量化交易——传统技术分析随机震荡指标STO的原理及实现

最新推荐文章于 2024-03-30 11:00:25 发布

happen_chen

最新推荐文章于 2024-03-30 11:00:25 发布

阅读量1.5w

点赞数 4

分类专栏：技术分析量化交易技术分析文章标签：投资技术分析 STO matplotlib 数据

本文链接：https://blog.csdn.net/HAPPENgft/article/details/71427537

版权

本文探讨了量化交易中的技术分析，重点讲解了随机震荡指标STO的原理和计算公式，阐述了其在超买超卖状态判断中的作用。此外，还介绍了数据预处理方法，以提高计算效率，并提供了绘制K线图及STO指标的代码示例，旨在利用STO辅助投资者发现市场规律。

摘要由CSDN通过智能技术生成

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）：
这里写图片描述

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=