = sumx2*barsToCount - sumx*sumx
# Line equation:
# b=(sumxy*barsToCount-sumx*sumy)/c;
df['b'] = ((df['sumxy']*barsToCount)-(sumx*df['sumy']))/c
# a=(sumy-sumx*b)/barsToCount;
df['a'] = (df['sumy']-sumx*df['b'])/barsToCount
# Linear regression line in buffer:
df['LR_line'] = 0.0
for x in range(barsToCount):
    # LR_line[x]=a+b*x;
    df['LR_line'].iloc[x] = df['a'].iloc[x] + df['b'].iloc[x] * x
    # print(x, df['a'].iloc[x], df['b'].iloc[x], df['b'].iloc[x]*x)
print(df.tail(50))
print(list(df))

这不起作用。

知道如何创建类似的 pine 脚本吗linereg麻烦把函数转成python可以吗？

先感谢您！

我使用 talib 计算收盘价的斜率和截距，然后意识到 talib 也提供了完整的计算。结果看起来与 TradingView 相同（只是目测）。

在 jupyterlab 中做了以下操作：

import pandas as pd
import numpy as np
import talib as tl
from pandas_datareader import data
%run "../../plt_setup.py"

asset = data.DataReader('^AXJO', 'yahoo', start='1/1/2015')

n = 270
(asset
 .assign(linreg = tl.LINEARREG(asset.Close, n))
 [['Close', 'linreg']]
 .dropna()
 .loc['2019-01-01':]
 .plot()
);