量化交易：筹码理论的探索-筹码分布计算的实现

2023-11-26 04:30
文章标签 实现 分布 计算 探索 理论 量化 交易 筹码

本文主要是介绍量化交易：筹码理论的探索-筹码分布计算的实现，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！

前言

很多朋友习惯了同花顺、大智慧等看盘软件，经常问到筹码分布如何计算。

说起来筹码分布的理论在庄股时代堪称是一个划时代产品，虽然历经level2数据、资金流统计、拆单算法与反拆单算法等新型技术的变革，庄股时代也逐渐淡出市场，但其背后的市场逻辑仍然具备一定的参考意义。

本篇就以BigQuant平台为基础，复现经典筹码理论的基础变量计算，为因子挖掘提供更多参考特征。

资金和筹码

资金是推动筹码移动的源动力，资金的强弱决定了筹码移动的方向。买入的资金强于卖出的筹码，说明筹码需求大于供应，股价就会上涨。相反，卖出的筹码强于买入的资金，说明筹码需求小于供应，股价就会下跌。当买入的力量和卖出的力量接近平衡时，说明供求相近，股价就会横盘震荡。

筹码理论背后的经典逻辑

  • 谁的筹码不抛 
      在筹码价位较高，没有明显出货迹象时，试想一只股票下跌了30%以上，而从没有放量，高端和低端筹码都不动，这是不正常的，散户重在散，下跌到一定程度一定会有很多人止损和出局，而持续盘跌不放量，只能说明其中有主力被套了，因为主力一般无法止损出局，那样成本太高了。这种股最适用于擒庄操作
  • 谁的筹码不卖 
      在筹码价位较低时，一只股票上涨了20%以上，而从不放量，底端密集筹码不动也是不正常的，散户一般很少有人经得起如此引诱而一致不出货，这只能说明其中有主力在运做，而多数主力没有30%以上的利润是不会离场的，因为那样除去费用纯利就太低了。这种股最适用于坐轿操作。
  • 机会和风险提示 
      有些股票虽然高位无量，但其拉升时出现了放量或长时间盘整，使筹码出现了高位集中，这些股一般是主力离场了，后市风险会较大。有些股低位放量或长时间盘整，出现筹码低位密集，一般是有主力进行收集造成的，操作起来机会比较大。

 

筹码理论的关键参数

  • 筹码分布 
      计算历史所有筹码的换手价位，类似分价表
  • 成本均线 
      以成交量为权重的价格平均线，用来表示N日内的市场参与者平均建仓成本。无穷成本平均线是最重要的成本均线，反映上市以来所有交易者的平均建仓成本，是市场牛熊的重要分水岭。
  • 筹码集中度 
      刻画主要筹码堆积的主要区域的幅度，数值越大表示筹码集中的幅度越大，筹码就越分散。
  • 活跃筹码 
      价附近的筹码是最不稳定的，也是最容易参与交易的，因为在股价附近的股票持有者，最经受不住诱惑，盈利的想赶快把浮动盈利换成实际盈利；被套的想趁着亏损得还少赶快卖掉，利用资金买另外的股票，把亏损赶快挣回来。而远离股价，在下方的筹码，由于有了一定的利润，持股信心会增强；在上方的筹码，由于被套太深而不愿割肉，所以在股价附近的筹码是最活跃的，而在股价上下，远离股价的筹码是不太活跃的。活跃筹码的数值很小时是很值得注意的一种情况。比如，一只股票经过漫长的下跌后，活跃筹码的值很小(小于10)，大部分筹码都处于被套较深的状态，这时多数持股者已经不愿意割肉出局了，所以这时候往往能成为一个较好的买入点；再比如：一只股票经过一段时间的上涨，活跃筹码很小(小于10)，大部分筹码都处于获利较多的状态，如果这时控盘强弱的值较大(大于20)，前期有明显的庄股特征，总体涨幅不太大，也能成为一个较好的买入点。所以，在股价运行到不同的阶段时，考虑一下活跃筹码的多少，能起到很好的辅助效果。

筹码理论的股价周期阐述

股价走势循环周期的四个阶段
A阶段：无穷成本均线由向下到走平；俗称筑底阶段；
B阶段：无穷成本均线由走平到向上；俗称拉升阶段，可称为上升阶段；
C阶段：无穷成本均线由向上到走平；俗称作头(顶)阶段；
D阶段：无穷成本均线由走平到向下；俗称派发阶段，可称作下降阶段；

1、筹码的价位分布计算

instruments = ['601700.SHA']
#这里尽量包含从上市日期开始到最后的数据
df = D.history_data(instruments, start_date='2005-01-02', end_date='2018-07-04',
fields=['open','close','adjust_factor','turn','volume']) #获取历史数据
df['real_close']=df['close']/df['adjust_factor']#获取真实收盘价
df['real_open']=df['open']/df['adjust_factor']#获取真实开盘价
df['turn']=df['turn']/100#获取换手率
df['avg_price']=np.round(df['real_close']+df['real_open'])/2#计算每日平均成本,这里按照0.5元一个价位做分析
df=df.sort_values(by='date',ascending=False).reset_index(drop=True)#日期按降序排列
df['turn_tomo']=df['turn'].shift(1) #计算明日的换手率
df['remain_day']=1-df['turn_tomo'] #计算当日的剩余筹码比例
#假设N日后，上市第一天的剩余筹码比率就是每日剩余比例的累乘即：剩余筹码比例=(1-明天换手率)*(1-后日换手率)*...*(1-最新日换手率),以此类推各日的剩余筹码
df['remain_his']=df['remain_day'].cumprod()*df['turn'] 
df['remain_his']=df['remain_his'].fillna(df['turn'])#最新一日的筹码就是当日的换手率

#关键统计，统计最后一天的各价位历史筹码堆积量（百分比）
ss=df.groupby('avg_price')[['remain_his']].sum().rename(columns={'remain_his':'筹码量'})
ss.head(10)
筹码量
avg_price
3.50.060804
4.00.044996
4.50.120760
5.00.120956
5.50.059544
6.00.149679
6.50.075149
7.00.073177
7.50.069574
8.00.141947
#检查一下各价位筹码总和是不是1
ss['筹码量'].sum()

1.0000001

2、筹码理论的Winner指标

#计算end_date时某一价位的获利比例
pp=ss.reset_index()
pp[pp.avg_price	<=3.5]['筹码量'].sum()

0.06080448
#计算end_date时收盘价的获利比例
pp[pp.avg_price	<=df['real_close'].iloc[-1]]['筹码量'].sum()

0.9996914

3、筹码理论的Cost指标

ss['筹码累积量']=ss['筹码量'].cumsum()
ss.head()
筹码量筹码累积量
avg_price
3.50.0608040.060804
4.00.0449960.105800
4.50.1207600.226561
5.00.1209560.347516
5.50.0595440.407060
#给定累计获利比率winner_ratio,计算对应的价位，表示在此价位上winner_ratio的筹码处于获利状态
winner_ratio=0.5
for i in range(len(ss)-1):if ss['筹码累积量'].iloc[i] < winner_ratio and ss['筹码累积量'].iloc[i+1]> winner_ratio:cost=ss.index[i]
cost

5.5

4、计算全市场各股票的winner指标

instruments = ['601700.SHA','601699.SHA']
#这里尽量包含从上市日期开始到最后的数据
df = D.history_data(instruments, start_date='2005-01-02', end_date='2018-02-14',
fields=['open','close','adjust_factor','turn','volume']) #获取历史数据
df['real_close']=df['close']/df['adjust_factor']#获取真实收盘价
df['real_open']=df['open']/df['adjust_factor']#获取真实开盘价
df['turn']=df['turn']/100
df['avg_price']=np.round(df['real_close']+df['real_open'])/2#计算每日平均成本,这里按照0.5元一个价位做分析
df=df.sort_values(by='date',ascending=False).reset_index(drop=True)#日期按降序排列
df['turn_tomo']=df.groupby('instrument')['turn'].apply(lambda x:x.shift(1)) #计算明日的换手率
df['remain_day']=1-df['turn_tomo'] #计算当日的剩余筹码比例

#假设N日后，上市第一天的剩余筹码比率就是每日剩余比例的累乘即：剩余筹码比例=(1-明天换手率)*(1-后日换手率)*...*(1-最新日换手率),以此类推各日的剩余筹码
df['remain_his']=df.groupby('instrument')['remain_day'].apply(lambda x:x.cumprod())
df['remain_his']=df['remain_his']*df['turn']
df['remain_his']=df['remain_his'].fillna(df['turn'])#最新一日的筹码就是当日的换手率

#关键统计，统计最后一天的各价位历史筹码堆积量（百分比）
ss=df.groupby(['instrument','avg_price'])[['remain_his']].sum().rename(columns={'remain_his':'筹码量'}).reset_index()

real_close=df.groupby('instrument')[['real_close']].apply(lambda x:x.iloc[0]).reset_index()
pp=ss.merge(real_close,on='instrument')
#计算end_date时收盘价的获利比例
winner=pp[pp.avg_price<=pp.real_close].groupby('instrument')[['筹码量']].sum().rename(columns={'筹码量':'winner'})
winner
winner
instrument
601699.SHA0.639122
601700.SHA0.817013
#检查各股票各价位的筹码总和是否为1
ss.groupby('instrument')['筹码量'].sum()

instrument
601699.SHA    1.0
601700.SHA    1.0
Name: 筹码量, dtype: float32

计算全市场各股票每日的winner指标

instruments = ['601700.SHA','601699.SHA']
#这里尽量包含从上市日期开始到最后的数据
df_all = D.history_data(instruments, start_date='2005-01-02', end_date='2018-02-14',
fields=['open','close','adjust_factor','turn','volume']) #获取历史数据

def cal_winner_day(df_all):winner=[]for k in list(df_all.date):df=df_all[df_all.date<=k]df['real_close']=df['close']/df['adjust_factor']#获取真实收盘价df['real_open']=df['open']/df['adjust_factor']#获取真实开盘价df['turn']=df['turn']/100#获取换手率df['avg_price']=np.round(df['real_close']+df['real_open'])/2#计算每日平均成本,这里按照0.5元一个价位做分析df=df.sort_values(by='date',ascending=False).reset_index(drop=True)#日期按降序排列df['turn_tomo']=df['turn'].shift(1)#计算明日的换手率df['remain_day']=1-df['turn_tomo'] #计算当日的剩余筹码比例#假设N日后，上市第一天的剩余筹码比率就是每日剩余比例的累乘即：剩余筹码比例=(1-明天换手率)*(1-后日换手率)*...*(1-最新日换手率),以此类推各日的剩余筹码df['remain_his']=df['remain_day'].cumprod()df['remain_his']=df['remain_his']*df['turn']df['remain_his']=df['remain_his'].fillna(df['turn'])#最新一日的筹码就是当日的换手率#关键统计，统计最后一天的各价位历史筹码堆积量（百分比）ss=df.groupby('avg_price')[['remain_his']].sum().rename(columns={'remain_his':'筹码量'}).reset_index()ss['real_close']=df['real_close'].iloc[0]#计算end_date时收盘价的获利比例winner_day=ss[ss.avg_price<=ss.real_close]['筹码量'].sum()winner.append(winner_day)result=pd.DataFrame({'winner':winner},index=df_all.date)return result

winner_all=df_all.groupby('instrument').apply(cal_winner_day)

winner_all.reset_index().sort_values(by='date',ascending=False).head()
instrumentdatewinner
4497601700.SHA2018-02-140.817013
2773601699.SHA2018-02-140.639122
2772601699.SHA2018-02-130.518967
4496601700.SHA2018-02-130.816618
2771601699.SHA2018-02-120.530768

 

这篇关于量化交易：筹码理论的探索-筹码分布计算的实现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/425120。

相关文章

openCV中KNN算法的实现

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库，它提供了各
阅读更多...
OpenCV图像形态学的实现

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀（Erosion）1. 原理2. OpenCV 实现三、膨胀China编程（
阅读更多...
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

《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
阅读更多...
Android实现打开本地pdf文件的两种方式

Android实现打开本地pdf文件的两种方式

《Android实现打开本地pdf文件的两种方式》在现代应用中,PDF格式因其跨平台、稳定性好、展示内容一致等特点,在Android平台上,如何高效地打开本地PDF文件,不仅关系到用户体验,也直接影响... 目录一、项目概述二、相关知识2.1 PDF文件基本概述2.2 android 文件访问与存储权限2.
阅读更多...
使用Python实现全能手机虚拟键盘的示例代码

使用Python实现全能手机虚拟键盘的示例代码

《使用Python实现全能手机虚拟键盘的示例代码》在数字化办公时代,你是否遇到过这样的场景：会议室投影电脑突然键盘失灵、躺在沙发上想远程控制书房电脑、或者需要给长辈远程协助操作？今天我要分享的Pyth... 目录一、项目概述：不止于键盘的远程控制方案1.1 创新价值1.2 技术栈全景二、需求实现步骤一、需求
阅读更多...
Spring Shell 命令行实现交互式Shell应用开发

Spring Shell 命令行实现交互式Shell应用开发

《SpringShell命令行实现交互式Shell应用开发》本文主要介绍了SpringShell命令行实现交互式Shell应用开发,能够帮助开发者快速构建功能丰富的命令行应用程序,具有一定的参考价... 目录引言一、Spring Shell概述二、创建命令类三、命令参数处理四、命令分组与帮助系统五、自定义S
阅读更多...
SpringBatch数据写入实现

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入
阅读更多...
Android Studio 配置国内镜像源的实现步骤

Android Studio 配置国内镜像源的实现步骤

《AndroidStudio配置国内镜像源的实现步骤》本文主要介绍了AndroidStudio配置国内镜像源的实现步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、修改 hosts，解决 SDK 下载失败的问题二、修改 gradle 地址，解决 gradle
阅读更多...
SpringSecurity JWT基于令牌的无状态认证实现

SpringSecurity JWT基于令牌的无状态认证实现

《SpringSecurityJWT基于令牌的无状态认证实现》SpringSecurity中实现基于JWT的无状态认证是一种常见的做法,本文就来介绍一下SpringSecurityJWT基于令牌的无... 目录引言一、JWT基本原理与结构二、Spring Security JWT依赖配置三、JWT令牌生成与
阅读更多...
SpringBoot实现微信小程序支付功能

SpringBoot实现微信小程序支付功能

《SpringBoot实现微信小程序支付功能》小程序支付功能已成为众多应用的核心需求之一,本文主要介绍了SpringBoot实现微信小程序支付功能,文中通过示例代码介绍的非常详细,对大家的学习或者工作... 目录一、引言二、准备工作（一）微信支付商户平台配置（二）Spring Boot项目搭建（三）配置文件
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2