百倍量化之Dbcd-v2中性策略

敢敢のwings

于 2024-01-01 11:16:31 发布

阅读量7.1k

点赞数 25

分类专栏：量化策略解析与提升文章标签：人工智能大数据算法

本文链接：https://blog.csdn.net/lovely_yoshino/article/details/135323319

版权

12 篇文章 ¥9.90 ¥99.00

订阅专栏

Dbcd-v2策略通过计算偏置因子和使用改进的指数移动平均，以识别股票稳定性并平滑数据。相比v1，它提供了更及时的趋势识别。然而，该策略存在滞后性和可能的假信号问题，适用于识别长期趋势和降噪。在回测中，策略在选定币种上的收益显著，尤其适用于山寨币的分散投资，以提高年化率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Dbcd-v2中性策略

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。相比于v1，策略是更换了dbcd的计算方式

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

了解本专栏