2026A股技术指标API完全指南：MACD/KDJ/RSI/BOLL/BIAS/WR/CCI 参数与字段全释义（Python可运行）

原创

用户7273352

修改于 2026-10-27 14:51:32

1170

一句话结论：StockAPI 把 9 类技术指标做成了独立接口，入参几乎一致（**code** + startDate + endDate + calculationCycle**），只是周期参数不同。你不需要自己实现任何公式，只要记住"哪个接口对应哪个字段名"，20 行代码就能把 7 个指标拼成一张宽表。关键坑只有一个：指标值是字符串，必须先转数值**。

数据来源

本文的行情数据来自 StockAPI 的公开 HTTP 接口（官方文档共 84 个接口，覆盖行情、技术指标、股池、资金流、游资、实时与回测）。调用方式统一：GET 请求、URL 参数 token 鉴权、返回 JSON，成功标识为 code=20000 与 msg=success；行情、指标、股池类接口限频多为 40 次/秒，交易日 15:30 后陆续更新。下文出现的接口地址、字段名、限频数值与更新时间，均按该文档原文引用，未作改写。

核心要点

指标	路径标识	特有参数	返回字段	默认周期
MACD	`macd2`	`cycle` `longCycle` `shortCycle`	`DIFF` `DEA` `MACD`	9 / 26 / 12
KDJ	`kdj2`	`cycle` `cycle1` `cycle2`	`k` `d` `j`	9 / 3 / 3
RSI	`rsi2`	`cycle1` `cycle2` `cycle3`	`rsi1` `rsi2` `rsi3`	6 / 12 / 24
BOLL	`boll2`	`bandwidth` `cycle`	`UPPER` `MID` `LOWER`	2 / 26
BIAS	`bias2`	`cycle1` `cycle2` `cycle3`	`bias1` `bias2` `bias3`	6 / 12 / 24
WR	`wr2`	`cycle1` `cycle2`	`wr1` `wr2`	10 / 6
CCI	`cci2`	`cycle`	`cci`	14
MA	`ma2`	`ma`（逗号分隔）	`ma5` `ma10` `ma20`…	自定义
神奇九转	`nineTurn`	`date`（单日）	`lowNine` `highNine`	—

公共参数：code（股票/板块/概念）、startDate、endDate、calculationCycle（100 日 / 101 周 / 102 月）。全部 GET，限频 40 次/秒。

先建一个统一的取数骨架

所有指标接口的调用方式完全一样，唯一差别是路径和特有参数。所以先写两个函数，后面每个指标只需改一行。

# pip install requests pandas
import os

import pandas as pd
import requests

TOKEN = os.getenv("STOCKAPI_TOKEN", "你的token")
BASE = "https://www.stockapi.com.cn"


def call(path: str, **params):
    params["token"] = TOKEN
    r = requests.get(BASE + path, params=params, timeout=15).json()
    if r.get("code") != 20000:
        raise RuntimeError(f"{r.get('code')} {r.get('msg')}")
    return r["data"]


def indicator(path: str, code: str, start: str, end: str,
              cycle_type: str = "100", **extra) -> pd.DataFrame:
    """取任意指标，统一转成 date 索引的数值表。"""
    data = call(path, code=code, startDate=start, endDate=end,
                calculationCycle=cycle_type, **extra)
    df = pd.DataFrame(data) if isinstance(data, list) else pd.DataFrame(data)

    if "date" in df.columns:
        df["date"] = pd.to_datetime(df["date"])
        df = df.set_index("date").sort_index()
    df = df.drop(columns=[c for c in ("api_code",) if c in df.columns])

    return df.apply(pd.to_numeric, errors="coerce")   # 关键：字符串转数值

df.apply(pd.to_numeric, errors="coerce") 这一行是整个骨架里最重要的。指标接口返回的 "k": "74.026411185765" 是字符串，不转数值的话 df["k"] > 70 会按字典序比较，"9" > "70" 结果为真——这类错误不报异常，只会让你得出相反的结论。

MACD：接口返回的是三个成品字段

macd = indicator("/v1/quota/macd2", "600004", "2025-10-01", "2026-10-27",
                 cycle="9", longCycle="26", shortCycle="12")
print(macd.tail())

字段	含义	怎么用
`DIFF`	快线（12EMA − 26EMA）	与 DEA 交叉形成金叉/死叉
`DEA`	慢线（DIFF 的 9 日 EMA）	作为信号线
`MACD`	柱状值（通常为 2×(DIFF−DEA)）	柱体由负转正是动能反转信号

不用自己算的最大好处是口径一致。自己实现时 EMA 的初始值处理方式不同，会导致前几十根 K 线的值有偏移，于是出现"我这边金叉、软件里还没金叉"的尴尬。

macd["golden"] = (macd["DIFF"] > macd["DEA"]) & (macd["DIFF"].shift() <= macd["DEA"].shift())
print(macd[macd["golden"]].tail(5))

KDJ：注意 `k` `d` `j` 三者的关系

kdj = indicator("/v1/quota/kdj2", "600004", "2025-10-01", "2026-10-27",
                cycle="9", cycle1="3", cycle2="3")

字段	含义	常见阈值
`k`	随机指标快线	< 20 超卖，> 80 超买
`d`	慢线	与 k 交叉产生信号
`j`	3K − 2D 的放大值	波动最大，> 100 或 < 0 表示极端

j 值会突破 0 和 100 的边界，这是它的设计特性（3K−2D），不是异常值。很多人误以为 j 出了 bug，其实这是正常的超买超卖放大。

kdj["low_turn"] = (kdj["k"] > kdj["d"]) & (kdj["k"].shift() <= kdj["d"].shift()) & (kdj["d"] < 30)

RSI：三周期共振比单周期可靠

rsi = indicator("/v1/quota/rsi2", "600004", "2025-10-01", "2026-10-27",
                cycle1="6", cycle2="12", cycle3="24")

rsi1（6日）最灵敏，rsi2（12日）中性，rsi3（24日）最稳。三线同时低于 30 是较强的超卖信号，单线低于 30 意义有限——短周期 RSI 在震荡市里会反复穿越 30。

BOLL：`UPPER` / `MID` / `LOWER` 的正确读法

boll = indicator("/v1/quota/boll2", "600004", "2025-10-01", "2026-10-27",
                 bandwidth="2", cycle="26")

字段	含义	注意
`MID`	26 日中轨（通常是 MA26）	不是 MA20，别按习惯填
`UPPER`	上轨 = MID + 2×标准差	`bandwidth=2` 即 2 倍标准差
`LOWER`	下轨 = MID − 2×标准差	—

关键细节：cycle 默认 26，而很多人习惯用 20。想用 MA20 口径就要显式传 cycle="20"，否则和看盘软件对不上。

boll["bandwidth_pct"] = (boll["UPPER"] - boll["LOWER"]) / boll["MID"]
squeeze = boll["bandwidth_pct"] < boll["bandwidth_pct"].rolling(60).quantile(0.2)
print(f"当前是否处于布林收口（近60日最窄20%）：{bool(squeeze.iloc[-1])}")

布林带宽（bandwidth） 是上下轨之差除以中轨，用来衡量波动率。带宽收缩到历史低位（俗称"收口"）通常预示方向选择，这是 BOLL 最有价值的用法，比"触上轨就卖"实用得多。

BIAS / WR / CCI：三个反向指标

bias = indicator("/v1/quota/bias2", "600004", "2025-10-01", "2026-10-27",
                 cycle1="6", cycle2="12", cycle3="24")
wr = indicator("/v1/quota/wr2", "600004", "2025-10-01", "2026-10-27",
               cycle1="10", cycle2="6")
cci = indicator("/v1/quota/cci2", "600004", "2025-10-01", "2026-10-27", cycle="14")

指标	字段	方向	极值参考
BIAS 乖离率	`bias1` `bias2` `bias3`	正值过大 = 偏离均线太远	±5%（6日）、±10%（24日）
WR 威廉指标	`wr1` `wr2`	数值越小越强（0–100，反向）	< 20 超买，> 80 超卖
CCI 顺势指标	`cci`	突破 ±100 为趋势信号	100 强势，< −100 弱势

WR 最容易被误读：它和 KDJ 的 RSI 方向相反——WR 接近 0 表示价格在区间高位，接近 100 表示在低位。如果你按"低于 20 就买"的直觉操作，会完全做反。

MA：参数是逗号分隔的字符串

ma = indicator("/v1/quota/ma2", "600004", "2025-10-01", "2026-10-27",
               ma="5,10,20,60")
print(ma.columns.tolist())   # ['ma5', 'ma10', 'ma20', 'ma60']

两个注意点：

ma 的文档类型标为 int，但实际必须传字符串 "5,10,20"，且分隔符必须是英文逗号（中文逗号会解析失败）。
MA 接口的返回是列式（ma5、date 各是数组），而 BOLL/BIAS 是行式。上面的 indicator() 已经兼容两种，但如果你自己写解析，这里会踩坑。

神奇九转：唯一按"单日"取数的指标

nine = pd.DataFrame(call("/v1/quota/nineTurn", code="600004",
                         date="2026-10-27", calculationCycle="100"))
print(nine[["date", "lowNine", "highNine"]])

神奇九转（TD Sequential 的简化版） 是判断趋势衰竭的计数指标。接口直接返回两个布尔标记：

字段	值	含义
`lowNine`	1	出现低位九转，下跌动能可能衰竭
`highNine`	1	出现高位九转，上涨动能可能衰竭

它不入参 startDate/endDate，只接受单日 date，所以批量取要循环。这也是它和其余指标最大的结构差异。

拼成一张宽表：七指标共振筛选

def build_panel(code: str, start: str, end: str) -> pd.DataFrame:
    args = dict(code=code, start=start, end=end, cycle_type="100")
    frames = {
        "macd": indicator("/v1/quota/macd2", cycle="9", longCycle="26",
                          shortCycle="12", **args),
        "kdj": indicator("/v1/quota/kdj2", cycle="9", cycle1="3",
                         cycle2="3", **args),
        "rsi": indicator("/v1/quota/rsi2", cycle1="6", cycle2="12",
                         cycle3="24", **args),
        "boll": indicator("/v1/quota/boll2", bandwidth="2", cycle="26", **args),
    }
    panel = pd.concat(frames, axis=1)      # 多级列名
    panel.columns = ["_".join(c).strip("_") for c in panel.columns]
    return panel.dropna(how="all")


panel = build_panel("600004", "2025-10-01", "2026-10-27")

# 共振条件：MACD 金叉 + KDJ 低位金叉 + RSI 未超买 + 价格不破布林中轨
panel["sig"] = (
    (panel["macd_DIFF"] > panel["macd_DEA"])
    & (panel["macd_DIFF"].shift() <= panel["macd_DEA"].shift())
    & (panel["kdj_k"] > panel["kdj_d"])
    & (panel["kdj_d"] < 40)
    & (panel["rsi_rsi1"] < 65)
)
print(panel[panel["sig"]].tail(8))

常见问题

指标接口支持周线和月线吗？

支持。calculationCycle 传 101 取周线指标、102 取月线指标，100 是日线。同一套参数，改一个值就切换周期，不需要另外的接口。

板块和概念也能算指标吗？

能。code 支持板块代码（如 BK0733）和概念，文档明确写"可传股票、板块、概念代码"。这意味着行业轮动的技术面判断不需要自己合成。

为什么算出来的 MACD 和软件差一点点？

三个可能：① 复权口径（接口是前复权，软件可能后复权）；② 起始日期太短，EMA 还没收敛（建议至少取 120 个交易日）；③ 数据精度截断，指标值返回的是长小数，软件可能只保留 2 位。

指标值是字符串还是数字？

字符串。文档示例明确是 "k": "74.026411185765" 这种带引号的形式。必须 pd.to_numeric 转换后再做比较和运算。

一次能取多长时间范围？

接口接受 startDate/endDate，没有明确上限，但返回体大小会随范围增长。建议单次不超过 3 年，需要更长历史就分段拉取后拼接。

一句话收尾

技术指标的接口化，省掉的不是那几十行公式，而是口径对齐的成本。当你看到的 k、d、j 和看盘软件完全一致时，讨论"这个金叉该不该进"才有意义。先把 7 个指标拼成一张宽表，再谈策略——这一步没有捷径，但有模板。

本文全部参数、默认值、返回字段整理自 StockAPI 公开接口文档；指标与日期（100/101/102）及限频 40 次/秒同文档标注。代码基于 Python 3.10 + pandas 2.x，替换 token 即可运行。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

api设计

量化

金融资源聚合平台