JQData | 利用区间极值法对牛熊市进行简单划分

2023-10-13 04:48

本文主要是介绍JQData | 利用区间极值法对牛熊市进行简单划分,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

利用JQdata获取市场(股票)历史时间段处于牛市状态还是熊市状态

转自 https://www.joinquant.com/post/15536?tag=algorithm

如题,牛市和熊市的交易者心理预期与交易习惯可能是不相同的,为了方便统计不同市场情绪下市场,可以使用历史数据进行简单划分,也可以大致判断目前市场走势处于一个什么状态之中

import numpy as np 
import pandas as pd
from scipy.signal import  argrelextrema
from jqdatasdk import *
auth('账号','密码')
data = get_price('000001.XSHG',start_date='2007-01-01',end_date='2018-11-18')
# data.to_csv('000001.csv')
# data = pd.read_csv('000001.csv')  #为防止意外可以先将数据储存下来
def get_bull_or_bear(series,order=100):'''获取时间区间所处的牛熊市状态传入: series如close, order代表划分前后追朔的数据量,数据量越大,精度越小返回: 交易日的牛熊市的分类,series'''# 利用scipy在前后order个交易日内寻找极值点x=series.valueshigh = argrelextrema(x,np.greater,order=order)[0]low = argrelextrema(x,np.less,order=order)[0]high_s = pd.Series('high',series.iloc[high].index)low_s = pd.Series('low',series.iloc[low].index)data1 = pd.concat([high_s,low_s]).sort_index()other = []for i in range(len(data1)-1):               #去除重复值划分if data1.iloc[i]==data1.iloc[i+1]:other.append(data1.index[i])data1.drop(other,inplace=True)data1[series.index[-1]] = data1.iloc[-2]     #加上开头与结束的归类data1[series.index[0]] = data1.iloc[1]data1.sort_index(inplace=True)              # 获得牛熊分界点bull_data = pd.Series(False,series.index,name='is_bull')  #获得每一交易日属于牛市期还是熊市期if data1[0]=='high': is_bull =False else:is_bull=Truefor i in range(len(data1)-1):if is_bull:bull_data[data1.index[i]:data1.index[i+1]] = Trueis_bull=Falseelse:is_bull=Truereturn bull_data
bull_data  = get_bull_or_bear(data.close,100)
bull_data.value_counts()
False    1761
True     1128
Name: is_bull, dtype: int64
ax  = bull_data.plot(style='-',figsize=(17,5))
data.close.plot(secondary_y=True,ax=ax)
<matplotlib.axes._subplots.AxesSubplot at 0x7fe302f34790>

bull_data  = get_bull_or_bear(data.close,50)
ax  = bull_data.plot(style='-',figsize=(17,5))
data.close.plot(secondary_y=True,ax=ax)
<matplotlib.axes._subplots.AxesSubplot at 0x7fe309a63650>

# 很长时间我们可能会沉浸在牛市或者熊市的状态中,实际上早已脱离牛市(熊市),所以使用ema指标简单模拟何时我们发现离开了牛市(熊市)
series = pd.ewma(data.close,span=50)
bull_data  = get_bull_or_bear(series,100)
ax  = bull_data.plot(style='-',figsize=(17,5))
data.close.plot(secondary_y=True,ax=ax)
series.plot(secondary_y=True,ax=ax)
/opt/conda/envs/python2new/lib/python2.7/site-packages/ipykernel_launcher.py:2: FutureWarning: pd.ewm_mean is deprecated for Series and will be removed in a future version, replace with Series.ewm(ignore_na=False,span=50,min_periods=0,adjust=True).mean()
<matplotlib.axes._subplots.AxesSubplot at 0x7fe309d16350>

这篇关于JQData | 利用区间极值法对牛熊市进行简单划分的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/200858

相关文章

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

QT进行CSV文件初始化与读写操作

《QT进行CSV文件初始化与读写操作》这篇文章主要为大家详细介绍了在QT环境中如何进行CSV文件的初始化、写入和读取操作,本文为大家整理了相关的操作的多种方法,希望对大家有所帮助... 目录前言一、CSV文件初始化二、CSV写入三、CSV读取四、QT 逐行读取csv文件五、Qt如何将数据保存成CSV文件前言

通过Spring层面进行事务回滚的实现

《通过Spring层面进行事务回滚的实现》本文主要介绍了通过Spring层面进行事务回滚的实现,包括声明式事务和编程式事务,具有一定的参考价值,感兴趣的可以了解一下... 目录声明式事务回滚:1. 基础注解配置2. 指定回滚异常类型3. ​不回滚特殊场景编程式事务回滚:1. ​使用 TransactionT

Java中使用Hutool进行AES加密解密的方法举例

《Java中使用Hutool进行AES加密解密的方法举例》AES是一种对称加密,所谓对称加密就是加密与解密使用的秘钥是一个,下面:本文主要介绍Java中使用Hutool进行AES加密解密的相关资料... 目录前言一、Hutool简介与引入1.1 Hutool简介1.2 引入Hutool二、AES加密解密基础

SpringSecurity6.0 如何通过JWTtoken进行认证授权

《SpringSecurity6.0如何通过JWTtoken进行认证授权》:本文主要介绍SpringSecurity6.0通过JWTtoken进行认证授权的过程,本文给大家介绍的非常详细,感兴趣... 目录项目依赖认证UserDetailService生成JWT token权限控制小结之前写过一个文章,从S

使用Python开发一个简单的本地图片服务器

《使用Python开发一个简单的本地图片服务器》本文介绍了如何结合wxPython构建的图形用户界面GUI和Python内建的Web服务器功能,在本地网络中搭建一个私人的,即开即用的网页相册,文中的示... 目录项目目标核心技术栈代码深度解析完整代码工作流程主要功能与优势潜在改进与思考运行结果总结你是否曾经

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意