[量化-014]计算各时间切片上的波动率选择合适的标的

最新推荐文章于 2024-05-31 17:59:35 发布

未济2019

最新推荐文章于 2024-05-31 17:59:35 发布

阅读量1k

点赞数 1

分类专栏：量化文章标签：量化

本文链接：https://blog.csdn.net/lizhe_dashuju/article/details/103783911

版权

本文探讨了波动率在股票投资中的重要性，通过对比股票A和B的波动率来说明高波动率带来的潜在收益。文章指出，波动率的上升可能预示着市场活跃，提出计算不同时间段的日K平均波动和最大波动，以用于标的的选择。举例介绍了日K波动、平均波动和最大波动的计算方法，并建议在有价值的股票中选择高波动率的标的进行投资。

摘要由CSDN通过智能技术生成

如果一个股票的k线是一条水平线，没法赚钱。

有波动，才有赚钱机会。

股票A，最近30天，每天的平均波动是5%，股票B，最近30天，每天的平均波动是1%，那么，A比B的赚钱机会要多。

如果一个股票的波动率，从日均1%上升到日均5%，表明交易开始活跃，有一波行情。

因此需要计算股票的波动率，根据波动率选择标的。

一个比较稳妥的方案，是计算上证50或者沪深300的股票，在1、3、7、21、28天的日k平均波动，以及最大波动。

日K波动：今天最高价15块，最低价10块，那么今天日K的最大波动是50%。

日K平均波动：若干天内的“日K波动”的平均值。

日K最大波动：若干天内的最高价除以这些天内的最低价。

代码如下：

import tushare as ts
import numpy as np
import pandas as pd

def test2():
    """
    获取上证50名单，返回值形如:
              date    code  name
    0   2019-12-20  600000  浦发银行
    1   2019-12-20  600009  上海机场
    2   2019-12-20  600016  民生银行
    """
    sz50 = ts.get_sz50s()

    """
    获取沪深300名单，返回值形如：
              date    code  name  weight
    0   2019-11-29  600000  浦发银行    1.12
    1   2019-11-29  600004  白云机场    0.14
    2   2019-11-29  600009  上海机场    0.58
    """
    hs300 = ts.get_hs300s()

    # #一些测试
    # print(hs300)
    # #输出前5个记录
    # print('head:\n', sz50.head(), '\n\n')
    # #输出后3个记录
    # print('tail:\n', sz50.tail(3), '\n\n')
    # #index，每条记录的序号
    # print('index:\n', [i for i in sz50.index], '\n\n')
    # #columns
    # print('columns:\n', [i for i in sz50.columns], '\n\n')
    # #打印一列
    # print(sz50[sz50.columns[0]])
    # #打印一行
    # print(sz50[0:1])
    # #打印特定位置
    # print(sz50.loc[0:3, ['date', 'name']])
    # #打印特定位置，注意，要清楚知道坐标，index必须是整数
    # print(sz50.iloc[0, 1])