Python实现时间序列动量策略:波动率标准化让量化交易收益更平稳
时间序列动量策略(Time-Series Momentum, TSMOM)作为量化交易领域中最为持久且被深入研究的策略类型之一,其核心理念相对简明:对于显示上升趋势的资产建立多头头寸,对于呈现下降趋势的资产建立空头头寸。尽管历史数据表明此类策略具有盈利性,但传统TSMOM策略存在一个显著缺陷:风险敞口的不稳定性,这种特性往往导致投资者面临较为波动的收益体验。波动率调整技术作为一种高级的策略优化方....
【Python】如何判断时间序列数据是否为平稳时间序列或非平稳时间序列?
判断时间序列数据是否为平稳时间序列或非平稳时间序列,通常可以通过以下方法: (1)观察时间序列数据的均值和方差是否随时间变化而发生明显的改变。若均值和方差变化明显,则该时间序列数据可能为非平稳时间序列,反之,则可能为平稳时间序列。 (2)对时间序列数据进行差分后,再对数据通过ADF单位根检验或KPSS检验,如果数据平稳,则该时间序列数据可能为非平稳时间序列,反之,则可能为平稳时间序列。 ...
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(下)
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(上):https://developer.aliyun.com/article/1498624 滚动窗口平滑和移动平均 pandas.DataFrame.rolling 让我们将数据拆分为...
Python时间序列分析苹果股票数据:分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化(上)
全文链接:https://tecdat.cn/?p=33550 时间序列是一系列按时间顺序排列的观测数据。数据序列可以是等间隔的,具有特定频率,也可以是不规则间隔的,比如电话通话记录(点击文末“阅读原文”获取完整代码数据)。 什么是时间序列? 在进行投资和交易研究时,对于时间序列数据及其操作要有专业的理解。本文将重点介绍如何使用Python和Panda...
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
Python时间序列相关内容
Python您可能感兴趣
- Python台风
- Python用户行为
- Python操作指南
- Python气象
- Python智能推荐
- Python电子商务
- Python配置管理
- Python头条
- Python会话
- Python评论区
- Python是用
- Python codec
- Python方包
- Python__name__
- Python sql语句
- Python attribute
- Python引擎
- Python剑指offer
- Python tree
- Python商品详情
- Python ipc
- Python aes
- Python xss
- Python金融交易
- Python车牌
- Python守护
- Python__main__
- Python position
- Python清新
- Python贪心算法