百倍量化之Dbcd中性策略

敢敢のwings

于 2024-01-01 11:06:00 发布

阅读量9.1k

点赞数 25

分类专栏：量化策略解析与提升文章标签： python 开发语言量化金融

本文链接：https://blog.csdn.net/lovely_yoshino/article/details/135323221

版权

量化策略解析与提升专栏收录该内容

12 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

Dbcd中性策略是一种基于偏置因子计算和分数阶差分的时间序列分析技术，用于识别股票稳定性。通过计算当前值与历史平均值的偏移和偏离变化趋势，该指标能提供趋势识别和降噪效果。然而，它存在滞后性和参数依赖等缺点。在实际应用中，使用该策略在BNB、BTC和ETH上的回测显示了良好的收益增长，适合用于山寨币的投资策略，以提高年化率。策略的优化关键在于找到合适的参数，如diff_num，以平衡噪声过滤和交易时机的及时性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 指标含义

该指标主要是计算偏置的因子，并根据偏置的平均来分析这个股票的稳定性

第一步主要操作就是计算当前值和前段时间的平均值的偏置

ma = bt.indicators.SimpleMovingAverage(self.data, period=self.p.period)# 简单移动平均（SMA）计算基础数据
self.bias =

了解本专栏

超级会员免费看