精华内容
下载资源
问答
  • 相对指标平均指标主要内容.doc
  • 相对标准平方偏差计算软件,祝你RSD=99.99%,亲测好用
  • 通达信指标公式源码 相对准确指标 无未来.doc
  • 通达信指标公式源码 RS相对强度副图指标.doc
  • 通达信指标公式源码相对空间位置主图指标.doc
  • 通达信指标公式源码 相对低价入仓副图指标.doc
  • 通达信指标公式源码 相对低位买进副图指标.doc
  • 相对绝杀通达信指标公式源码.doc
  • 【压力支撑】RSRS阻力支撑相对强度市场择时指标致初学者: 大家好,我是一个马叉虫的宽客:Tao,从本期开始,我将为大家带来一系列的量化指标。众所周知,认识技术指标是作为一个从事二级市场必不可少的技能。相信...

    【压力支撑】RSRS阻力支撑相对强度市场择时指标

    致初学者:

        大家好,我是一个马叉虫的宽客:Tao,从本期开始,我将为大家带来一系列的量化指标。众所周知,认识技术指标是作为一个从事二级市场必不可少的技能。相信开始对量化感兴趣的宽客们都有一两个自己擅长的技术指标,而对技术指标进行量化策略的构建是最简单最基本的量化实现,宽客们,通过本期学习,一起来实现并尝试改善专属于自己的技术指标吧!

    研究基地及产出地

        DigQuant点宽网,全网唯一基于 MATLAB 的专业在线量化社区,“不是人人都能成为宽客”,成为宽客的你都是独特的!
         点宽网策略资源池全面开放216+基于MATLAB的量化投资策略,随你下载,任你玩!点宽量化策略研究平台auto-trader支持股票、期货、期权等多品种标的回测、实盘交易。

    简介

        RSRS阻力支撑相对强度指标,压力支撑指标之一,该指标从支撑位与阻力位相对强度的变化对于未来市场状态的预测性角度挖掘其在市场择时上的应用。阻力支撑相对强度指标对于市场状态的改变敏感。滞后性低,相比于均线、MACD等有明显滞后性的技术指标,RSRS指标可以当作一种领先指标,对市场变化有预判效果。运用RSRS指标择时的一大优势即使能在市场即将牛熊转换时,提前离场,锁定收益。

    参考文献

    本策略基本用法

    step1: 计算RSRS 斜率。
    step2:如果斜率大于s1,则买入持有。本策略的 s1=1
    step3:如果斜率小于s2,则卖出手中持股平仓。本策略的 s2=0.8

    RSRS 斜率计算方法

    step1:取前N 日的最高价序列与最低价序列,本策略的N=18;
    step2:将两列数据按式(1)的模型进行OLS 线性回归。
    step3:将拟合后的beta 值作为当日RSRS 斜率指标值。

    策略代码

    请到点宽策略资源池下载:【指标量化】压力支撑——RSRS阻力支撑相对强度指标

    回测分析

    一、回测设置:

    1、回测标的:HS300
    2、回测时间:20140101-20180101,共4年
    3、初始资金:1千万
    4、资金分配:40%流动资金均等分配给准备下单的股票。
    二、回测结果:

    权益曲线:

    绩效分析:

    结论:

    1、RSRS 指标对于市场未来收益的择时效果显著,有较强预判市场顶底的能力。
    2、由于大概率是左侧开仓平仓,因而具有在大熊市之前或前期迅速逃顶抽身锁定利润的优势;但同时也承担了开仓判断失误造成损失的风险。
    3、配合均线或交易量相关性确认市场趋势,右侧开仓的策略有效弥补阻力支撑相对强度指标的不足,整体盈利能力强劲。在大牛市中能抓住大部分的趋势获得巨额收益。在震荡市场中也能有效抓取小上涨,避开小慢跌,从而在震荡中缓慢稳定盈利。

    展开全文
  • 过滤盘整震荡指标源码文华期货指标 相对能量.doc
  • 通达信指标公式源码 相对macd.doc
  • RSI相对强弱指标的实战技巧

    千次阅读 2019-07-31 10:42:44
    相对强弱指标RSI是根据一定时期内上涨和下跌幅度之和的比率制作出的一种技术曲线,能够反映出市场在一定时期内的景气程度,它是用以计测市场供需关系和买卖力道的方法及指标。详细具体的RSI指标计算方式及原理请查看...

    相对强弱指标RSI是根据一定时期内上涨和下跌幅度之和的比率制作出的一种技术曲线,能够反映出市场在一定时期内的景气程度,它是用以计测市场供需关系和买卖力道的方法及指标。详细具体的RSI指标计算方式及原理请查看百度百科RSI指标

    今天Max-zh重点分享RSI指标的外汇交易实战技巧。

    RSI参数设置:

    时间周期:14天,

    水平位:超卖区20 、 强弱分水线50 、超买区80

    实战技巧1:强弱分水线、超买和超卖

    强弱分水线,RSI指标曲线处在50以上区域一般认定是行情强势,反之50之下为行情弱势;这里强弱行情判断并不是指某一天,而是一个RSI指标曲线在一定时间内整体处于50以上区域,我们可认定是价格处在一个强势阶段,反之弱势阶段。

    超买和超卖,当RSI指标曲线进入20以下区域,此时的价格就进入了超卖区,价格就有可能出现超跌反弹;反之指标曲线进入80以上区域,价格进入超买区,价格可能出现大涨见顶回落。

    实战技巧2:RSI指标曲线形态

    RSI指标曲线形态分析与K线图表形态分析基本一致,常见的见底形态:W底、头肩底;常见的见顶形态:M顶,头肩顶;整理形态:三角形、矩形、楔形、平台突破。我们根据这些形态的交易要点去交易即可,比如W底(顶)、头肩顶(底)突破颈线买入。这里的形态务必与K线图表结合分析。

     

    实战技巧3:背离

    RSI指标曲线的技术背离,分为顶背离和底背离,当出现背离行情,极端的趋势行情存指标钝化不断背离的现象,理应值得引起我们高度重视,采取措施要么减仓或平仓,要么移动保损保护头寸,当然务必结合K线图表能够进一步确认。

    实战技巧4:趋势线与水平支撑阻力线

    趋势线与水平支撑阻力线与K线图表的用法基本一致,RSI指标曲线高低点不断抬升就是上涨趋势,行情以多为主,曲线高低点不断下降是下跌趋势,应该以空为主;

    RSI指标曲线也存在水平支撑阻力线,当一个关键位支撑阻力位被突破,我们应该重视突破的方向。

    参考文献:

    百度百科《RSI指标》

    推荐阅读:

    1.直接看裸K图的交易方法

    2.带你读懂Pinbar交易信号

    3.支撑阻力水平线的精妙交易法

    4.多空力量之间博弈转换的循环哲理

    5.道氏理论的精要交易,简单才是最赚钱的

    展开全文
  • 相对底顶通达信指标公式源码.doc
  • 通达信指标公式源码 相对低价入仓.doc
  • Python绘制RSI相对强弱指标

    千次阅读 2020-04-15 18:10:22
    写在前面相对强弱指标(RSI)简介RSI公式详解参数设置用到的主要Python库Python代码&详解参考文献 写在前面 本文代码部分总结自Packt出版社的《Learn Algorithmic Trading - Fundamentals of Algorithmic ...

    写在前面

    本文代码部分总结自Packt出版社《Learn Algorithmic Trading - Fundamentals of Algorithmic Trading》,如图1。现将该书的相对强弱指标[1](RSI)部分进行总结,并对数据处理及图形绘制等函数做了相应改动,供有需要的读者学习研究。

    图1

    图1

    相对强弱指标(RSI)简介

    相对强度指标 ( R S I ) (RSI) (RSI)是由美国证券分析技术大师威尔斯·威尔德(J.Welles-Wilder)提出并设计的技术分析工具,最早应用于欧美期货市场。相对强弱指标是通过比较一段时间内收盘指数或收盘价的涨跌变化情况,来分析测量多空双方买卖力量的强弱程度,从而判断未来股市走势的一种技术指标。其最大优点是能够提前提示买卖双方力量的对比,指当前价格以0到100之间的百分比进行标准化[2]。此指标名称具有误导性,因为它不是一只股票与另一只股票进行比较,而是当前股票价格与所选回溯期内的股票价格进行比较[1]

    RSI公式详解

    参数设置&公式

    n : 时 间 周 期 数 n:时间周期数 n:

    收 益 : 收 盘 价 − 前 收 盘 价 < 0 时 为 0 , > 0 为 所 得 值 收益:收盘价-前收盘价<0时为0,>0为所得值 <00>0

    损 失 : 前 收 盘 价 − 收 盘 价 < 0 时 为 0 , > 0 为 所 得 值 损失:前收盘价-收盘价<0时为0,>0为所得值 <00>0

    a v g _ G a i n = ∑ ∣ 过 去 n 个 时 期 内 的 收 益 ∣ n avg\_Gain=\frac{\sum|过去n个时期内的收益|}{n} avg_Gain=nn

    a v g _ L o s s = ∑ ∣ 过 去 n 个 时 期 内 的 损 失 ∣ n avg\_Loss=\frac{\sum|过去n个时期内的损失|}{n} avg_Loss=nn

    R S = a v g _ G a i n a v g _ L o s s = ∑ ∣ 过 去 n 个 时 期 内 的 收 益 ∣ ∑ ∣ 过 去 n 个 时 期 内 的 损 失 ∣ × 100 % RS= \frac{avg\_ Gain}{avg\_ Loss}=\frac{\sum|过去n个时期内的收益|}{\sum|过去n个时期内的损失|}\times 100\% RS=avg_Lossavg_Gain=nn×100%

    R S I = 100 − 100 1 + R S RSI = 100 - \frac{100}{1 + RS} RSI=1001+RS100

    用到的主要Python库

    Python绘图库Matplotlib 3.2.1
    Python金融数据处理库Pandas 1.0.2
    Python矩阵计算库Numpy 1.16.0

    Python代码&详解

    
    # 导入及处理数据
    import pandas as pd
    import numpy as np
    # 绘图
    import matplotlib.pyplot as plt
    # 设置图像标签显示中文
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    import matplotlib as mpl
    # 解决一些编辑器(VSCode)或IDE(PyCharm)等存在的图片显示问题,
    # 应用Tkinter绘图,以便对图形进行放缩操作
    mpl.use('TkAgg')
    
    
    # 导入数据并做处理
    def import_csv(stock_code):
        df = pd.read_csv(stock_code + '.csv')
        df.rename(columns={
            'date': 'Date',
            'open': 'Open',
            'high': 'High',
            'low': 'Low',
            'close': 'Close',
            'volume': 'Volume'
        },
                  inplace=True)
        df['Date'] = pd.to_datetime(df['Date'], format='%Y/%m/%d')
        df.set_index(['Date'], inplace=True)
        return df
    
    
    stock_code = 'sh600519'
    # 绘制数据的规模
    scale = 500
    df = import_csv(stock_code)[-scale:]
    
    
    time_period = 20 # 损益的回溯周期
    gain_history = [] # 回溯期内的收益历史(无收益为0,有收益则为收益的幅度)
    loss_history = [] # 回溯期内的损失历史(无损失为0,有损失则为损失的幅度)
    avg_gain_values = [] # 存储平均收益值以便图形绘制
    avg_loss_values = [] # 存储平均损失值以便图形绘制
    rsi_values = [] # 存储算得的RSI值
    last_price = 0 
    # 当前价 - 过去价 > 0 => 收益(gain). 
    # 当前价 - 过去价 < 0 => 损失(loss).
    
    # 遍历收盘价以计算 RSI指标
    for close in df['Close']:
        if last_price == 0:
            last_price = close
    
        gain_history.append(max(0, close - last_price))
        loss_history.append(max(0, last_price - close))
        last_price = close
    
        if len(gain_history) > time_period: # 最大观测值等于回溯周期
            del (gain_history[0])
            del (loss_history[0])
    
        avg_gain = np.mean(gain_history) # 回溯期的平均收益
        avg_loss = np.mean(loss_history) # 回溯期的平均损失
    
        avg_gain_values.append(avg_gain)
        avg_loss_values.append(avg_loss)
    	
    	# 初始化rs值
        rs = 0
        if avg_loss > 0: # 避免除数为 0,出现错误
            rs = avg_gain / avg_loss
    
        rsi = 100 - (100 / (1 + rs))
        rsi_values.append(rsi)
    
    # 将计算所得值并入DataFrame
    df = df.assign(RSAvgGainOver20D=pd.Series(avg_gain_values, index=df.index))
    df = df.assign(RSAvgLossOver20D=pd.Series(avg_loss_values, index=df.index))
    df = df.assign(RSIOver20D=pd.Series(rsi_values, index=df.index))
    
    
    # 定义画布并添加子图
    fig = plt.figure()
    ax1 = fig.add_subplot(311, ylabel='%s price in ¥'%(stock_code))
    df['Close'].plot(ax=ax1, color='black', lw=1., legend=True)
    
    # sharex:设置同步缩放横轴,便于缩放查看
    ax2 = fig.add_subplot(312, ylabel='RS', sharex=ax1)
    df['RSAvgGainOver20D'].plot(ax=ax2, color='g', lw=1., legend=True)
    df['RSAvgLossOver20D'].plot(ax=ax2, color='r', lw=1., legend=True)
    
    ax3 = fig.add_subplot(313, ylabel='RSI', sharex=ax1)
    df['RSIOver20D'].plot(ax=ax3, color='b', lw=1., legend=True)
    plt.show()
    
    
    
    

    所得图像如下:
    1

    图2

    参考文献

    [1] Sebastien Donadio,Sourav Ghosh.Learn Algorithmic Trading - Fundamentals of Algorithmic Trading.Birmingham:Packt Press,2019.P62-66.

    [2] 麻道明.如何看懂技术指标.北京:中国宇航出版社,2015.163页

    推荐阅读

    用mplfinance库绘制股票K线、均线图

    Python绘制MACD指标图

    Python绘制BOLL布林线指标图

    展开全文
  • 基于ANP指标权重的相对威胁度评估模型
  • 标准差SD、相对标准偏差RSD学习和python实现前言一、SD和RSD的定义、公式、深层意义(1)定义(2)公式(3)RSD的必要性二、Python实现1.SD2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:...

    一、SD和RSD的定义、公式、深层意义

    (1)定义

    RSD定义:相对标准偏差(relative standard deviation;RSD)又叫标准偏差系数、变异系数、变动系数等,由标准偏差除以相应的平均值乘100%所得值,可在检验检测工作中分析结果的精密度。
    SD定义:标准差也被称为标准偏差,标准差(Standard Deviation)描述各数据偏离平均数的距离(离均差)的平均数,它是离差平方和平均后的方根,用σ表示。

    (2)公式

    SD:
    在这里插入图片描述
    RSD:
    在这里插入图片描述
    多了解点:
    在这里插入图片描述

    (3)RSD的必要性

    只用SD不足以反映数据偏离中心的程度!
    虽然标准偏差能够反映检测结果的精密程度,但是对于下面两组数据则无法正确体现:
    第一组:10.1、10.2、10.3、10.4、10.5.
    SD=0.158
    第二组: 0.1、0.2、0.3、0.4、0.5.
    SD=0.158
    虽然这两组数据的都为0.158,但第一组数据是在10.3的基础上“波动”0.158,第二组数据是在“0.3”的基础上“波动”0.158,两组数据的“波动基础”明显不同。
    数量级不同,绝对波动不能反映真实的波动程度,要用相对波动!
    这样,必须引人“相对标准偏差”这个概念来体现这种波动的相对大小。这样,第一组数据的RSD=1.5%,第二组数据的RSD=52.7%,精密程度立刻体现出来。

    (4)多学一点(关于n-1)

    多学一点:为什么SD的分母是n-1,而不是n,我理解数学家大概的想法排除掉样本中偏离度比较大的点,但是没有实际的排除,是从维度自由度上解决的,即n-1。这个问题知有很好的文章写的很好,链接:https://www.zhihu.com/question/20099757?rf=21126585
    补充知识:有偏估计、无偏估计和标准差的一些关系,去看看概率统计相关

    二、Python实现

    1.求SD

    (1)numpy.std() 求标准差的时候默认是除以 n 的,即是有偏的,np.std无偏样本标准差方式为加入参数 ddof = 1;关于numpy.std()的官网手册链接:https://numpy.org/doc/stable/reference/generated/numpy.std.html
    (2)pandas.std() 默认是除以n-1 的,即是无偏的,如果想和numpy.std() 一样有偏,需要加上参数ddof=0 ,即pandas.std(ddof=0) ;DataFrame的describe()中就包含有std();

    以numpy.std举例:
    代码:

    import numpy as np
    import pandas as pd
    a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
    std1 = np.std(a, ddof = 1)                                     #方法1,np.std无偏样本标准差方式为加入参数 ddof = 1
    std2 = np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1))   #方法3,直接用公式啦
    
    print(std1) 
    print(std2)
    
    

    输出结果:

    3.0276503540974917
    3.0276503540974917
    
    Process finished with exit code 0
    
    

    关于pandas:要了解下DataFrame,下次再写。
    补看下这篇文章,参考链接https://www.jianshu.com/p/8024ceef4fe2

    2.求RSD

    import numpy as np
    
    a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
    std1 = np.std(a, ddof = 1)                                     #方法1,np.std无偏样本标准差方式为加入参数 ddof = 1
    std2 = np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1))   #方法2,直接用公式啦
    print(std1)
    print(std2)
    
    ave = np.mean(a)
    rsd1 = std1 / ave
    rsd2 = std2 / ave
    print(rsd1)
    print(rsd2)
    

    结果:

    3.0276503540974917
    3.0276503540974917
    0.6728111897994427
    0.6728111897994427
    
    Process finished with exit code 0
    
    

    先写这点,回头再加


    展开全文
  • 如何在VB中通过相对路径引用标准DLL,开发技巧
  • 是一种相对差异量数(不带测量单位),因而适用于测量单位不同或测量单位相同但集中量数相差较大的数据变异情况的比较 M:平均数( 下方r ) S (Standard Deviation):标准差,用σ表示 σ反映了一个数据集的...
  • 基于相对贡献指标的自组织RBF神经网络的设计.pdf
  • 论文研究-基于个人创新性相对指标的修正微观决策创新扩散模型.pdf, 针对微观决策的创新扩散模型的随机游走过程中,新信息传递的创新性能难以实际度量的问题,构建用于描述...
  • 成交量指标: QRSI 量相对强弱指标

    千次阅读 2007-04-09 22:06:00
    --指标原理 量相对强弱指标QRSI根据成交量来计测市场供需关系和买卖力道。与相对强弱指标RSI相比,计算方法和判断原则基本相同, 但它更多地考虑了量的因素,根据量比价先行的道理,能较好地超前判断走势。--...
  • 什么是方差(Variance) 方差公式的含义(为什么方差公式长这个样子) 总体方差 样本方差 ...什么是相对标准偏差(Relative Standard Deviation) 什么是正态分布(Normal Distribution) 正态分布的性质
  • 相对强弱指数 (RSI) 技术指标是在0到100之间跟随价格的震荡指标.
  • #include“头文件“的相对路径是相对谁的路径

    万次阅读 多人点赞 2016-03-22 11:30:16
    问题:#include“头文件“的相对路径是相对谁的路径???? 是相对工程文件的路径, 你可以把stdAfx.h分别复制到放到各个比如相对工程文件的路径,相对与其对应的C文件的路径,又或者是根据所建立的工程添加的文件...
  • 论文研究-不确定多指标决策问题的相对相似关系法研究.pdf, 针对指标权重未知的不确定多指标决策问题, 从描述区间数的相似性程度出发, 提出了一种全新的区间数相对相似度...
  • 共振合力买点 短中长期相对价位线 副图指标 源码 通达信.doc
  • CKD相对价位指标 指标原理:  CKD指标是以CYQ筹码分布空间为箱体,根据CYQ筹码分布的重心,判断该重心在这个箱体中的位置,是研判中线震荡的工具。 形态特点:  CKD指标最小值为0,最大值为100,在20、50和...
  • 反趋向指标: RS 相对强弱比

    千次阅读 2007-04-09 22:19:00
    指标原理 相对强度指标,描述个股和大盘之间的背离情况,其中移动平均线的意义是在n个周期中个股和大盘的平均背离情况。一般来说,个股和相同的市场中的指数进行比较。 N日RS = N日内收盘涨幅的平均值 / N日内...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 708,606
精华内容 283,442
关键字:

属于比较相对指标的是