python-双均线预测能力检验2
来源:互联网 发布:中科院半导体所 知乎 编辑:程序博客网 时间:2024/06/14 23:42
# -*- coding: utf-8 -*- """ Created on Thu May 25 08:55:12 2017 @author: yunjinqi E-mail:yunjinqi@qq.com Differentiate yourself in the world from anyone else. """ import pandas as pd import numpy as np import datetime import time import randomimport matplotlib.pyplot as pltimport seaborn as sns#获取数据 df=pd.read_csv('C:/Users/HXWD/Desktop/rb000.csv',encoding='gbk') df.head()df.columns=['date','open','high','low','close','volume','amt'] df.head() value=[] for i in range(5,6): for j in range(20,21): df['ma5']=df['close'].rolling(i).mean() df['ma20']=df['close'].rolling(j).mean() df.ix[df['ma5']>df['ma20'],'cross']=1 df.ix[df['ma5']<=df['ma20'],'cross']=-1 #df[['close','ma5','ma20']][-200:].plot() df['ret']=(df['close']-df['close'].shift(1))/df['close'].shift(1) df['profit']=df['ret']*df['cross'] #df['profit'].plot() target=df['profit'].sum() s=[i,j,target] ts=time.strftime('%Y-%m-%d %X', time.localtime() ) value.append(s) print('当前时间:{}短期参数:{},长期参数:{}优化完毕,净利润{}'.format(ts,i,j,s)) #基于蒙特卡洛模拟评估双均线的预测能力data=df[['ret','cross']].fillna(0)target_value=[]for i in range(5000): li=list(data['ret']) random.shuffle(li) profit=(li*data['cross']).sum() print(profit) target_value.append(profit)target_valueplt.hist(target_value)jianyan_profit=(data['ret']*data['cross']).sum()jianyan_profit
#基于随机的收益与策略的收益差距非常大,我们有理由相信,策略是具有预测能力的。
#量化投资交流群:226224941,欢迎大家加入。
阅读全文
0 0
- python-双均线预测能力检验2
- python双均线预测能力检验3
- python-双均线策略的预测能力研究
- 基于python的商品购买能力预测系统
- python CRC16检验
- Python正态性检验
- python T检验
- MARK 移动互联网技术与能力预测
- iv预测能力 2016.07.27回顾
- 如何有效利用大数据预测能力
- caret包应用之四:模型预测与检验
- eviews 9.5新版本——平均预测、面板效应检验
- 多元线性回归 ——模型、估计、检验与预测
- python预测房价
- python简单预测模型
- 利用python进行T检验
- python进行JB正态性检验
- 用六大代码问题检验你的Java知识能力
- 文章标题
- 告诉你什么是javascript的回调函数
- 构建 tomcat-redis-session-manager-master
- 机器学习中的特征选择问题
- 微信公众平台 生成带参数的二维码
- python-双均线预测能力检验2
- 测试redis有没有装成功小例子
- module_init宏
- C语言之assert()
- 执行adb打开IE浏览器
- 小蚁正式发布双目VR全景相机,便宜、高像素只售2499元。
- test
- Android输入子系统之启动过程分析
- MongoDB基本管理命令