R语言——牛市追涨杀跌模型

最新推荐文章于 2022-12-11 23:11:42 发布

JenKin Fang

最新推荐文章于 2022-12-11 23:11:42 发布

阅读量1.2k

点赞数 4

分类专栏： R量化文章标签： R语言股票量化牛市追涨杀跌

本文链接：https://blog.csdn.net/qq_41969000/article/details/89462206

版权

一、牛市追涨杀跌模型

2019年，随着贸易战的和谈，国内政策面的刺激，A股迎来了一波比较客观的小牛市。由此，我们选择建立追涨杀跌模型来进行投资。接下去以所选股票池（结语有介绍）内的稳定型股票——中直股份以及活跃型股票——中国应急为例，至于选择这两只股票的原因除了类型不同外，更重要的是这两只股票都属于国防军共板块，因此建模对比效果更佳具有说服力。选择中线追涨杀跌模型]进行分析。区间选择为2019-01-01至2019-04-20。

二、个股实现及对比

我们分别把稳定型股票——中直股份和活跃型股票——中国应急带入模型，结果发现在牛市中，该模型并不是适用于所有股票，稳定型股票可能会亏钱，而活跃型股票赚钱效益明显超越稳定型股票。

1、稳定型——中直股份（附代码）

当股价大于等于20日最高价时作为买入信号点，当股价小于等于10日最低价时作为卖出信号点。我们利用R语言对股票数据的进行操作，实现追涨杀跌模型的实例，并根据模型模拟交易，通过区间收益探究模型的有效性。从而验证我的们投资理论。

具体R代码如下：

1.1 数据准备

#加载需要的R包
library(plyr)
library(xts)
library(TTR)
library(ggplot2)
library(scales)

# 加载数据
df<-read.table("stock.csv",header=T,sep = ",", na.strings = "NULL")       # 读文件
names(df)<-c("code","date","Open","High","Low","Close","Volume")          # 设置列名
dl<-split(df[-1],df$code)      #按ccode分组
data <- lapply(dl,function(row){xts(row[-1],order.by = as.Date(row$date))})   #  换成xts类型数据
class(data)        # data的类型
head(names(data))
length(data)

# 获得时间范围
dateArea<-function(sDate=Sys.Date()-365,eDate= Sys.Date(),before=0){         #   开始日期，结束日期，提单开始时
  if(class(sDate)=='character') sDate=as.Date(sDate)
  if(class(eDate)=='character') eDate=as.Date(eDate)  
  return(paste(sDate-before,eDate,sep="/"))
}

# 查看股票600038.SZ
head(data[['600038.SH']])
title<-'600038.SH'   #
stock<-data[[title]]                                # 获得股票数据
sDate<-as.Date("2019-01-02")                        # 开始日期
eDate<-as.Date("2019-4-19") # 结束日期
cdata<-stock[dateArea(sDate,eDate,365)]$Close       # 获得收