均线策略应该是我们刚进入股市时就听过的一个策略,而双均线策略,顾名思义,就是两根均线:短期均线和长期均线。...当短线均线上穿长期均线(金叉)时买入,当短期均线下穿长期均线(死叉)时卖出,这就是双均线策略的核心思想。...下图中,黄色的线表示30日均线,白色的线表示5日均线,可以看出,当5日均线下穿30日均线时,形成死叉,股价也成空头趋势;当5日均线上穿30日均线时,形成金叉,股价之后也一直在上涨。...我们来做进一步研究,很简单,把所有的参数组合都测一遍(1日均线和2日均线组合,1日均线和3日均线组合,2日均线和3日均线组合…),就知道哪一种的组合从历史数据看是最优的了,这种方法也称之为网格搜索。...这里限定短期均线最大搜索到 34 日均线,长期均线则从短期均线的后一根开始搜索一直到 144日均线结束。 下表给出了所有的短期、长期均线组合下均线趋势策略的年化收益率情况。
用Python绘制移动均线【含源代码】 image-20211004185753292.png 上一篇《用Python绘制专业的K线图》,讲解了数据获取、K线图绘制及成交量绘制等内容。...本篇将在上一篇的基础上,继续讲解移动均线的绘制。 1、获取数据 我们从恒有数金融数据社区,获取股票市场历史行情数据。...,data_price.index.tolist())) data_price image-20211004185122785.png 2、计算移动均线...]=data_price['close_price'].rolling(window=20).mean() data_price image-20211004185534829.png 3、绘制K线及移动均线...candlestick_ohlc(ax1, ohlc.values.tolist(), width=.7 , colorup='red', colordown='green') # (2)绘制均线
#小策略,策略逻辑是在金叉时候买进,死叉时候卖出,所谓金叉死叉是两条均线的交叉,当短期均线上穿长期均线为金叉,反之为死叉 ?...record(ma_n5=ma_n5) # 绘制n20日均线价格 record(ma_n20=ma_n20) ?...处理 1.指标概念 均值性指标:以平均数据作为参考的指标 随机性指标:以最高价最低价等为参考的指标 2.多头、空头、金叉、死叉、卖出信号、买出信号 多头:短期均线在长期均线上方 空头:短期均线在长期均线下方...金叉:短期均线向上穿越长期均线 死叉:短期均线向下穿越长期均线 买出信号:金叉 + 一定的条件 卖出出信号:死叉 + 一定的条件 3.Python实现:以KDJ为例 ?...以上这篇浅谈python量化 双均线策略(金叉死叉)就是小编分享给大家的全部内容了,希望能给大家一个参考。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内...
文章目录 一、理论基础 1、蝴蝶优化算法 2、改进的蝴蝶优化算法 (1)柯西变异 (2)自适应权重 (3)动态切换概率策略 (4)算法描述 二、函数测试与结果分析 三、参考文献 一、理论基础...2、改进的蝴蝶优化算法 为了改进蝴蝶算法容易陷入局部最优和收敛精度低的问题,本文从三个方面对蝴蝶算法进行改进。...首先通过引入柯西分布函数的方法对全局搜索的蝴蝶位置信息进行变异,提高蝴蝶的全局搜索能力;其次通过引入自适应权重因子来提高蝴蝶的局部搜索能力;最后采用动态切换概率 p p p平衡算法局部搜索和全局搜索的比重...CWBOA的具体执行步骤如下: 图1 改进算法的流程图 二、函数测试与结果分析 本文选取了基于柯西变异和动态自适应权重的蝴蝶优化算法(CWBOA) 、基本蝴蝶算法 (BOA)、鲸鱼算法(WOA...柯西变异和自适应权重优化的蝴蝶算法[J]. 计算机工程与应用, 2020, 56(15): 43-50. 版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。
基于道路标线的城市环境单目定位 这个概念理解起来就是将图像转换成俯视图或者称为鸟瞰图(BEV),鸟瞰图对于检测车道线的来说似乎很重要,基于这种俯视图上的车道线的检测衍生的车道线保持等辅助驾驶功能也屡见不鲜...摘要 本文提出了一种自适应逆透视变换(IPM)算法,从前视摄像机图像中获得精确的鸟瞰图。这些图像由于车辆的运动会存在一定的形变,即使是很小的运动也会对鸟瞰图也会产生很大的影响。...测试图像的分辨率为1280 x 960,拍摄速度为15 fps,使用单目视觉里程计算法[6][7]获得车辆运动。图5显示了通过该方法获得的特征点。...图5.视觉里程计得出的特征点,摄像机的运动(x、y、z、滚动、俯仰、偏航)可以使用该算法进行计算 图6和图7显示了当安装了摄像头的车辆遇到减速时,现有IPM模型和自适应IPM模型的结果之间的比较。...,采用自适应IPM模型的结果可以提供给其他算法,例如涉及车道检测和障碍感知的算法,以获得更精确的性能,该模型只考虑了俯仰运动,因此由于滚动运动,鸟瞰图像中存在少量失真,因此,可以通过添加滚动参数来改进我们的模型
原文链接:https://perso.crans.org/frenoy/matlab2012/seamcarving.pdf 线剪裁算法的工作原理是找到被称为接缝的低能量像素(即最不重要的),而且这些低能量像素从左到右或从上到下贯穿整个图像...请记住,线剪裁的目的是保存主要对象(即“有趣的”)区域的图像,同时调整图像本身的大小。 使用传统的方法调整大小会改变整个图像的尺寸,不需要考虑图像的哪个部分最重要或最不重要。...相反,线剪裁应用路径规划算法从能量图中导出接缝来确定图像的哪些区域可以删除或复制,以确保图像中所有“感兴趣的”区域被保留。 比较传统的大小调整和线剪裁算法: ?...但是,通过使用线剪裁,我可以沿着水平维度“缩小”图像,在不改变图像高度的情况下,仍然保留图像中最有趣的区域: ?...THE END 原文后半部分为代码介绍,但用的是python的skimage包,并不是opencv算法,所以就不放了,感兴趣可以去原文查看,也可以看原论文复现一下算法。
最近,提出了一些增量(或者基于小批量)的算法来自适应模型参数的学习率。1、AdaGradAdaGrad算法,独立地使用所有模型参数的学习率,缩放每个参数反比于其所有梯度历史平方值总和的平方根。...它就像一个初始化与该碗状结构的AdaGrad算法实例。RMSProp的标准如下所示,结合Nesterov动量的形式如下下一个算法所示。...,目前它是深度学习从业者经常采用的优化算法之一。...4、选择正确的优化算法目前,最流行的算法并且使用很高的优化算法包括SGD、具动量的SGD、RMSProp、具动量的RMSProp、AdaDelta和Adam。...此时,选择哪一个算法似乎主要取决于使用者对算法的熟悉程度(以便调剂超参数)。
我要讲的几种方法 绪论 自适应滤波的基本原理 自适应滤波算法 自适应滤波算法种类 最小均方误差算法(LMS) 递推最小二乘算法(RLS) 变换域自适应滤波算法 仿射投影算法 其他 自适应滤波算法性能评价...自适应滤波一般包括3个模块:滤波结构、性能判据和自适应算法。其中,自适应滤波算法的研究是自适应信号处理中最为活跃的研究课题之一,包括线性自适应算法和非线性自适应算法。...自适应滤波的基本原理 自适应滤波算法 自适应滤波算法种类 最小均方误差算法(LMS) 由Widrow和Hoff提出的最小均方误差(LMS)算法,因其具有计算量小、易于实现等优点而在实践中被广泛采用。...Umeda提出,它是能量归一化最小均方误差(NLMS)算法的推广。仿射投影算法的性能介于LMS算法和RLS算法之间,其计算复杂度比RLS算法低。...能量归一化最小均方误差(NLMS)算法是LMS算法的一种改进算法,NLMS算法可以看作是一种时变步长因子的LMS算法。其收敛性能对输入信号的能量变化不敏感。
p=494 移动平均线是技术分析中最常用的,作为一种简单有效的数学模型而被广泛使用。均线使用的方式的差异在于均线的计算方式与价格使用方式。...不同的均线计算方式会产生不同的结果,不同的价格使用也会有不同的效果。此外,使用一条、两条、三条甚至更多条均线的交易策略,也会有很不一样的结果。...因此,本文使用R软件对传统的均线交叉策略进行了改进,测试了不同的止损策略,尽可能实现了收益的最大化。...移动平均均线图 ? 选择滑动平均指标 ? 均线图+散点 plan 1 卖出是close<ma5 ?
视频的主要内容大概包括: 1、接入数据,按示例文件生成自定义转换函数; 2、操作步骤调优; 3、数据源路径动态化处理; 4、算法调优; 5、涉及操作点: 5.1 获取文件夹数据 5.2...List.Buffer Table.Range List.Range List.Average …… 本案例拆解将分两部分,第1部分见《PQ实战案例拆解 | 汇总多股票交易数据,计算最近60天的5日移动平均的操作与算法优化
抛物线轨迹算法 local x1=startPos[1] local y1=startPos[2] local x3=endPos[1] local y3=endPos[2] local width
在用python的matplotlib和numpy库绘制股票K线均线的整合效果(含从网络接口爬取数据和验证交易策略代码)一文里,我讲述了通过爬虫接口得到股票数据并绘制出K线均线图形的方式,在本文里...2 引入成交量 在K线和均线整合成交量的效果图里,出于美观的考虑,我们对整合的效果提出了如下三点要求。 第一,绘制上下两个子图,上图放K线和均线,下图放成交量效果。...")#设置子图标题 15 df['Close'].rolling(window=3).plot(ax=axPrice,color="red",label='3天均线') 16 df['Close...'].rolling(window=5).plot(ax=axPrice,color="blue",label='5天均线') 17 df['Close'].rolling(window=10)....plot(ax=axPrice,color="green",label='10天均线') 18 axPrice.legend(loc='best') #绘制图例 19 axPrice.set_ylabel
这里的自适应是指两边的横线会随着文字的个数和父级的宽度自适应 偷偷的看了一下知乎的实现,很显然是用一块白色背景覆盖的,加一点背景就露馅了 ? 心想:知乎的前端也不怎么样?...margin-left: -10px; transform: translateX(-100%); } .title::after{ margin-left: 10px; } CSS分隔线...::after{ margin-left: 10px; clip-path: polygon(0 0, 9999px 0, 9999px 100%, 0 100%); } CSS分隔线...inner::before{ right: 100%; margin-right: 10px; } .inner::after{ margin-left: 10px; } CSS分隔线...border-left: 9999px solid #ccc; border-right: 9999px solid #ccc; padding: 0 10px; } CSS分隔线
stock_conn_manager_obj.get_conn(share_id) conn.insert_data(table_name, into_db_columns, data) 计算均线数据... 均线数据按类型分可以分为成交量均线和价格均线。...按时间分可以分为5日、10日、20日、30日、60日、90日、120日、180日和360日均线。 ...trade_table_name, ["share_id"],{}, pre = "distinct")) return share_ids 然后查询每支股票最后一次计算均线的日期...判断规则就是查看价格5日均线值是否为0。因为均线计算量非常大,所以我们不能野蛮的全部重算。每次都要基于上次计算成果进行增量计算。
本文以104*104格点大小数据做为说明,数据下载:http://yunpan.cn/ccB7Y36eLXk35 访问密码 00c3 ,Qcloud.txt为原始数据,re01.txt为01代码 一.算法如下...: 1.在该层的数据网格中求出所有四个相邻的数据点构成的正方形; 2.判断四个数据点数据与阈值之间的关系,生成01代码; 3.由上步生成的代码按照下图的关系求出等值线与四个数据点之间的拓扑关系; 4....由拓扑关系用线性插值方法求出等值线与正方形的交点; 5.顺序连接等值线段,即得到等值线。
** 示例 ** 很明显,如果直接拿这种图去跑机器学习算法的话肯定准确率不高,必然需要进行灰度或者二值化。当然,二值化是比较好的选择。...但是由于灰度分布是不均匀的,如果采用类似OTSU的全局阈值显然会造成分割不准,而局部阈值分割的Bersen算法则非常适合处理这种情况。...OTSU算法得到的图像: import cv2 from pylab import * im=cv2.imread('source.png',cv2.IMREAD_GRAYSCALE) cv2.imwrite...原始的Bersen算法很简单,对于每一个像素点,以他为中心,取一个长宽均为((2w+1)^2)的核;对于这个核,取当中的极大值和极小值的平均值作为阈值,对该像素点进行二值化。...实现效果 算法比较简单,而且OpenCV里直接给了个函数调用,方便省事。
在本文里,将给出若干精彩范例,包括用爬虫获取股市数据,用matplotlib可视化控件绘制K线和均线,以及用sklean库里的方法,通过机器学习预测股价的走势。...均线也叫移动平均线(Moving Average,简称MA),是指某段时间内的平均股价(或指数)连成的曲线,均线一般分为三类:短期、中期和长期。...通常把5日和10日移动平均线称为短期均线,一般把20日、30日和60日移动平均线作为中期均线,一般120日和250日(甚至更长)移动平均线称为长期均线。...在如下的drawKAndMAMore.py范例程序中,将用到上文提到的爬取股票数据的代码,从网络接口里获取股票数据,并绘制k线和均线,请大家不仅注意k线和均线的含义,还要重视matplotlib库里绘制图形...由于本次显示的股票时间段变长了(是3个月),因此与drawKAndMA.py范例程序相比,这个范例程序均线的效果更为明显,尤其是3日均线,几乎贯穿于整个时间段的各个交易日。
还有不同的阴影和一个在单词“PaperWorks”下很细小的水平黑色线。...三 自适应阈值 一个理想的自适应阈值算法应该能够对光照不均匀的图像产生类似上述全局阈值算法对光照均匀图像产生的效果一样好。...以下部分提出了不同的自适应阈值算法已经他们产生的结果。 四、基于Wall算法的自适应阈值 R. J. Wall开发的根据背景亮度动态计算阈值的算法描述可见《Castleman, K....图 7 五、快速自适应阈值 文献中记载的大部分算法都比Wall算法更为复杂,因此需要更多的运行时间。...这也是为数不多的保留了PaperWorks下那条水平线的算法之一。 部分原文因现在看来已经不合理了,未做翻译。
因此合理组合这些算法是一种比较好的提升搜索能力的方式,基于这个想法,这篇文章提出了组合了GA,DE和EDA的一种自适应的memetic 算法。...将自适应memetic的算法融入得到支配和分解的算法中 在38个benchmark中进行 两个议题 如何根据适应度景观或者问题特征自适应交换信息--如果一个优化器探测到一个有希望的区域,则更多的利用这个优化器优化区域周围的信息...本文贡献 设计了一种自适应模因计算方法用于多目标优化。虽然本文提出的自适应原理与AMALGAM[16]和Borg MOEA[17]有相似的概念,但两种算法都缺少一种渐进控制范式。...考虑了自适应模因计算中的多种全局和一种局部搜索算法。AMALGAM和Borg MOEA都不涉及任何局部搜索算法。此外,还在算法中实现了不同的优化器。 实现了基于支配和分解两种框架中的算法。...提出的算法 将自适应memetic算法分别应用到支配和分解两种框架中--分别提出mNSEA和mMOEA/D 初始化阶段,每个优化算子都有相同的概率生成初始解 较优秀的解会被选出并存进存档中 在子代解生成之前
领取专属 10元无门槛券
手把手带您无忧上云