关于数据挖掘:R语言量化技术分析的百度指数关注度交易策略可视化

45次阅读

共计 2142 个字符,预计需要花费 6 分钟才能阅读完成。

全文链接:http://tecdat.cn/?p=31556

原文出处:拓端数据部落公众号

传统的经济实践认为股票市场是无效的,价格稳定是对市场信息的反馈,投资者可能及时处理所有实时信息并做出最优决策。

交易策略根本思维

投资者的当期关注和股票当期收益出现正向变动关系,而投资者的滞后关注对股票当期收益体现为负面影响,依据这一论断,投资者应该依据关注度的变动状况适当的做出交易策略,当股票的关注度高时卖出股票,而当关注度低时则买入股票。

利用百度指数的日度数据掂量投资者的日度关注情况,但日度以内就无奈在进行细分了,无奈实现同一天内投资者关注度变动的掂量,所以自能以日度数据为根底钻研前一期或者前数期投资者关注度的变动对以后投资决策的指导作用。以后日投资者对某只股票的关注度偏高时,应该在当期卖出标的,以取得关注度的溢价收益。

关注度数据:

相对高关注度交易策略

相对高关注度就是设定一个数值为关注度达到的偏高标准,个别状况下就是依据股票关注度的历史数据来定义相对关注度偏高标准,具体的定义如下:

上式中,![]() 示意当期投资者关注度,其中![]() 为对应标的样本区间前三个月历史日关注度的前 20% 分位数,当此值大于当期投资者关注时,则认为关注度是偏低的;![]() 为对应标的样本区间前三个月历史日关注度的前 80% 分位数,此数值大于当期关注度时,则认为关注度处于偏高状态;当当期关注度介于前 20% 分位数和前 80% 分位数时,则认为此时的关注度处在失常范畴内,既不偏高也不偏低。

交易策略设计思维

依据上文实证钻研后果,高关注度会给当期带来超额收益,但在反转效应的驱使下,前期的股价将会走低,也就是说高关注度之后股价会上行,反之低关注度之后股价会回升,所以联合上文对相对高关注度的定义,其交易策略能够设定为:

Cash[i+1]=stockprice[i-1]+Cash[i]# 关注度低于 q_20

      stockprice[i]=0# 卖出

      n=0

     

    }else{if(ldata[i]>q_80){

        p=0.3;# 如果高于关注度,设置买入股数的比率

        up=(cdata[i]-cdata[i-1])/(cdata[i-1])# 计算涨幅 

从上式能够看出,如果关注度偏低,就执行买入策略,如果关注度偏高,就执行卖出策略,这一操作思维是齐全依据投资者关注度有没有达到设定的高标准,通过对高关注度定义执行交易操作以获取股票溢价。须要强调的是,这里的交易策略是简化了的策略,是在不思考其余因素的状况而仅仅依据关注度的高下执行的交易策略,以便将问题简单化。

交易策略施行过程

每个策略必须有代表股票的交易策略图。

三种策略最初的后果汇总,如下图

我的项目 收益均值 收益为正次数 均匀交易次数 收益与最大回撤比值均值
数值 1.83 109 8.349112 86.6%

 

三种策略下每只股票的具体后果 116*3=348 个具体后果

每个策略运行的是 116 只股票,483 个交易日的数据,买入和卖出股票是用无限关注(AT)进行掂量(以过来三个月关注度为参考)

## 筛选出股票数据

index= which(substr(a,1,4)=="SH60"|substr(a,1,4)=="SZ00");

策略 1

points(profitindex,ldata[sort(profitindex)],col="green")#5 日均线

  lines(cdata[(startdate+1): length(cdata)]/10 ,col="red")

  #绘制收益曲线

  #plot(profit,type="b")

我的项目 收益均值 收益为正次数 均匀交易次数 收益与最大回撤比值均值
数值 9.91 647 4.5625 86.9%

策略 2

我的项目 收益均值 收益为正次数 均匀交易次数 收益与最大回撤比值均值
数值 11.04 743 3.9624 78.9%

策略 3


最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略

2.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言改良的股票配对交易策略剖析 SPY—TLT 组合和中国股市投资组合

3.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言工夫序列:ARIMA GARCH 模型的交易策略在外汇市场预测利用

4.[](http://tecdat.cn/r%e8%af%ad%e…)TMA 三均线期指高频交易策略的 R 语言实现

5.[](http://tecdat.cn/r%e8%af%ad%e…) r 语言多均线量化策略回测比拟

6.[](http://tecdat.cn/r%e8%af%ad%e…) 用 R 语言实现神经网络预测股票实例

7.[](http://tecdat.cn/r-%e8%af%ad%…)r 语言预测稳定率的实现:ARCH 模型与 HAR-RV 模型

8.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言如何做马尔科夫转换模型 markov switching model

9.matlab 应用 Copula 仿真优化市场危险

正文完
 0