由于KDJ线本质上是一个随机波动的观念，因此其对于掌握中短期行情走势比较准确。...KDJ指标原理 KDJ指标是根据统计学原理，通过一个特定的周期（常为9日、9周等）内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系，来计算最后一个计算周期的未成熟随机值RSV（Raw...短期EMA（如12天）：EMA(12)=前一日EMA(12)×11/13+当日收盘价×2/13 长期EMA（如26天）：EMA(26)=前一日EMA(26)×25/27+当日收盘价×2/27 计算DIF...计算EMA 初始时，可以假设前一日的12日EMA和26日EMA分别为某值（例如，可以设为股票的前一个交易周期的收盘价，或者根据更长时间的数据计算得出的初始值）。...如果今天的收盘价高于SMA20，那么可能意味着股票正在上涨趋势中。反之，如果收盘价低于SMA20，则可能意味着股票处于下跌趋势。
EMA26的计算过程为： 前一日的EMA26乘25/27加今日收盘价乘2/27。EMA12的计算过程为：前一日的EMA12乘11/13加今日收盘价乘2/13。...取ABC中的数值最大者。A为当日最高价减当日最低价的绝对值。B为当日最高价减前一日的收盘价的绝对值。C为当日最低价减前一日的收盘价的绝对值。 TR14表示，这14天的TR之和。...RSV等于今日收盘价减去最近九天的最低价的差除以最近九天的最高价线减去最近九天的最低价的差乘100。 当日K值等于2/3乘前一日K值加1/3乘当日RSV值。当日D值等于2/3前一日D值加1/3当K值。...BR等于N日内当日最高价减上一个交易日收盘价之和除以N日内上一个交易日收盘价减当日最低价之和乘以100。一般N取26。 在中长线角度上较好地反映出涨跌力量的对比情况。...用CR与三条移动平均线之间的交叉关系，识别价格走势，预测价格。 上升趋势中CR指标。绝大多数时间保持在100以上，下跌趋势中，CR指标保持在100以下。
由于KDJ线本质上是一个随机波动的观念，因此其对于掌握中短期行情走势比较准确。...KDJ指标原理 KDJ指标是根据统计学原理，通过一个特定的周期（常为9日、9周等）内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系，来计算最后一个计算周期的未成熟随机值RSV（Raw...J值的取值范围可以超过100和低于0，但在分析软件上，KDJ的研判范围通常限定在0-100之间。...计算K值与D值：假设前一日的K值为50（若无前一日K值，则用50代替），则当日K值=2/3×50+1/3×75=62.5；同样地，假设前一日的D值也为50（若无前一日D值，则用50代替），则当日D值=2...总的来说，KDJ指标是一种非常实用的技术分析工具，通过研判股价的超买超卖状态、交叉信号和背离现象等，为投资者提供买卖信号。然而需要注意的是技术指标不能决定股票的涨跌投资者应结合其他因素进行综合分析。
遗憾的是，在这个模型中，使用相同的随机森林分类器，AUC分数显著下降到0.44。 5 修改标签 正如在示例数据集中所看到的，所有这些行都有非常相似的20-MAs，开盘价和收盘价。...利用交叉验证和AUC评分指标对超参数进行优化。最后，利用优化后的超参数对X_train和y_train进行建模。...测试集的准确率（不是AUC）为50.5% 使用XGBClassifier：0.478 Test Set AUC得分。 3、随机森林 使用随机森林分类器，我们使用暴力网格搜索交叉验证来调整超参数。...仅仅经过一个小时的训练，它的AUC就达到了0.529，这是我们测试中最高的。值得注意的是，随机森林的AUC达到0.519，仅比谷歌AutoML低0.01。...使用技术指标可以告诉我们部分情况，但预测第二天的股市走向太过随机，而且受到外部因素的影响，无法建立一个强有力的模型。
2、交易机器人在一个加密货币交易所进行交易，以较低的价格买入货币，再以较高的价格卖出，从而获得收入。...3、套利机器人也是同样的交易机器人，它们只在几个交易所交易，通过在汇率较低的交易所购买货币，在汇率较高的另一个交易所卖出，赚取利润。...因此相比传统合约，智能合约有经济、效率高的优势 开仓条件： ① PDI 向上交叉MDI 时，做买。 ② PDI 向下交叉MDI 时，做卖。...⑤ ⑤ 当ADXR低于20以下时，不参与 █ 指标公式源码： N:=14; M:=6; TR := SUM(MAX(MAX(HIGH-LOW,ABS(HIGH-REF(CLOSE,1))),ABS...(LOW-REF(CLOSE,1))),N);//最高价与最低价做差，最高价与前一周期收盘价做差，最低价与前一周期收盘价作差，在上述三个数据中取绝对值最大者，对该最大值做N周期累加求和。。
作为一个例子，金融系列被选择为完全随机的，一般来说，如果传统的神经网络架构能够捕获必要的模式来预测金融工具的行为，那就很有趣了。 本文中描述的管道可以轻松应用于任何其他数据和其他分类算法。...，我们取前85%的时间窗口用于训练，后15%用于检查神经网络的运行情况。...预测金融时间序列的另一个有趣且直观的时刻是，第二天的波动具有随机性，但是当我们查看图表、蜡烛图时，我们仍然可以注意到接下来 5-10 天的趋势。...优化超参数——窗口大小、隐藏层中的神经元数量、训练步骤——所有这些参数都是随机取的，使用随机搜索，你可以发现，也许，我们需要查看 45 天前和以较小的步长学习更深的网格。...在我们的例子中，我们设法使用前 30 天的价格窗口以 60% 的准确率预测了 5 天的趋势，这可以被认为是一个很好的结果。
在本文，我们要重点解决以下两个问题： 1、使用Python绘制K线图 2、通过“三日K线”了解K线图的交易策略 使用Python绘制K线图 （视频调试：笪洁琼） 我们从雅虎数据库中随机下载一些每日财经数据...上述代码的输出如下所示： 我们提供的工具将帮助你记录图表走向，并通过缩放框和变焦轮将其放大或缩小。还有一个重置按钮来显示原本的实际输出，一个保存按钮让你下载浏览器中显示的图像（即缩放的图像）。...通过“三日K线”来理解K线交易策略 让我们来看一个简单的每日交易策略，通过分析过去三天的K线来预测我们在第四天是“买进”还是“卖空”。我们将在第四天结束前关闭仓位，并提前确定盈利/亏损。...规则3：最近一支烛台的收盘价必须高于第二支烛台的收盘价。 规则4：你会在第四天早上交易刚开始时买入，然后在市场收盘前卖出。...规则3：最近一支烛台的收盘价必须低于第二支烛台的收盘价。 规则4：你将在第四天早上交易刚开始时卖出，然后在市场收盘前买入。
而推断统计用到了很多概率统计方法，所以本小节在介绍推断统计的内容前，还将讲述一些常用的概率统计方法。...在第一个子图里，通过violinplot方法，根据第一个参数df[‘Close’]，绘制了基于股票收盘价的小提琴图，其中showmeans参数表示是否要绘制数据平均线，而showmedians参数则表示是否要绘制数据的中位线...从中能看到满足正态分布的随机样本具有如下的特性。 正态分布曲线呈钟状，是关于数学期望μ对称，数学期望可以理解成是该随机样本数的平均值，而中间的高度是由方差决定的。...从图上能看到这些随机数的分布情况，而0位置的分布最为密集，其中0是生成该正态分布随机数时指定的数学期望值。...在显著性验证里，α一般的取值有0.05、0.025和0.01这三种，对应地表示出现第一类错误的可能性必须低于5%、2.5%或1%。
，它允许您向脚本用户提供配置选项。...此函数将整数输入字段添加到脚本的输入中。 ta.pivothigh 此函数返回枢轴高点的价格。如果没有枢轴高点，则返回“NaN”。 ta.pivotlow 此函数返回枢轴低点的价格。...close 当前K线关闭时的收盘价，或尚未完成的实时K线的最后交易价格。 备注 可使用方括号运算符 []来访问以前的值，例如。 close[1]，close[2]。 high 当前最高价。...ta.crossunder `source1`-系列被定义为在 `source2`-系列下方交叉，如果在当前K线上，`source1` 的值小于 `source2` 的值，并且在前一根K线上，`source2...收盘价小于bot线 此两Boolean值后续用于开单的条件 L_cross = ta.crossover(close, top)//当前收盘K线上穿top线 S_cross =
开盘价是指股票在交易日开市时的股价（并不一定是前一交易日的收盘价格），最高价是指在交易日当天股价的最高价格，最低价是指在交易日当天股价的最低价格，收盘价是指股票在交易日收盘时的股价。...交易量表示被交易股票的数量。调整收盘价是根据公司行为调整后的股票收盘价格。...对于序列xt以及时刻t，q天均线表示过去q天股价的均值：也就是说，如果MAtq表示t时刻的q天均线，那么： ? 移动均线平滑了数据序列，并有助于识别股市的发展趋势。...q值越大，移动均线就越难反映序列xt中的短期波动。这里的想法是，移动均线过程能够从”噪声”中识别股市的发展趋势。...我们将这些交叉看作交易信号或指示器，表示金融证券正在改变趋势，我们可能从中获取利润。 下周我将发布第二部分的文章，介绍如何基于移动均线设计并测试一个交易策略。
开盘价是指股票在交易日开市时的股价（并不一定是前一交易日的收盘价格），最高价是指在交易日当天股价的最高价格，最低价是指在交易日当天股价的最低价格，收盘价是指股票在交易日收盘时的股价。...交易量表示被交易股票的数量。调整收盘价是根据公司行为调整后的股票收盘价格。...对于序列xt以及时刻t，q天均线表示过去q天股价的均值：也就是说，如果MAtq表示t时刻的q天均线，那么： ? 移动均线平滑了数据序列，并有助于识别股市的发展趋势。...q值越大，移动均线就越难反映序列xt中的短期波动。这里的想法是，移动均线过程能够从"噪声"中识别股市的发展趋势。...我们将这些交叉看作交易信号或指示器，表示金融证券正在改变趋势，我们可能从中获取利润。 第二部分的文章将介绍如何基于移动均线设计并测试一个交易策略。
获得事件发生当日的收盘价方法比较直接，因为我们只需要结合股票和日期。 为了获得事件发生前一日的收盘价，我们会使用一个pandas merge函数的变体，merge_asof， ?...5、最后一个参数明确了我们是否想要特定的配对（不，因为我们不想与当前日期配对，而是想跟前一天配对）。 我们现在有了一个重大事件与当日收盘价和前一日收盘价结合的数据集。...我们用获得前一日收盘价的同样方法来设置merge_asof函数，不过注意现在方向参数要设置为向前，因为我们想要得到的是接下来的报告日期。...由于Marketwatch并没有所有股票的报告数据，我们用一个随机的过去的日期来补上遗漏的报告日期。最后我们计算事件发生日和下一个报告日期之间相差多少个工作日，并剔除相差少于19个工作日的那些条目。...黄金交叉出现在一个短期移动平均值与一个长期移动平均值交叉时，提供了一个潜在持续的股价上升信号。使用我们之前计算的移动平均，我们可以将黄金交叉作为价格稳步上升的指标来检验对股价产生影响的事件进行探索。
然后重点分析了由于多种因素导致的股票“调整后收盘价”。数据的“调整后收盘价”部分是指市场收盘前最后一个交易价格的现金价值。调整后的收盘价归因于任何可能影响当天市场收盘后股价的因素。...调整后的收盘价有助于投资者了解公司行动宣布后股票的公允价值，也有助于保持股票价格开始和结束的准确记录，因此我们选择对其进行分析，而不是收盘价。...我们看到它几乎遵循正态分布，我们说“几乎”，因为在直方图的头部和尾部(我们对其进行了平滑以得出这个结论)并不严格遵循正态分布 随机股票，组合和最大夏普比率 我们这里有一个randomPortfolio(...)的函数，该函数负责生成一个随机的股票组合。...最优风险投资组合是夏普比率最高的投资组合。 通过在其相应的风险和收益值上添加一个红点，使用一个图例来识别最大夏普比率。散点图直观地表示了投资组合的风险和收益关系。
后续的 Heikin-Ashi 烛台的开盘价等于前一个 Heikin-Ashi 烛台的平均价，收盘价等于实体价格。3. 计算每个 Heikin-Ashi 烛台的上影线和下影线。...当随机指标的数值超过 80 时，表示股票价格可能已经过热，可能会出现调整或下跌的趋势；当随机指标的数值低于 20 时，表示股票价格可能已经过度抛售，可能会出现反弹或上涨的趋势。...计算当日的下降动向值（-DM），即当日最低价减去前一日最低价与前一日收盘价差的较大值（如果这个值为负数，则取0）。3....计算当日的上升动向值（+DM），即当日最高价减去前一日最高价与前一日收盘价差的较大值（如果这个值为负数，则取0）。3....TR 的值表示当日价格的波动范围，它是以下三个值的最大值： ○ 当日最高价减去当日最低价的绝对值。 ○ 当日最高价减去前一日收盘价的绝对值。 ○ 当日最低价减去前一日收盘价的绝对值。
斐波那契数列是从零开始的整数序列，其中每个数字都是前两个数字的和，但（当然）前两个数字除外 ，零和一（0、1、1、2、3、5、8、13、21、34、55、89 …）。...现在，我们有了 Yahoo 金融的历史数据。 数据表示为元组列表，但我们仅对收盘价感兴趣。 元组中的第一个元素代表日期。 其次是开盘价，最高价，最低价和收盘价。 最后一个元素是音量。...首先，我们将获取收盘价的对数，然后使用diff() NumPy 函数计算这些值的第一个差异。...当我运行脚本时，经过更正后整个市场都处于恢复模式。 您可能不仅要查看AAPL的股价，还可能要查看APL和SPY的比率。 SPY可以用作美国股票市场的代理。 绘制对数回报的直方图。...您可以使用randint() NumPy 函数生成随机整数。 这将与一个交易年度的随机日期相关联： return np.random.randint(0, high, size) 模拟交易。
在本篇文章中，我们讨论了均线交叉策略的设计、回溯检验、基准测试以及实践中可能出现的若干问题，并结合Python代码实现了一个基于均线交叉的交易策略系统。...因此，在允许投资者做空股票前，经纪人需要确保投资者保持良好的财务状况。 任何交易员都必须有一套规则，决定她愿意在任何一笔交易上投入多少钱。...也就是说，如果短期均线高于长期均线，那么这是一个牛市行情（牛市规则），如果短期均线低于长期均线，则目前为熊市行情（熊市规则）。我使用以下代码判断当前的股市行情。 ? ? ? ? ?...只需进行一次除法就可以求出mt的值，因此，我们可以使用收盘价和已调整收盘价来调整股票的其他所有价格。 让我们回到前面，调整Apple的股价，并用这些调整后的数据重新评估我们的交易系统。 ? ? ?...问题 问题1 基于均线交叉，设计一个本篇教程中描述的交易策略（你不需要考虑止损指令）。选择至少15只自2010年1月1日就存在的股票。
时间序列数据通常具有以下属性: 趋势:数据值随时间的长期增加或减少。 季节性:以固定间隔重复的模式或循环。 自相关:当前观测值与先前观测值之间的相关性。 噪声:数据中的随机波动或不规则。...也有周期性波动，表明季节性的存在。连续收盘价之间似乎存在一些自相关性。 时间序列数据预处理 在应用异常检测技术之前，对时间序列数据进行预处理是至关重要的。预处理包括处理缺失值、平滑数据和去除异常值。...正偏差表示值高于预期行为，而负偏差表示值低于预期行为。 机器学习方法 机器学习方法为时间序列数据的异常检测提供了更先进的技术。...我们将探讨两种流行的机器学习算法:孤立森林和LSTM Autoencoder。 孤立森林 孤立森林是一种无监督机器学习算法，通过将数据随机划分为子集来隔离异常。...但是在现实场景中，获取带有已知异常的标记数据几乎不可能，所以可以采用替代技术来评估这些模型的有效性。 最常用的一种技术是交叉验证，它涉及将可用的标记数据分成多个子集或折叠。
我们打印当前 SMA 值以及收盘价。 如果你运行脚本，你应该会看到收盘价和相应的 SMA 值，但在这种情况下，前 14 个 SMA 值为 None。...这是因为我们需要至少 15 个值才能得到一个 RSI 值。 前 28 个 SMA 值为 None。...这个想法非常简单： 如果调整后的收盘价高于 SMA（15），我们就进入多头头寸（我们放置一个市价买单）。...如果已经存在多头头寸，并且调整后的收盘价低于 SMA（15），我们就退出多头头寸（我们放置一个卖市价单）。...为了说明这一点，我们将使用一个称为RSI2的策略，它需要以下参数 用于趋势识别的 SMA 周期。我们将其称为 entrySMA，范围在 150 到 250 之间。 退出点使用较小的 SMA 周期。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
腾讯会议
云直播
对象存储
