量化交易
本质上是一种基于统计与概率的计算机运算策略。通过对历史大量的数据进行不同组合的量化策略运算,寻找投资方向和确定买卖时机。随着大环境的改变,策略必然需要变动调整,但我们不变的目标便是执着地寻找出适合当下获利概率最大所对应的投资策略。
技术分析
随机震荡指标STO(KD)
1.原理
与MACD类似的是,STO同样地使用了两条曲线来表示,不同的是STO的曲线范围限制在0到100之间。在设计的过程当中,其不仅要研究其收市价,同时还要包括近期所出现过的最高价及最低价等。这样的设计可以综合了动量观念和RSI及移动平均线的各个优点。作为一款动量技术分析方法,其主要的目的是判断是否进入了超买或超买的状态,从而帮助投资者预知价格逆转的时机。STO计算公式(维基解释):
2.数据预处理:
这里我们需要处理股票的历史数据,所以可以先下载到本地,方法可以参考前面所写的博文获取全球各大证券交易所的全部股票交易信息。为了更方便地使用数据,我们需要设计相关的函数,代码如下:
import numpy as np
import math
import random
import json
import matplotlib.pyplot as plt
import sys
sys.setrecursionlimit(10000)
#date|open|high|low|close|volume|adjsuted
def get_stock_hist(num):
s_his=np.genfromtxt('C:/Users/Haipeng/Desktop/python/Korea/Korea_{:03d}.csv'.format(num), delimiter=',')
s_hi=s_his[1:][:]
days=s_hi.shape[0]
this_stock = []
for i in range(1,days,1):
this_day = [i]
for k in range(1,7):
this_day.append(s_hi[i][k])
this_stock.append(this_day)
print 'Maximum date is ',len(this_stock)
return this_stock
def get_price(D, p_tpe):
if p_tpe=='close':
pos=4;
elif p_tpe=='open':
pos=1;
elif p_tpe=='high':
pos=2;
elif p_tpe=='low':
pos=3;
else:
pos=