基于均值回归的NSE股票交易策略预测与实现

标题中的“auquan_capstone:预测价格回升信号，以在NSE上平均恢复存货”揭示了本项目是一个关于算法交易和均值回归交易策略的研究。均值回归是金融市场中一种常见的交易策略，假设股票价格、商品价格或其他金融资产的价格倾向于围绕它们的长期平均值波动。投资者使用均值回归策略，目的是识别出资产价格偏离长期均值时的买卖机会。 描述部分详细介绍了项目的目标、数据来源、提取的功能以及用于识别股票潜在利润的技术方法。项目的目标是利用数据科学技术对印度国家证券交易所（NSE）的20只最有盈利潜力的股票实施均值回归交易策略。项目使用了2017年NSE上市的110只股票的数据。 具体的数据报文包括以下几个特征： 1. StockVWAP（股票的成交量加权平均价格）：这是衡量股票在特定时间段内价格表现的一个指标，它考虑了交易量和价格的关系。 2. FutureVWAP（期货的成交量加权平均价格）：同样表示期货合约在特定时间段内的平均价格，反映了期货市场的交易行为。 3. 要价（Bid Price）：是指交易者愿意买入资产的价格。 4. 买价（Ask Price）：是指交易者愿意卖出资产的价格。 5. 总交易量：即在特定时间段内的所有交易的股票数量总和。 6. 总交易量库存数据：这可能指的是在特定时间点上持有的股票总量。 为了识别具有潜在利润的股票，项目组使用了均值恢复理论，并特别关注了2小时、1天、5天和2周的时间范围。项目中采用了一个名为赫斯特指数的指标来评估股票价格的趋势持久性。赫斯特指数值在0和1之间，如果低于0.5，意味着股票价格序列具有反向记忆，即价格倾向于回归到它们的长期平均值。项目中通过计算赫斯特指数来识别在特定时间范围内有均值恢复倾向的股票。 为了预测未来的均值，项目假设每只股票在每个时间范围内的均值表现，并计算出3倍平均值（StockVWAP）。接着，研究者计算股票相对于该均值的偏差。偏差可能指的是当前的市场价格与均值之间的差异。在算法交易中，这种偏差是进行交易决策的关键参考点。 通过这种方法，交易者可以识别出那些偏离均值并可能有回归均值趋势的股票，从而制定买入或卖出的策略。 标签“algorithmic-trading mean-reversion arima-forecasting Python”指出了项目中所使用的技术和工具。标签表明，项目中采用了算法交易、均值回归技术，并使用了ARIMA模型进行时间序列预测，而且整个项目的开发和分析过程是用Python编程语言实现的。 最后，提到的“auquan_capstone-master”是项目相关的压缩包子文件名称，暗示了项目是由多个文件组成，并以“master”作为主文件或主分支的标记，表明可能是一个版本控制项目，例如Git。这个文件名可能包含了项目的主要代码、数据分析脚本、论文、报告等。