![](https://img-blog.csdnimg.cn/df62f95a898b4c94a6fd850747ddfb96.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python量化入门:经典指标原理及实战
文章平均质量分 88
想要学习量化却不知从何入手?那就从经典的量化指标开始吧!
优惠券已抵扣
余额抵扣
还需支付
¥99.90
¥299.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
qixizhuang
不过是个概率游戏。
展开
-
神级指标DMI魔改免费公开!在宽基指数上也可以收获40倍收益,每年都在创新高!
今天,我们要讲的DMI实际上是一组指标,它由表示多空方向的PDI、MDI以及表示趋势强度的ADX、ADXR共四条线组成。在正式开讲之前,我们先聊几句近期的行情。上周我们根据量化策略提示了一些板块的机会,其中有一些已经开始有所表现。比如今天涨幅前十的板块中,有4个都在我们提示的板块之中。目前这些板块仍然处于低位,对于AIGC、通信等板块恐高的朋友可以考虑通过定投的方式来介入这些低位板块。当然,我们也可以考虑等股价上穿中期均线等右侧信号出来以后再开始介入。原创 2023-05-16 23:12:27 · 873 阅读 · 0 评论 -
魔改短线利器DPO指标,频繁交易也能盈利超30倍?手机同花顺可用!
昨天我们提示了一些高位风险板块,今天来看基本上都在跌幅前列。这一波由AIGC驱动的大行情,短期来看可能已经到了尾声。中期大家可以关注30日线和60日线是否有支撑,这种现象级的生产力变革主导的行情不可能直接就凉了——哪怕相关的企业距离从中获利还很遥远。在A股,当前是否盈利并不是当前股价的主要矛盾。保守的同学不妨关注下昨天的机会列表,里边全是一些超跌的板块,短期可能会延续弱势,但是一旦站上20日线,可能就会有一波超跌反弹的行情。AIGC中的资金外流,大概率会有一些低位板块得到临幸。原创 2023-05-16 23:10:45 · 5096 阅读 · 0 评论 -
综合量价信息,跟着主流资金走:分享一个年化140%最大回撤30%的策略!
过去我们讲的指标,主要是一些均线类和动量类的指标,其中有很多都表现出了很好的趋势或方向指示意义。但是这些指标有一个共同的特点,那就是主要从价格数据(开盘价、收盘价、最高价、最低价)计算得来,并没有考虑成交量的信息。但是但凡有点经验的股友应该都知道,在炒股过程中,成交量也是非常重要的一个因素。比如在趋势末端的爆量换手,很有可能就是趋势反转的信号。那么有没有哪个经典指标是考虑了成交量呢?自然是有的,比如我们今天要讲的AD和ADOSC。原创 2023-05-16 23:10:53 · 448 阅读 · 0 评论 -
量化指标WR:弱的确是弱,但是老Q会魔改啊!
WR指标是一个极其简单的指标,跟我们前边讲过的KDJ有着千丝万缕的联系。原本不打算讲这个指标的,但是有粉丝一直想了解一下,那今天老Q就再专门说一下。顺便把KDJ那篇文章就提到的魔改思路给大家实现一下——毕竟,WR这种指标,不魔改一下实在是坑人啊。原创 2023-05-16 23:01:20 · 542 阅读 · 0 评论 -
懒人抄底逃顶策略:年化超150%,无惧短期波动!
大家好,夜猫子老Q又来给大家分享量化的基础知识了。很多朋友喜欢做短线,也一直希望老Q能分析一些短线常用的经典指标。老Q觉得虽然自己主要做中长线,但是多研究一下短线指标可能会提升自己的择时表现,因此,最近也会专门为大家分享一些短线常用的指标。总的来说,老Q不建议经验缺乏的散户们做短线。但是如果一定要做短线的话,老Q希望能通过自己的分析帮到大家。毕竟,如果老Q不告诉你们的话,可能你们真的会一直用错误的方法坚持使用一个指标,等真的意识到问题的时候,可能已经亏损很多钱了。比如今天的主角:MTM(又称MOM)原创 2023-05-16 22:59:46 · 132 阅读 · 0 评论 -
稍作魔改,笑傲牛熊!MTM这么简单的指标也能做到20倍收益!
大家好,夜猫子老Q又来给大家分享量化的基础知识了。很多朋友喜欢做短线,也一直希望老Q能分析一些短线常用的经典指标。老Q觉得虽然自己主要做中长线,但是多研究一下短线指标可能会提升自己的择时表现,因此,最近也会专门为大家分享一些短线常用的指标。总的来说,老Q不建议经验缺乏的散户们做短线。但是如果一定要做短线的话,老Q希望能通过自己的分析帮到大家。毕竟,如果老Q不告诉你们的话,可能你们真的会一直用错误的方法坚持使用一个指标,等真的意识到问题的时候,可能已经亏损很多钱了。比如今天的主角:MTM(又称MOM)原创 2023-05-16 22:58:34 · 684 阅读 · 0 评论 -
老Q魔改MACD:拒绝大幅回撤,威力比原版强太多了!
看过老Q历史文章的股友都知道,MACD是一个非常经典且依旧奋战在第一线的顶流指标。我们之前也目前主流通用的参数版本在沪深300上做了回测,17年来获得了累计365%的收益。然而,整个沪深300大盘在这17年里也涨了超过300%,也就是说,我们的策略也仅仅比拿着不动好上一丢丢而已。这怎么能行!必须魔改一下!原创 2023-05-16 22:56:49 · 186 阅读 · 0 评论 -
独家策略大放送:最高年化150%的策略,谁不感兴趣?(含免费版)
上一节我们在沪深300中回测了550中均线交叉策略,有朋友想看看这些策略在沪深300以外的中小市场表现如何,同时大家都非常好奇表现抢眼的老Q自研指标WMA_Q系列到底是怎么计算的。于是老Q又选择了中证500和创业板指来验证下这些策略是否能有同样的表现(PART 1),顺便在今天的内容里公开一下WMA_Q系列指标的底层逻辑(PART 3)。原创 2023-05-16 22:56:50 · 357 阅读 · 0 评论 -
17年10倍:均线金叉策略横向大测评,550条策略谁最牛?
一直有读者问老Q能不能在原理和经典用法的回测之上,做一些真正还可以用的策略的分享。老Q是很犹豫的,毕竟有些策略,一旦用的人多了,很快就会失效。但是考虑到公众号这边刚开始运营,还是给大家送一次大福利吧!文末附福利获取方式!原创 2023-05-16 22:54:35 · 134 阅读 · 0 评论 -
短线利器KDJ?不看不知道,原来它竞是一个反向指标!
共计操作卖出401次(不含最后一次),平均空仓5.23天。在空仓期间,原创 2023-05-16 22:54:56 · 165 阅读 · 0 评论 -
上古大神MACD:廉颇老矣,尚能饭否?量化实战检验MACD的效果
MACD在投资界可谓是大名鼎鼎。它由Geral Appel在1970年提出,五十余年来,经久不衰。它的用法非常直观、易懂,且似乎有着不俗的效果,故而一直被各路投资者沿用至今。它的用法实在是太直观了,以至于普及度极高,哪怕小白也能比划一二。但是它真的好用吗?有没有可以魔改的地方?下面老Q还是带着大家从统计原理、魔改思路、代码实战、历史回测几个角度来挖掘一些MACD这个指标。原创 2023-03-18 20:51:56 · 159 阅读 · 0 评论 -
CCI:大数据量化告诉你,这个指标大家都用错了!
作为散户,我们能获取的只有公开信息,这使得我们天然就落后于机构、大户和内幕狗。那么我们可以利用公开信息来提升投资表现吗?当然可以。我们散户能做的,就是通过量化的手段,在自己擅长的领域深耕,不断迭代自己的策略以获得长久的投资收益。散户不要想着所有的钱都要挣,因为这样做大概率所有的钱都挣不到。大户们有钱、有人、有一手资料,跟他们比全面,我们是永远比不过的。所以我们要做的,就是根据自己的风格,寻找适合自己的指标和交易策略。比如老Q喜欢做中长线,那就专注于寻找能体现趋势的指标。原创 2023-03-15 00:56:08 · 503 阅读 · 0 评论 -
从统计角度剖析布林带:Python实战与量化调优思路
了解股市的人或多或少应该都听说过布林带(Bollinger Band)这一指标,它由上中下三条轨线组成。网上可以搜索到很多关于布林通道的战法,比如要观察开口、上下轨方向等,其实没什么意思,简直是把统计学搞成了玄学。波动变大,开口自然变大,这是由标准差决定的。上穿中轨买入、下穿中轨卖出更是买椟还珠,因小失大(后边我会讲为什么)。事实上,股价在很多情况下并不会严格按照上述说法来运行。比如妖股疯涨起来很可能连续多日维持在上轨上方,甚至把整个布林通道拉上去,如果我们在突破上轨时卖掉就会错过一大波涨幅。原创 2023-03-11 18:50:02 · 562 阅读 · 0 评论 -
Python量化入门:利用中长期RSI寻找趋势拐点,抓大放小,蹲一个大机会!
股票的涨跌说白了就是多空博弈造成的,多方力量更强则股票价格上涨,空方力量更强则股票价格下跌。那么我们如何来衡量股票的多空力量强弱呢?上个世纪70年代,威尔斯·威尔得发表了相对强弱指标,即我们常说的RSI(Relative Strength Index),RSI常被我们用来衡量近期多空双方的博弈情况。它的原理非常简单。如果我们把一段时间内上涨的幅度理解为向上的运动,把下跌的幅度理解为向下的运动,那么RSI就代表着在总运动距离中,向上的运动距离占比。原创 2023-03-09 21:17:00 · 617 阅读 · 0 评论 -
均线进阶之WMA:如何用均线反应筹码情况?(送自研量化指标)
我们在前两节课讲了SMA和EMA,也说明了EMA在SMA基础之上的改进是什么,更适用于什么场景。其实说到底,SMA就是给所有价格赋予了同等的权重,而EMA就是给不同时期的价格赋予了不同的权重,越靠近当前日期的权重越高。所以,我们完全可以说,SMA和EMA都是特殊的加权移动平均,即WMA(Weighted Moving Average)。原创 2023-03-03 01:14:52 · 539 阅读 · 0 评论 -
均线进阶之EMA:守住趋势,拒绝卖飞和站岗(含Python实战)
学习了上一节课之后,相信大家对于均线的认识已经基本到位了。但是均线也有其缺陷,比如中期缺陷虽然有支撑、阻力的作用,但是其延滞性非常明显,对于短线的波动不够敏感,往往不能真实反映某段时间的价格趋势。以下是本节课主要内容,所有内容不涉及任何股票和买卖建议,仅做技术研究!由此我们引出指数移动平均(EMA)这一指标,它在反映趋势快慢上有着先天的优势。EMA的金叉、死叉更难出现,因此其金叉、死叉往往更具确定性。原创 2023-03-01 23:22:59 · 860 阅读 · 0 评论 -
简单移动平均在量化中的应用(附Python实战代码)
在大多数金融产品的投资过程中,均线系统都是很重要的投资参考。一般来说,均线可以近似理解为某段时间内成交筹码的均价,它往往能帮助我们找到合适的支撑位和压力位。随着各种技术流派以及统计学的发展,从简单移动平均中逐渐衍生出了更多的均线计算方式,比如指数移动平均、加权移动平均、自适应移动平均等。TA-Lib中支持了九种移动平均值的计算,具体如下表。接下来的内容里我们会一一介绍它们的具体含义,以及如何在Python中用talib库计算这些指标。注:T3和TEMA名字相同,但是计算方式并不相同。原创 2023-02-26 23:53:58 · 186 阅读 · 0 评论 -
Python量化入门:Fama-French三因子模型
CAPM模型经历了大量的实证和应用之后,有证据表明,市场风险溢酬并不能充分解释个别风险资产的收益率。于是很多研究者开始探索其他的因素,比如公司市值、PE、杠杆比例、账面市值比等。Fama和French两个人对于各种因素进行了全面的组合分析,当单独使用Beta或者用Beta分别与其他几个因子相结合时,Beta的解释能力很弱;市值、PE(市盈率)、杠杆比例、BM(账面市值比,PB的倒数)单独来用时,对于收益率的解释能力都很强,但是组合起来时,市值、BM会弱化杠杆比例和PE的解释能力。后来Fama和French两原创 2023-02-19 16:53:12 · 1020 阅读 · 0 评论 -
Python绘制加强版K线图:增加均线及成交量
在之前,我们讲解了如何用Python绘制K线图。当时就有人问能否加入均线元素,当然能啦!不光均线,今天我还要把成交量给加上去。获取数据并加工为了计算年线(250日均线),我们需要保证数据至少在一年以上,所以我们获取17年以来上证综指的行情数据。获取之后,我们同时保留两种格式的日期数据:matplotlib需要的float型以及我们坐标轴标签中需要的字符串型。它们分别是下边的trade_dat...原创 2019-01-10 11:06:16 · 17958 阅读 · 1 评论 -
Python绘制简单版K线图
不管是对量化分析师还是普通的投资者来说,K线图(蜡烛图)都是一种很经典、很重要的工具。在K线图中,它会绘制每天的最高价、最低价、开盘价和收盘价,这对于我们理解股票的趋势以及每天的多空对比很有帮助。一般来说,我们会从各大券商平台获取K线图,但是这种情况下获得的K线图往往不能灵活调整,也不能适应复杂多变的生产需求。因此我们有必要学习一下如何使用Python绘制K线图。导入必要库需要说明的是,这里...原创 2019-01-10 11:05:18 · 27327 阅读 · 2 评论 -
Python量化选股入门:资本资产定价模型(CAPM)
Markowitz的均值-方差模型告诉我们如何构建自己的投资组合,并且他本人凭借这一贡献获得了诺贝尔经济学奖。其核心目标是在达成投资目标的前提下,最小化资产的风险。不过由于其计算量大、难度高、成本高(在当时的条件下),因此部分学者基于Markowitz的框架推导出了资本资产定价模型(CAPM),CAPM可以说奠定了现代投资学的基础。什么是CAPM经典的CAPM模型如下:E(Rq)−Rf=β...原创 2019-01-10 23:34:54 · 27473 阅读 · 11 评论 -
Python量化基础:时间序列的平稳性检验
时间序列数据的平稳性对于我们采用什么样的分析方式、选择什么样的模型有着至关重要的影响。我们想一下,假如一个时间序列的波动趋势从来没有稳定过,那么它每个时期的波动对于之后一段时期的影响都是无法预测的,因为它随时可能“变脸”。而当一个时间序列的特征维持稳定,比如它的均值和方差是稳定的,那么我们认为在之后的一段时间里,它的数据分布跟历史的数据分布大概率是保持一致的,这时,我们就可以基于历史数据对未来的...原创 2019-01-31 16:06:43 · 37893 阅读 · 9 评论 -
Python量化:评估投资组合的收益率和风险
不要把所有的鸡蛋放在同一个篮子里,这是投资界中历久弥新的至理名言。为了避免风险,投资人往往会将资产分散到不同的金融工具中,比如信托、债券、基金、股票、期货、期权甚至房地产市场等。那么在这么多金融产品中,我们如何选择才能在风险可控的情况下获取尽可能高的收益呢?资产配置就是为了解决这个问题。那么,如何去衡量不同配置下我们的组合资产的收益率与风险呢?一、投资组合的收益率计算投资组合的收益率很容易...原创 2019-01-07 19:40:43 · 9701 阅读 · 1 评论 -
Python量化教程:量化风险
今天,我们将介绍非常重要的一部分:风险的量化。今天主要会讲三种量化风险的方式:方差度量法、下行风险法、风险价值法。我们会从原理以及Python实战两个角度来学习。我们开始今天的内容。一、方差1952年,Markowitz发表了均值-方差投资组合理论,在这套理论中他正式提出了用方差来描述资产收益不确定性的方法,也就是资产风险的方差度量法。为什么我们可以用方差来度量风险呢?我解释一下方差的原理...原创 2019-01-06 20:00:39 · 8529 阅读 · 0 评论 -
Python量化入门:投资的风险有哪些?
影响资产收益的因素有很多,而且不同资产面对的风险也不尽相同,在详细介绍风险度量之前,我们有必要了解一下风险的来源。原创 2023-02-19 16:42:45 · 420 阅读 · 0 评论 -
Python量化入门:关于收益率的一些概念
在金融领域,收益率是我们耳熟能详的一个名词。收益率投资收益投资成本收益率=\frac{投资收益}{投资成本}收益率投资成本投资收益也就是说,想要得到收益率,我们得先知道投资成本和投资收益分别是多少。投资成本资产单价×资产数量投资成本=资产单价\times资产数量投资成本资产单价×资产数量不同的资产会有不同形式的收益,其中一种形式是由资产价格变化所产生的收益,成为资本利得(Capital Gain),资本利得并不总是正收益,负收益(损失)也是资本利得。原创 2023-02-19 16:42:48 · 573 阅读 · 0 评论 -
工欲善其事,必先利其器:量化前的准备工作
仅作量化技术研究和学术探讨,不构成任何投资建议,不做任何技术以外的讨论!原创 2023-02-16 23:36:37 · 137 阅读 · 0 评论