python中使用动量交易策略

python中使用动量交易策略

说明

动量交易策略，动量是物体质量和速度的乘积，动量一方面描述了物体的运动状态，另一方面也描述了惯性的大小。

在证券市场上，我们也可以把证券的价格比作一个运动的物体，当价格上涨时，可以说价格有上涨的动力，当价格下跌时，它有下跌的动力。这种动量可能会继续保持上升或下降，动量可能会越来越小，直到运动状态发生变化。

1、股票资产组合的中期收益存在持续性，即中期价格具有向某个方向持续波动的动量效应。

2、python作差法求动量，即用今天的价格减去一段时间间隔(m期)以前的价格。

实例

JavaScript

# 导入相关模块
import numpy as np
import tushare as ts
import pandas as pd
import mplfinance as mpf
import matplotlib.pyplot as plt
 
token = 'Your token'   # 输入你的接口密匙，获取方式及相关权限见Tushare官网。
pro = ts.pro_api(token)
df = pro.daily(ts_code='000001.SZ')  # daily为tushare的股票数据接口。
 
# 将获取到的DataFrame数据进行标准化处理，转换为方便自己使用的一种规范格式。
df = df.loc[:, ['trade_date', 'open', 'high', 'low', 'close', 'vol']]
df.rename(
    columns={
        'trade_date': 'Date', 'open': 'Open',
        'high': 'High', 'low': 'Low',
        'close': 'Close', 'vol': 'Volume'},
    inplace=True)       # 重定义列名，方便统一规范操作。
df['Date'] = pd.to_datetime(df['Date'])  # 转换日期列的格式，便于作图
df.set_index(['Date'], inplace=True)  # 将日期列作为行索引
df = df.sort_index()  # 倒序，因为Tushare的数据是最近的交易日数据显示在DataFrame上方，倒序后方能保证作图时X轴从左到右时间序列递增。

以上就是python中使用动量交易策略的方法，希望对大家有所帮助。