金融工程研究:单向波动差值择时方法的改进

需积分: 0 0 下载量 153 浏览量 更新于2024-06-22 收藏 1.45MB PDF 举报
国信证券金融工程专题研究:单向波动差值择时之六,成交额过滤转多信号的改进方法 本文档为一份金融工程研究报告,专门探讨单向波动差值择时模型,并对其进行改进。报告的主要内容包括:单向波动差值择时模型信号准确率与成交额关系、相对成交额过滤转多信号vs成交额共同确认看多信号、转多信号过滤与幅度过滤方法的叠加等。 在研究中,作者发现随着成交额的增加,发出看多信号时预测的准确度进一步提高。因此,作者提出将成交额信息加入看多信号的判断对原模型进行改进。报告还对相对成交额过滤转多信号vs成交额共同确认看多信号进行了对比分析,并讨论了转多信号过滤与幅度过滤方法的叠加。 报告的结论是,单向波动差值择时模型可以通过加入成交额信息来提高准确率,并且可以通过相对成交额过滤转多信号和幅度过滤方法的叠加来提高策略的收益率。报告还提供了多种策略的比较分析和对不同风险偏好的投资者选用的建议。 知识点: 1. 单向波动差值择时模型:一种金融工程模型,用于预测股票价格的涨跌。 2. 成交额信息:在金融市场中,成交额是指某一时间段内的交易量,反映了市场的活跃程度。 3. 相对成交额过滤转多信号:一种策略,通过对成交额的分析,来确定看多信号的发出。 4. 转多信号过滤与幅度过滤方法的叠加:一种策略,通过将转多信号和幅度过滤方法结合,来提高策略的收益率。 5. 金融工程:一种研究领域,旨在应用工程学和数学方法来分析和解决金融问题。 6. 量化金融:一种金融投资方法,通过使用数学模型和算法来进行投资决策。 7. 市场强弱下月初效应:一种金融现象,指的是在某些特定的市场环境下,股票价格的涨跌。 8. 指数调样掘金:一种投资策略,通过对股票指数的调整和优化来获取超额收益。 本报告为读者提供了一份详细的金融工程研究报告,涵盖了单向波动差值择时模型、成交额信息、相对成交额过滤转多信号等多个知识点,并对不同风险偏好的投资者提供了多种策略的比较分析和建议。

#encoding:gbk import pandas as pd import numpy as np import talib import datetime import time import sys sys.path.append(r'D:\国信\国信iQuant策略交易平台\bin.x64\Lib\site-packages') import pymysql stocklist = ['002587.SZ', '300548.SZ', '301046.SZ', '001287.SZ', '300052.SZ', '300603.SZ', '300926.SZ', '300605.SZ', '300826.SZ', '301049.SZ'] def init(ContextInfo): ContextInfo.accID = "410001212417" #str(account) 交易帐号 ContextInfo.buy = True ContextInfo.sell = False today = datetime.datetime.now().strftime('%Y-%m-%d') #定义时间 order_time = today + ' 19:06:30' #定义时间 买股票 ContextInfo.run_time("myHandlebar", '1nDay', order_time, "SZ") #一天执行一次定义的myHandlebar def myHandlebar(ContextInfo): try: db = pymysql.connect(host='127.0.0.1', user='user', password='123456', db='python') print('数据库连接成功') except pymysql.Error as e: print('数据库连接失败') def get_stock_data(stock): G1 = ContextInfo.get_full_tick([stock]) # 获取分笔数据 G2 = [stock, G1[stock]['lastPrice'], G1[stock]['lastClose'], G1[stock]['pvolume']] # 最新 收盘 成交量 G3 = ContextInfo.get_last_volume(stock) # 总流通股 G4 = ContextInfo.get_instrumentdetail(stock) # 财表 G5 = [G4['TotalVolumn']] # 总股本 S1 = [G2[1] / G2[2] * 100 - 100] #涨幅 S2 = [G2[3] / G3 * 100] #换手率 S3 = [G2[1] * item for item in G5] #总市值 return [S1, S2, S3] stock_data = {} for stock in stocklist: stock_data[stock] = get_stock_data(stock) print(stock_data) 我打代码是这样,打印出来的结果是:{'002587.SZ': [[1.0479041916167802], [1.9914331748339686], [4397895000.0]], '300548.SZ': [[-3.7646314457450103], [9.90358201249419], [8700728400.0]], '301046.SZ': [[1.8993668777074362], [2.722894468951476], [4577520200.0]], '001287.SZ': [[0.9848484848484986], [4.357778802843653], [20258934000.0]], '300052.SZ': [[0.16330974414806576], [1.3332567665862716], [4818040000.000001]], '300603.SZ': [[0.3496503496503607], [1.4677953941892266], [5335789200.0]], '300926.SZ': [[-0.25839793281653556], [6.75514802163393], [6457471200.0]], '300605.SZ': [[-0.13888888888888573], [1.495405645304456], [2364934800.0]], '300826.SZ': [[8.338480543545373], [15.573514174701398], [2553824000.0]], '301049.SZ': [[-8.936698386429455], [19.581253894080998], [2074442500.0000002]]},在这代码的基础上,帮我把其中的'002587.SZ'对应的数值打印出来

2023-07-25 上传