A股观察家有话要说:常见内容解释

近期,我们推出了两档新栏目《A股观察家》《量化君的不定时更新》,均是以量化的视角带大家感受股市的变化。


A股观察家》是以周为单位,对一周的股市行情进行量化分析,内容上更丰富,包含了大盘观察(大势水位、波幅统计)、因子观察(行业、概念、风格、地区四个维度)及个股观察(涨幅高度、近期新高、近期涨停、由跌转涨、由涨转跌、近期跌停、近期新低、跌幅深度8个维度),后续我们还会增加更多的分析视角,尽可能的将股市的全盘面貌展现给你们,帮助你们更好地理解股市变动。


《量化君的不定时更新》则是日更栏目,每日股市消息热点、盘中异动及简单的收市点评,虽然从内容上不如前一档栏目丰富,但胜在对股市的重大变动更新及时,每天都可以以量化的视角了解股市。


         为了让你们更好地理解量化股市,我们对文章中常见的专业名词,进行了解释,尽可能用简单易懂的语言定义术语,配合《A股观察家|各方消息叠加,指数集体跳水》http://quant.jd.com/community/subjectDetails/926食用,效果更好哦~


大盘观察


当前趋势

上升趋势:连续一系列的涨势构成,每一段涨势都持续向上穿越先前的高点,中间夹杂的下降走势(换言之,跌势),但价格都不会向下跌破前一波跌势的低点。总之,上升趋势是由高点与低点或不断垫高的一系列价格走势构成的。

下降趋势:连续一系列的跌势构成,每一段跌势都持续向下穿越先前的低点,中间夹杂的反弹走势(换言之,涨势),但价格都不会向上穿越前一波涨势的高点。总之,下降趋势是由低点与高点都不断下滑的一系列价格走势所构成的。

自然回升:当市场从极端点开始回升了大致点的幅度之后,表明市场正在形成自然的回升过程。这轮回升行情并不意味着原先的市场趋势正在发生变化,只是表明市场正在经历一个自然的运动过程。市场趋势与回升行情发生之前完全一致

自然回撤:当市场从极端点开始回落了大致点的幅度之后,表明市场正在形成自然的回撤过程。这轮回落行情并不意味着原先的市场趋势正在发生变化,只是表明市场正在经历一个自然的运动过程。市场趋势与回落行情发生之前完全一致

次级回升:当市场经历自然回撤之后,又回升了大致点的幅度,但此时的价格并未超过之前自然回升的最高价格。这时的行情波动只是一个市场日常波动而已,还未达到需要市场趋势变动的程度。

次级回撤:当市场经历自然回升之后,又回撤了大致点的幅度,但此时的价格并未超过之前自然回撤的最低价格。这时的行情波动只是一个市场日常波动而已,还未达到需要市场趋势变动的程度。

 

大势水位:

将全部个股的当前趋势进行统计,不同趋势的每股以相同的权重分别组成多方与空方,上升趋势、自然回升、次级回升构成多方,下降趋势、自然回撤、次级回撤构成空方,多空差值构成大势水位,反映了市场的整体趋势。

 

波幅统计:

将全部个股自然波动的波动幅度进行统计,划分不同的波幅档位,同样通过波幅分布反应市场的整体走势。

 

因子观察

行业因子:依靠行业的划分,将同行业的股票列入选股标的一种组合。

概念因子:依靠话题的划分,将同类型的股票列入选股标的一种组合。

风格因子:依靠风格的划分,将同属性的股票列入选股标的一种组合。

地区因子:依靠行政区划,将同地区的股票列入选股标的一种组合。

 

 

个股观察

10日为固定观察时间段,对数据进行排序。

涨幅高度:在固定时间段内,按涨幅的高度对全部个股进行排序

近期新高:若个股某日的收盘价高于500日内的最高价,则符合此条件的所有个股进入近期新高的排序列表。将所有近期新高的个股,按创造新高的日期进行排序。

近期涨停:在固定时间段内,近期涨停的全部个股按涨幅的高度进行排序

由跌转涨:在固定时间段内,将由跌转涨的个股,按涨幅高度进行排序

由涨转跌:在固定时间段内,将由涨转跌的个股,按跌幅深度进行排序。

近期跌停:在固定时间段内,近期跌停的全部个股按跌幅的深度进行排序。

近期新低:若个股某日的收盘价低于500日内的最低价,则符合此条件的所有个股进入近期新低的排序列表。将所有近期新低的个股,按创造新低的日期进行排序。

跌幅深度:在固定时间段内,按跌幅的深度对全部个股进行排序。



如果对内容仍有不清楚的地方,欢迎向我们指出,官方交流Q群:456448095

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值