前言
从股票市场开始到现在,已经研究出了众多的指标,但是在使用的时候会发现,由于第二天股价的未知波动,指标显示的情况并不一定每次都准确,总是会存在误判的情况。对于这种不可避免的情况而言,我们只能想办法将其量化、计算根据策略操作后的收益率、估计误判的概率等
本文先选择了 DBCD、ROC、VROC、CR、PSY 五种指标来量化(一共会考虑了三十多种指标,由于篇幅问题一次讨论五种),然后用十支股票来测试这五种策略的效果(实际情况是用了 3600+ 股票来统计策略效果,目前不方便展示结果)
免责声明
此构想和分析中的任何内容均不应解释为投资建议,过去的表现并不一定表示未来的结果。
数据准备
选择了 600519 贵州茅台、600031 三一重工、002594 比亚迪、601633 长城汽车、002074 国轩高科、300750 宁德时代、300014 亿纬锂能、000591 太阳能、002475 立讯精密、600862 中航高科 这十支股票 2020年1月1日 ~ 2021年1月15日 的数据来测试
部分代码片段
import pandas_datareader.data as web
import datetime
start = datetime.datetime(2020, 1, 1)
end = datetime.datetime(2021, 1, 15)
df = web.DataReader(ticker, "yahoo", start, end)
指标介绍
sma是平滑移动指标的计算函数
_ma是移动平均线的计算函数
_md是标准差的计算函数
_ema是指数移动平均线的计算函数
DBCD指标
def dbcd(df, n=5, m=16, t=76):
_dbcd = pd.DataFrame()
_dbcd['date'] = df.date
man = _ma(df.close, n)
_bias = (df.close - man) / man
_dif = _bias - _bias.shift(m)
_dbcd['dbcd'] = sma(_dif, t)
_dbcd['mm'] = _ma(_dbcd.dbcd, n)
return _dbcd
ROC指标
def roc(df, n=12, m=6):
_roc = pd.DataFrame()
_roc['date'] = df['date']
_roc['roc'] = (df.close - df.close.shift(n))/df.close.shift(n) * 100
_roc['rocma'] = _ma(_roc.roc, m)
return _roc
VROC指标
def vroc(df, n=12):
_vroc = pd.DataFrame()
_vroc['date'] = df['date']
_vroc['vroc'] = (df.volume - df.volume.shift(n)) / df.volume.shift(n) * 100
return _vroc
CR指标
def cr(df, n=26):
_cr = pd.DataFrame()
_cr['date'] = df.date
# pm = ((df['high'] + df['low'] + df['close']) / 3).shift(1)
pm = (df[['high', 'low', 'close']]).mean(axis=1).shift(1)
_cr['cr'] = (df.high - pm).rolling(n).sum()/(pm - df.low).rolling(n).sum() * 100
return _cr
PSY指标
def psy(df, n=12):
_psy = pd.DataFrame()
_psy['date'] = df.date
p = df.close - df.close.shift()
p[p <= 0] = np.nan
_psy['psy'] = p.rolling(n).count() / n * 100
return _psy
最后的量化结果
由于篇幅和展示不便,不在文章中展示可视化的买入卖出点位以及资金变动曲线
为了最简洁的了解策略效果,初始资金设置为10000元,并且为了简便不考虑必须整手买入的限制,每次都10000元全部买入,测试五种指标策略效果的同时测试2020.1.1买入并持有到2021.1.15的策略,比较最后资金多少来衡量策略效果
HOLD行是表示2020.1.1买入并持有到2021.1.15的策略最后的资金
数据可视化在这里不作展示,有数据后可以按照自己的习惯绘图制表;更多的评估数据也不作展示
结果中很多策略最后的收益都不如一直持有的收益高,但是策略没有持股的时候作为交易员当然会寻找新的机会,创造收益!