python分析波动性 -股票量化

最新推荐文章于 2025-03-03 19:13:42 发布

cutter2002

最新推荐文章于 2025-03-03 19:13:42 发布

阅读量1w

点赞数 5

分类专栏：算法 web 文章标签：量化傅里叶变换

本文链接：https://blog.csdn.net/cutter2002/article/details/89555857

版权

算法同时被 2 个专栏收录

4 篇文章

订阅专栏

web

4 篇文章

订阅专栏

本文探讨了股市波动性的原因，包括宏观经济影响、特定事件冲击及投资者心理变化。利用Python进行傅立叶变换和小波分析，分析股票K线数据，预测股价走势，识别异常波动并解读市场趋势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

关键词：波动性，量化

开发环境

编程语言: Python 3.6

必要包：tushare, pandas, Pywavelets, numpy

波动性

波是扰动的传播。

波动率的主要原因：

　　1、宏观经济影响，即所谓的系统风险；

　　2、特定的事件对某个企业的冲击。

　　3、投资者心理状态或预期的变化。

傅立叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。许多波形可作为信号的成分，比如正弦波、方波、锯齿波等，傅立叶变换用正弦波作为信号的成分。

函数的傅里叶级数可以写成：

脚本设计与实现

流程：

1. 从网络获取股票k线数据，并保存到excel文件

2. 把excel数据文件读到内存。

3. FFT分析，预测k线走势。

4.小波分析，提取k线的波动特征。

FFT分析


# 函数功能：将频域数据转换成时序数据
# bins为频域数据，n设置使用前多少个频域数据，loop设置生成数据的长度
def fft_combine(bins, n, loops=1):
    length = int(len(bins) * loops)
    data = np.zeros(length)
    index = loops * np.arange(0, length, 1.0) / length * (2 * np.pi)
    for k, p in enumerate(bins[:n]):
        if k != 0 : p *= 2 # 除去直流成分之外, 其余的系数都 * 2
        data += np.real(p) * np.cos(k*index) # 余弦成分的系数为实数部分
        data -= np.imag(p) * np.sin(k*index) # 正弦成分的系数为负的虚数部分
    return index, data
def analyze_fft(dataform1):
    print('\n ma5: %s ' % (dataform1.columns.values[7]))

    lines = dataform1.shape[0]
    # 生成随机数
    x = np.random.random(100)
    y = np.fft.fft(x)
    plt.subplot(2, 1, 1)
    # plt.plot(x)
    plt.plot(dataform1["ma5"])
    plt.xlabel('Time'), plt.ylabel('ma5')

    #dft_a = np.fft.fft(dataform1["ma5"])

    plt.subplot(2, 1, 2)
    """
    plt.plot(dft_a)
    #plt.plot(y)
    plt.xlabel('Freq (Hz)'), plt.ylabel(' ')
    plt.show()"""
    ts_log = np.log(dataform1["ma5"])
    #ts_log = dataform1["ma5"]
    #ts_diff = ts_log.diff(1)
    ts_diff = ts_log
    ts_diff = ts_diff.dropna()
    fy = np.fft.fft(ts_diff)
    conv1 = np.real(np.fft.ifft(fy))  # 逆变换
    index, conv2 = fft_combine(fy / len(ts_diff), int(len(fy) / 2 - 1), 1.3)
    ntotal = (len(ts_diff)/10 +2)*10

    plt.plot(ts_diff)
    plt.plot(conv1 - 0.5)
    plt.plot(conv2 - 1)
    plt.xticks(np.arange(1, ntotal, 5))
    plt.grid( )
    plt.show()
    return 0

使用数据

stockno = '603655' #股票代码
csv_filepath1 = 'E:\shares\weixin\stock\\'+ stockno + '_k.csv'
date0 = '2019-01-15' #k线开始日期
date1 = '2019-04-25' #k线结束日期