Python 金融量化 随机指标交易策略(下)
5. 计算K、D指标值5.1 K值、D值指标概述K值由前一日的K值和当期RSV值经过一定权重调整后相加得到,一般来说,K值的计算为:此外,在计算第一期K和D值时,如果没有指定,则K值和D值都默认取值为50。在K值和D值的求解过程中,平滑权重2/3和1/3是较为常用的权重,这两个权重也可以根据股价走势的特点进行适当修改。 (通过递归和迭代,我们可以发现K值是由未成熟随机指标RSV通过指数移动平均而....

Python 金融量化 随机指标交易策略(上)
目录 1.随机指标概述2.随机指标原理3.获取数据4. 计算RSV5. 计算K、D指标值5.1 K值、D值指标概述5.2 计算代码6.计算J值7.绘制KDJ线8. KDJ交易策略1.随机指标概述随机指标(KDJ)又称为随机指数(The Random Index),是一种用来分析市场中超买或者超卖现象的指标。它最早应用于期货市场,后来在股票市场中被众多投资者广泛使用。 KDJ最基础的交易思想建立.....

Python 金融量化 RSI相对强弱指标
目录 1. 定义获取数据函数2. RSI基本概述3. python编写Rsi函数4. python编写Rsi绘图函数5. 调用以上函数6.RSI指标判断股票超买和超卖状态7. RSI的“黄金交叉”与“死亡交叉”8. 细节改进1. 定义获取数据函数第一步,我们照常从tushare获取数import tushare as ts import pandas as pd token = 'Your t.....

Python 金融量化 道路突破策略(唐奇安道路突破策略&布林带通道及其市场风险)
目录 获取数据1.通道突破简介2.唐奇安通道(Donchian Channel)2.1 唐奇安通道刻画2.2 在K线图中绘制唐奇安上下通道线2.3 Python捕捉唐奇安通道突破2.4 选择不同时间跨度3.布林带通道3.1 布林带通道概述3.2布林带通道计算方式3.3 开始编码3.4 布林带通道线及K线图绘制3.5 布林带通道与市场风险3.5.1 布林带通道的正态分布思想3.5.2 构造布林带.....

Python 金融量化 均线系统交易策略专题(简单移动平均,加权移动平均,指数加权移动平均,异同移动平均MACD等解读与绘图)
捕捉趋势最普遍的方法为移动平均线,根据求平均的方式不同,移动平均数又可分为简单移动平均数(Simple Moving Average, SMA),加权移动平均数(Weighted Moving Average, WMA),和指数移动平均数(Exponential Moving Average, EXPMA或EMA)。 目录 获取数据1.简单移动平均(SMA)1.1 简单移动平均数1.2 绘...

移植Python量化交易TA-Lib库到函数计算
TA-Lib 可分为 10 个子板块: Overlap Studies(重叠指标) Momentum Indicators(动量指标) Volume Indicators(交易量指标) Cycle Indicators(周期指标) Price Transform(价格变换) Volatility Indicators(波动率指标) Pattern Recognition(模式识别) ...

移植 Python 量化交易 TA-Lib 库到函数计算
TA-Lib,全称“Technical Analysis Library”, 即技术分析库,是 Python 金融量化的高级库,涵盖了 150 多种股票、期货交易软件中常用的技术分析指标,如 MACD、RSI、KDJ、动量指标、布林带等等。 TA-Lib 可分为 10 个子板块: Overlap Studies(重叠指标) Momentum Indicators(动量指标) Volume In.....

用python做量化,用什么编程工具比较好?
本问题来自阿里云开发者社区的【11大垂直技术领域开发者社群】。https://developer.aliyun.com/article/706511 点击链接欢迎加入感兴趣的技术领域群。
【手把手教你】玩转Python金融量化利器之Pandas
前言“手把手教你”系列将为Python初学者一一介绍Python在量化金融中运用最广泛的几个库(Library): NumPy(数组、线性代数)、SciPy(统计)、pandas(时间序列、数据分析)、matplotlib(可视化分析)。建议安装Anaconda软件(自带上述常见库),并使用Jupyter Notebook交互学习。 Pandas的数据结构类型:Series (序列:一维列表) ....
【Python金融量化】VaR系列(五):Copula模型估计组合VaR
1. 资产组合VaR建模方法回顾 文章中总结了通过DCC模型估计组合向前一日VaR的方法,整体思路如下: ● 通过Garch族模型估计各资产的波动率 ● 通过DCC模型估计各资产间的相关系数,结合1得到资产组合的协方差矩阵 ● 在各资产正态性假设的前提下,可以知道资产组合也服从正态分布,并且均值与...
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。