本文主要是介绍基于Python的指数基金量化投资——指数基金偏离度计算，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！
什么是指数偏离度
它是指数涨跌的快慢和偏离幅度指标。
当指数快速上涨，偏离度数据会迅速的向上偏离，当快速下跌时，偏离度数据会迅速的向下偏离。
而持续的上涨中出现下跌，偏离度就会急转直下，另一种持续的下跌中出现上涨，偏离度就会迅速上升。
指数偏离度的计算公式：100% × (当日指数 - N日平均指数) / N日平均指数；
其中N可以取5、10、20、30、60等值，就能反映出多少日的偏离度情况。数值越小反映的结果越趋近于瞬时变化，而数值越大反映的结果趋近于于平均变化。
指数偏离度反映的特征
下面是沪深300指数60日偏离度和10偏离度的情况。
60日偏离度更能反映指数在一段时间区间内的变化，整体性更好，抖动较大，有助于了解指数的长期偏离走势，而10日偏离度更能反映当前指数的瞬时变化，独立性更好，抖动较小，有助于了解指数的短期变化走势。
指数偏离度反映的是趋势的变化，更适用在量化的趋势投资中，也就是右侧投资模式，并不适合左侧投资方式，后续会介绍微笑曲线的投资方式，微笑曲线就是一种左侧投资方式。
在小将看来左侧投资方式的胜率更大也更适合自己，但萝卜青菜各有所爱，大家按自己的投资策略来就行。
源码
import numpy as np
import pandas as pd
import matplotlib.pyplot as pltview_name = 'sh.000300'# (当日指数或收盘价-N日平均指数或收盘价)/N日平均指数或收盘价×100%index_info = pd.read_csv('./exportfile/indexDataAll/' + view_name + '.csv')index_data = index_info['close'].values[1:len(index_info['close']):1]
win_10 = 10
win_30 = 30
win_60 = 60
offset = 60
index_data_deviation_10 = np.zeros([len(index_data),1])
index_data_deviation_30 = np.zeros([len(index_d这篇关于基于Python的指数基金量化投资——指数基金偏离度计算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！
