计算方法
指数计算
指数修正
影响因素
-
深证综合指数
上证指数季度k线图
400x296 - 90KB - JPEG
戴若顾比:上证指数寻找新的支撑_股市及时雨
550x341 - 25KB - JPEG
上证综指周K线图
300x232 - 16KB - JPEG
上证指数季度K线图_焦点透视
332x250 - 67KB - JPEG
上证指数日K线图
550x330 - 56KB - JPEG
(上证指数月k线图)
550x251 - 63KB - PNG
上证指数日K线图
450x360 - 40KB - JPEG
图2 上证指数日K线
554x208 - 16KB - JPEG
图4为上证综指2001-2008年月k线图
445x230 - 26KB - JPEG
股市下半场 基本面说了算
499x270 - 24KB - JPEG
刚刚:周四A股走势已定,一旦出现此信号或将暴
873x682 - 820KB - PNG
春节红包行情怎么玩?
550x330 - 33KB - JPEG
上证综合指数月K线图
400x216 - 15KB - JPEG
沪深A股连续九周下跌 春节前大盘有望阶段性反
410x255 - 20KB - JPEG
上证指数日K线图
360x270 - 20KB - JPEG
前一篇:道琼斯指数走势图以及恒指、台湾、日本、A股PE历史图 后一篇:读书 我们从二十多年的指数趋势图
在线互动式文档分享平台,在这里,您可以和千万网友分享自己手中的文档,全文阅读其他用户的文档,同时,也
上证指数历史走势图:日 K线图 上证指数历史走势图:周 K线图 上证指数历史走势图:月 K线图 推荐教程:新生300
打开通达信,切换到个股K线图界面,按Insert,选择你要看的指数或个股,确认就可以了。如果你嫌指标太多,
上证指数历史月K线图。大盘特喜欢做三角形,95年和10-11的形态相似最终选择下破然后上行的走势,97-98年在
如果自大盘的第一根K线起,每次为了帮助江恩爱好者能更清晰直观的研究大盘走势,笔者以上证指数日K线走势图
按方向键↓ 然后可按←移动
我们从上证指数的年K线图可以看到历史上年K线的阴线最多只有2个。2个 阴线后边起码跟随1个阳线。所以讲2012
前一篇:[转载]道琼斯指数走势图以及恒指、台湾、日本、A股PE历史图 后一篇:[转载]与张化桥商榷:股市市盈
清明节假期结束了…
https://www.luogu.org/problemnew/show/P2569
假的模拟一个股票交易的过程(作弊)。
可以在某一天购买或卖出股票,单价为
A
P
i
,
B
P
i
AP_i,BP_i
APi,BPi;且限制了购买或卖出的数量
A
S
i
,
B
S
i
AS_i,BS_i
ASi,BSi;且两次交易的时间至少为
w
w
w天。
求最后能赚多少钱。
显然是
D
P
DP
DP。
设
f
i
,
j
f_{i,j}
fi,j表示第
i
i
i天结束交易后持有
j
j
j股的最大利润。
则考虑
4
4
4种情况:
[
1
]
:
[1]:
[1]:凭空买入股票(原来没买):
则
f
i
,
j
=
−
j
∗
A
P
i
f_{i,j}=-j*AP_i
fi,j=−j∗APi(其中
j
≤
A
S
i
j≤AS_i
j≤ASi)。
[
2
]
:
[2]:
[2]:又买入股票(原来买过):
假设原来持有
k
k
k股。
因为两次交易的时间至少为
w
w
w天,所以必须从
f
i
−
w
−
1
,
k
f_{i-w-1,k}
fi−w−1,k转移过来。
则
f
i
,
j
=
max
(
f
i
,
j
,
f
i
−
w
−
1
,
k
−
(
j
−
k
)
∗
A
P
i
)
f_{i,j}=\max(f_{i,j},f_{i-w-1,k}-(j-k)*AP_i)
fi,j=max(fi,j,fi−w−1,k−(j−k)∗APi)(其中
k
>
0
,
0
<
j
−
k
≤
A
S
i
k>0,0<j-k≤AS_i
k>0,0<j−k≤ASi得到
k
∈
[
j
−
A
S
i
,
j
)
k∈[j-AS_i,j)
k∈[j−ASi,j))。
[
3
]
:
[3]:
[3]:不操作
则
f
i
,
j
=
max
(
f
i
,
j
,
f
i
−
1
,
j
)
f_{i,j}=\max(f_{i,j},f_{i-1,j})
fi,j=max(fi,j,fi−1,j)。
[
4
]
:
[4]:
[4]:卖出股票(原来必须持有)
假设原来持有
k
k
k股。
因为两次交易的时间至少为
w
w
w天,所以必须从
f
i
−
w
−
1
,
k
f_{i-w-1,k}
fi−w−1,k转移过来。
则
f
i
,
j
=
max
(
f
i
,
j
,
f
i
−
w
−
1
,
k
+
(
k
−
j
)
∗
B
P
i
)
f_{i,j}=\max(f_{i,j},f_{i-w-1,k}+(k-j)*BP_i)
fi,j=max(fi,j,fi−w−1,k+(k−j)∗BPi)(其中
k
>
0
,
0
<
k
−
j
≤
B
S
i
k>0,0<k-j≤BS_i
k>0,0<k−j≤BSi得到
k
∈
(
j
,
j
+
B
S
i
]
k∈(j,j+BS_i]
k∈(j,j+BSi])。
此时时间复杂度为
Θ
(
n
3
)
\Theta(n^3)
Θ(n3)。
怎么优化?
发现
[
2
]
[
4
]
[2][4]
[2][4]情况太慢,考虑优化这两个。
先考虑
[
2
]
[2]
[2]情况。
f
i
,
j
=
max
(
f
i
,
j
,
f
i
−
w
−
1
,
k
−
(
j
−
k
)
∗
A
P
i
)
f_{i,j}=\max(f_{i,j},f_{i-w-1,k}-(j-k)*AP_i)
fi,j=max(fi,j,fi−w−1,k−(j−k)∗APi)(其中
k
∈
[
j
−
A
S
i
,
j
)
k∈[j-AS_i,j)
k∈[j−ASi,j))
拆括号,得到:
f
i
,
j
=
max
(
f
i
,
j
,
f
i
−
w
−
1
,
k
−
j
∗
A
P
i
+
k
∗
A
P
i
)
f_{i,j}=\max(f_{i,j},f_{i-w-1,k}-j*AP_i+k*AP_i)
fi,j=max(fi,j,fi−w−1,k−j∗APi+k∗APi)
稍微移一下项,得到:
f
i
,
j
=
max
(
f
i
,
j
,
f
i
−
w
−
1
,
k
+
k
∗
A
P
i
−
j
∗
A
P
i
)
f_{i,j}=\max(f_{i,j},f_{i-w-1,k}+k*AP_i-j*AP_i)
fi,j=max(fi,j,fi−w−1,k+k∗APi−j∗APi)
在枚举
i
,
j
i,j
i,j时,
(
−
j
∗
A
P
i
)
(-j*AP_i)
(−j∗APi)就是定值了,所以我们要使得
(
f
i
−
w
−
1
,
k
+
k
∗
A
P
i
)
(f_{i-w-1,k}+k*AP_i)
(fi−w−1,k+k∗APi)尽可能大,单调队列优化即可。
[ 4 ] [4] [4]情况同理。
就
O
K
OK
OK了。
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int n,m,w;
int f[2010][2010],que[2010];
int main()
{
int ap,bp,as,bs;
scanf("%d %d %d",&n,&m,&w);
memset(f,-63,sizeof(f));
for(int i=1;i<=n;i++)
{
scanf("%d %d %d %d",&ap,&bp,&as,&bs);
for(int j=0;j<=as;j++)
f[i][j]=-j*ap;
for(int j=0;j<=m;j++)
f[i][j]=max(f[i][j],f[i-1][j]);
if(i<=w) continue;
int head=1,tail=0;
for(int j=0;j<=m;j++)
{
while(head<=tail&&que[head]<j-as) head++;
if(head<=tail) f[i][j]=max(f[i][j],f[i-w-1][que[head]]-(j-que[head])*ap);
while(head<=tail&&f[i-w-1][que[tail]]+que[tail]*ap<=f[i-w-1][j]+j*ap)
tail--;
que[++tail]=j;
}
head=1,tail=0;
for(int j=m;j>=0;j--)
{
while(head<=tail&&que[head]>j+bs) head++;
if(head<=tail) f[i][j]=max(f[i][j],f[i-w-1][que[head]]+(que[head]-j)*bp);
while(head<=tail&&f[i-w-1][que[tail]]+que[tail]*bp<=f[i-w-1][j]+j*bp)
tail--;
que[++tail]=j;
}
}
printf("%d",f[n][0]);
}
在前两篇文章中,我们介绍了:
在了解了基本的PyQtGraph模块绘制图形功能之后,我们通过几个常用常见的数据可视化图形来演示使用PyQtGraph进行Python数据可视化。
本篇,我们介绍使用PyQtGraph模块绘制一个完整的折线图,通过tushare模块获取上证指数过去两个月的指数波动数据作为数据源。
下面我们分步骤讲解这个折线图形的绘制。
引入相关模块
在本例中,我们需要使用到pyqtgraph模块、numpy模块和tushare模块。
import pyqtgraph as pg
import tushare as ts
import numpy as np
获取数据源
我们使用tushare模块的get_hist_data()方法获取上证指数从2017年10月到2017年12月的历史行情数据:
data = ts.get_hist_data('sh',start='2017-10-01',end='2017-12-01').sort_index()
返回的是一个Pandas的DataFrame数据结构,操作起来很方便。
处理数据源
在获取到上证指数的历史行情数据之后,我们需要对其进行一些处理,以方便其后进行坐标轴刻度文本的设置。
首先,将data的日期索引转换为一个字典:
xdict = dict(enumerate(data.index))
再按5步长来去data的索引,生成一个包含索引序号和索引值元组的列表:
axis_1 = [(i,list(data.index)[i]) for i in range(0,len(data.index),5)]
绘制图形
在稍微处理好数据源之后,我们就可以进行图形绘制了。
首先实例化一个QT实例:
app = pg.QtGui.QApplication([])
接着借助GraphicsWindow()子模块创建一个空的图形窗口,并使用title参数设置了窗口的标题:
win = pg.GraphicsWindow(title='州的先生zmister.com pyqtgraph数据可视化 - 绘制精美折线图')
通过之前创建的字典xdict和列表axis_1,设置图形的X坐标轴刻度文本,orientation参数表示坐标轴的位置:
stringaxis = pg.AxisItem(orientation='bottom')
stringaxis.setTicks([axis_1,xdict.items()])
在窗口中添加一个空的图形,通过axisItems参数指定坐标轴及其内容,并使用title参数设置了图形的标题:
plot = win.addPlot(axisItems={'bottom': stringaxis},title='上证指数 - zmister.com绘制')
在图形中添加一个文本:
label = pg.TextItem()
plot.addItem(label)
设置图形的图例:
plot.addLegend(size=(150,80))
设置图形网格的形式,我们设置显示横线和竖线,并且透明度惟0.5:
plot.showGrid(x=True, y=True, alpha=0.5)
绘制开盘和收盘的指数,pen参数表示线的颜色,name参数可用于图例的显示,symbolBrush用来设置点的颜色:
plot.plot(x=list(xdict.keys()), y=data['open'].values, pen='r', name='开盘指数',symbolBrush=(255,0,0),)
plot.plot(x=list(xdict.keys()), y=data['close'].values, pen='g', name='收盘指数',symbolBrush=(0,255,0))
设置图形的轴标签:
plot.setLabel(axis='left',text='指数')
plot.setLabel(axis='bottom',text='日期')
最后设置十字光标:
vLine = pg.InfiniteLine(angle=90, movable=False,)
hLine = pg.InfiniteLine(angle=0, movable=False,)
plot.addItem(vLine, ignoreBounds=True)
plot.addItem(hLine, ignoreBounds=True)
vb = plot.vb
def mouseMoved(evt):
pos = evt[0] ## using signal proxy turns original arguments into a tuple
if plot.sceneBoundingRect().contains(pos):
mousePoint = vb.mapSceneToView(pos)
index = int(mousePoint.x())
pos_y = int(mousePoint.y())
print(index)
if 0 < index < len(data.index):
print(xdict[index],data['open'][index],data['close'][index])
label.setHtml("
日期:{0}
开盘:{1}
收盘:{2}
".format(xdict[index],data['open'][index],data['close'][index]))label.setPos(mousePoint.x(),mousePoint.y())
vLine.setPos(mousePoint.x())
hLine.setPos(mousePoint.y())
proxy = pg.SignalProxy(plot.scene().sigMouseMoved, rateLimit=60, slot=mouseMoved)
再按常例,调用app的exec_()方法即可:
app.exec_()
最终运行程序,绘制出来的图表如下所示:
动图如下所示:
是不是很简单
有问题欢迎留言讨论:)