R與金錢游戲:均線黃金交叉1

来源:https://www.cnblogs.com/yukiwu/archive/2019/11/07/11816945.html
-Advertisement-
Play Games

雙11臨近的我發現自己真的很窮很窮很窮(重要的問題說三遍)…… 貧窮催人上進。於是我就尋思著在空閑時間自己搗鼓一下錢生錢的游戲是怎麼玩的,畢竟就算註定做韭菜也要做一根有知識有理想的韭菜。 第一個要玩的模型就是股票交易中的均線黃金交叉。 作為一個基礎的韭菜一定聽說過均線黃金交叉原則,也就是說當短期移動 ...


雙11臨近的我發現自己真的很窮很窮很窮(重要的問題說三遍)……

貧窮催人上進。於是我就尋思著在空閑時間自己搗鼓一下錢生錢的游戲是怎麼玩的,畢竟就算註定做韭菜也要做一根有知識有理想的韭菜。

第一個要玩的模型就是股票交易中的均線黃金交叉。

作為一個基礎的韭菜一定聽說過均線黃金交叉原則,也就是說當短期移動平均線向上突破長期移動平均線,表明趨勢見漲,適合買入;相反地如果短期移動平均線向下突破長期移動平均線,表明趨勢看跌,適合賣出。

那麼這個韭菜們都知道的交易原則是不是真的能幫大家賺錢呢?下麵我們以中國平安為例(其實選A股分析還是很尷尬,萬一無論如何都不能賺錢呢……)就建模簡單地驗證一下。

Required Packages


library(quantmod)
library(ggplot2)
library(scales)


Get Data


首先利用 quantmod 包下載股價數據。股票的代碼可以在雅虎財經查到。

stock_code <- "601318.SS"
start <- as.Date("2018-01-01")
end <- as.Date("2020-01-01")
stock <- getSymbols(stock_code, from=start, auto.assign=FALSE)
names(stock) <- c("Open", "High", "Low", "Close", "Volume", "Adjusted")
stock <- stock[paste(start, end, sep='/')]$Close


Calculate Moving Average


移動平均數通常可分為簡單移動平均數 (SMA),加權移動平均數 (WMA) 和指數移動平均數 (EMA)。

通常我們會選用指數移動平均數。因為移動平均數在一定程度上都會落後於股價的實時趨勢,而指數移動平均數在計算時越新的數據加權比重越大,能更快地反映股價的變化。

ma <- function(data, mas=c(5, 20, 60)) {
  ma_data <- data
  for(m in mas) {
    ma_data <- merge(ma_data, EMA(data, m))
  }
  ma_data <- na.locf(ma_data, fromLast = TRUE)
  names(ma_data) <- c('Value', paste('MA', mas, sep=''))
  return(ma_data)
}

我們可以將計算結果畫成圖形:
01

Get Trading Signals


以 5 日和 20 日均線為例,我們可以按照均線黃金交叉原則找到買賣交易點,即某一天的 5 日移動平均數大於 20 日移動平均數時為買入,反之某一天的 5 日移動平均數小於 20 日移動平均數時為賣出。

我們可以將數據分組。當 5 日均線大於 20 日均線時為 “buy”; 當 5 日均線小於 20 日均線時為 “sell”。 其中 “buy” 和 “sell” 是以不定數量間隔出現的,那麼每一段中第一個 “buy” 出現的時候為買入, 第一個 “sell” 出現的時候為賣出。在模擬交易的時候為了方便計算利潤,我們將買入設為第一次交易,賣出設為最後一次交易。

如果我們一直依照均線黃金交叉原則,那麼從 2018-01-01 開始至今一共有 30 次交易 (買賣合計)。

get_signals<- function(data, mas_1=5, mas_2=20) {
  if(mas_1 == 0)
    ma_name_1 <- "Value"
  else
    ma_name_1 <- paste('MA', mas_1, sep='')
  ma_name_2 <- paste('MA', mas_2, sep='')
  ma_data <- data[, c("Value", ma_name_1, ma_name_2)] #please calculate ma value before and get a dataframe like the section above
  down_data <- ma_data[which(ma_data[, c(ma_name_1)] > ma_data[, c(ma_name_2)]), c("Value")]
  up_data <- ma_data[which(ma_data[, c(ma_name_1)] < ma_data[, c(ma_name_2)]), c("Value")]
  result <- merge(down_data, up_data)
  names(result) <- c("buy", "sell")
  result <- fortify(result, melt=TRUE)
  result<- result[-which(is.na(result$Value)),]
  signals <- result[order(result$Index),]
  signals$Signal <- ifelse(signals$Series == "buy", 1, 0)
  signals$Signal <- c(ifelse(signals$Series[1] == "buy", 1, -1),diff(signals$Signal))
  signals <- signals[which(signals$Signal != 0),]
  #delete odd rows
  if(nrow(signals)%%2 == 1) {
    if(signals$Series[1] == "buy")
      signals <- signals[-c(nrow(signals)),]
    else
      signals <- signals[-c(1),]
  }
  if(signals$Series[1] == "sell") {
    signals <- signals[-c(nrow(signals)),]
    signals <- signals[-c(1),]
  }
  return (signals)
}


Mock Trading


上面我們已經找出交易點,但其實我們找出這些可能的歷史交易點目的就是為了知道如果嚴格按照這些交易點進行交易能不能賺錢呀?

下麵我們可以模擬一下交易的過程:

假設我們有 100,000 本金,全倉進入,交易費率為 0.3%

mock_trading <- function(signals, capital=100000, position=1, fee=0.003){
  amount <- 0
  cash <- capital * position
  ticks <- data.frame()
  
  for(ii in 1:nrow(signals)){
    row <- signals[ii,]
    if(row$Series == "buy") {
      amount <- floor((cash/(1+fee))/row$Value)
      amount <- (amount%/%100)*100
      cash <- cash - amount * row$Value - (amount * row$Value) * fee
    }
    if(row$Series == "sell") {
      cash <- cash + amount * row$Value - (amount * row$Value) * fee
      amount <- 0
    }
    row$cash <- cash
    row$amount <- amount
    row$asset<- cash + amount * row$Value  
    row$fee <- (amount * row$Value) * fee
    ticks<-rbind(ticks, row)
  }
  ticks$diff <- c(0, diff(ticks$asset))
  
  rise <- ticks[c(which(ticks$diff > 0)-1, which(ticks$diff > 0)),]
  rise <- rise[order(rise$Index),]
  fall <- ticks[c(which(ticks$Series=="sell" & ticks$diff < 0)-1, which(ticks$Series=="sell" & ticks$diff < 0)),]
  fall <- rise[order(fall$Index),]

  return(list(
    ticks = ticks,
    rise = rise,
    fall = fall
  ))
}

如果嚴格按照均線黃金交叉原則,那麼經過2年的股海沉浮之後,最後我們的本金只有 80,688.14,虧損 19,311.89, 而賺錢的交易只有6次 (買賣合計)。
02

我們將資產和股價曲線畫成圖形對比可以看出我們在前期的交易中是虧損很多的。一方面是股價走勢確實是跌跌不休 (經歷了 2018 年的韭菜們都知道),那還有沒有交易選擇錯誤的原因呢?
03

我們將盈利和虧損的交易分別畫出來,就可以看出虧損的交易多在股價尚未形成趨勢還在震蕩,如 2018-08,以及 2018-10-2018-11 期間。所以從數據上來看,均線黃金交叉原則只能對股價已形成趨勢的股票起指導作用。
04

不過我們也可以樂觀地認為,只要我們能夠避開震蕩期,那麼均線黃金交叉原則還是能夠幫助我們小小賺一筆的。可是今日不知明日事,一個有知識有理想的韭菜單憑肉眼是很難看出某一個交叉點是否就在趨勢上。

我們又可以引入什麼指標來避開震蕩期呢?後面會繼續探討一下的。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 場景 Ubuntu Server 16.04 LTS上怎樣安裝下載安裝Nginx並啟動: https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/102828075 Nginx的配置文件位置以及組成部分結構講解: https://blog. ...
  • 文章主人公:小明,就職於某互聯網公司,從事後端開發工作。最近小明收到通知公司需要開發一款《證件照》應用,需要徵集架構方案,主要功能包括: 小明雖然從事後端開發工作,但是一直很關註架構這方面的知識,以往都是開發大佬們架構好的應用現在有機會自己去實踐下,打算把自己學到的知識應用於實際案例中來。 小明的腦 ...
  • Python win32com模塊 合併文件夾內多個docx文件為一個docx #!/usr/bin/env python # -*- coding: utf-8 -*- from win32com.client import Dispatch import os,sys #import panda ...
  • set介面 java.util.Set 介面和 java.util.List 介面一樣,同樣繼承自 Collection 介面,它與 Collection 介面中的方 法基本一致,但是set介面中元素無序,並且不重覆 分類 1.HashSet集合 2.LinkedHashSet集合 HashSet集 ...
  • day one 演算法是充分利用解題環境所提供的基本操作,對輸入數據進行 逐步加工、變換和處理,從而達到解決問題的目的。 電腦的基本功能操作包括以下四個方面: 邏輯運算:與、或、非; 算術運算:加、減、乘、除; 數據比較:大於、小於、等於、不等於、大於等於、小於等於; 數據傳送:輸入、輸出、賦值。 ...
  • 1.首先是對vs2017這款軟體的使用 1.VS中的scanf()這個函數的使用問題 直到這次寫代碼我才知道VS中用scanf是會被警告的,VS中正規的類似於scanf()函數的輸入函數是scanf_s()只有使用這個函數你才不會報錯,它有三個參分別是數據類型,地址,最大存儲量, 還有兩種方法 第一 ...
  • 寶塔官方建議是純凈的系統,我使用docker運行一個ubuntu容器,模擬一個純凈的系統,這樣也不會影響到我的其他服務。 docker run --name baota -id -p 8888:8888 ubuntu docker exec -it baota bashapt-get updatea ...
  • 一個程式就是一個世界,有很多對象(變數) Golang 語言面向對象編程說明 1) Golang 也支持面向對象編程(OOP),但是和傳統的面向對象編程有區別,並不是純粹的面向對 象語言。所以我們說 Golang 支持面向對象編程特性是比較準確的。 2) Golang 沒有類(class),Go 語 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...