在上次的文档中,我说自己要用python实践一下网络上流传的筹码分布算法,后边我做了,但是感觉计算量比较大,我假设一个周期是120天,也就是120天的话,基本所有持仓的人都会卖出自己手中的筹码。然后我选择要展示的是最近的120,因此在计算的时间窗口上,我采用240天,也就是前边的120天是仅仅是为保证最近的120的数据不会有大的出入。除此之外还实现了论文2中的算法,相对来说比较简单。对于基于行为金融学中的算法,我选择了放弃,因为每次都要从股票上市的哪天进行计算,计算量比较大。通过对后边两种算法的实现,发现网上流传的筹码分布算法和各种软件上筹码分布图非常类似,差别很小。这里贴出我的实践结果。
1.其中K线图中
红线是论文一种的筹码成本线,绿线是网络上流传的炒股软件的移动成本线,最底下的灰线是100日均线。
2.K线中的点
黄点表示趋势正常(这块还需要好好思考,会有假点存在)
黑点表示买入机会(也需要详细思考,目前是基于均线来做的,有假点的存在)
黑色的加号表示减仓消息,蓝色的乘号表示加仓消息。
3.最底下的是成交量分布
4.最右侧是筹码分布图,单位事当前价格*100.红线表示当日的平均成本。
5.下边的中间深绿和红线
分别筹码平均平均成本与股价差的变化率。中线上的点分别为加仓减仓消息的垂直映射点,其中的基本假设是一次趋势不会很快消失,在趋势的最大时候进行减仓,在趋势最小时进行加仓。但是问题是如何对一次趋势的有效识别。目前我还是有的均线方式(100日均线,30日均线,5日均线的方式【图中的黄点】),当然在这次例子中也有很多问题。比如假趋势的问题,如果我们选择进入,就会被割韭菜。
想想看,我都休眠了半个月了,前期听大佬喊牛市来了,就冲啊冲,买了两只基金,然后上周五把前期的盈余都搭进去了,最后我选择了退出。决定再不碰了,好好学习计算机知识才是我应该走的路。当然也发现自己可能对那种田园生活挺敢兴趣。可能身体比较诚实吧。以后有机会了,我再研究股市。