1. 程式人生 > >python-雙均線系統-引數優化

python-雙均線系統-引數優化

重新溫習pandas,優化了一下雙均線系統之後,速度果然嗖嗖往上穿,和TB,文華這些有點可比性了。

# -*- coding: utf-8 -*-
"""
Created on Thu May 25 08:55:12 2017

@author: yunjinqi 
 
E-mail:[email protected] 
 
Differentiate yourself in the world from anyone else.
"""
import pandas as pd
import numpy as np
import datetime
import time
#獲取資料
df=pd.read_csv('C:/Users/HXWD/Desktop/000001.csv',encoding='gbk')
df.columns=['date','code','name','close','high','low','open','preclose',
'change','change_per','volume','amt']
df=df[['date','open','high','low','close','volume','amt']]
df.head()
value=[]
for i in range(1,21):
    for j in range(21,121):
        df['ma5']=df['close'].rolling(i).mean()
        df['ma20']=df['close'].rolling(j).mean()
        df.ix[df['ma5']>df['ma20'],'cross']=1
        df.ix[df['ma5']<=df['ma20'],'cross']=-1
        #df[['close','ma5','ma20']][-200:].plot()
        df['ret']=(df['close']-df['close'].shift(1))
        df['profit']=df['ret']*df['cross']
        #df['profit'].plot()
        target=df['profit'].sum()
        s=[i,j,target]
        ts=time.strftime('%Y-%m-%d %X', time.localtime() )
        value.append(s)
        print('當前時間:{}短期引數:{},長期引數:{}優化完畢,淨利潤{}'.format(ts,i,j,s))
data=pd.DataFrame(value)
data.to_csv('引數優化.csv')
注:這個資料可能有點少,找點資料多的試一下。

注:注:以上程式碼僅供參考,如若發現有不對的地方或者需要單獨編寫文華財經,金字塔,大智慧,通達信,TB,Python平臺的指標、策略等,請聯絡扣扣1733505732,時間:工作日下午18:00-22:00,節假日。

相關推薦

python-系統-引數優化

重新溫習pandas,優化了一下雙均線系統之後,速度果然嗖嗖往上穿,和TB,文華這些有點可比性了。 # -*- coding: utf-8 -*- """ Created on Thu May 25

通道過濾交易系統

本策略簡介 傳統的雙均線交易系統是通過快速均線與慢速均線的交叉來捕捉趨勢;當快速均線上穿慢速均線的時候,出現買入訊號,指示有一波上漲趨勢;當快速均線下穿慢速均線的時候,出現賣出訊號,指示有一波下跌趨勢。 然而,雙均線交易系統在趨勢行情中能獲得較大的收益;由於市場只有20

Lyndon的量化修煉之路——優化策略(一)

後語強行搭上的前言 一個工科學生,跟金融八竿子打不著的人,畢了業就一個猛子扎進這個圈子,結果一竅不通。來都來了,既然什麼都不懂,那總得學點啥東西,思來想去,只好發揚一下理工科學生的光榮傳統,搞搞量化。說來慚愧,在學校裡學習也是東拉西扯,自身素質不過硬,所以希望通

Linux系統引數優化sysctl.conf和limits.conf

 1)修改收發包socket快取大小 以root使用者登陸系統,修改主機的配置檔案/etc/sysctl.conf,在最後增加如下引數: #socket buf net.core.rmem_max=8388608 net.core.wmem_max=8388608 net.core.r

自己做量化交易軟體(7)通通量化回測設計2-策略回測

前一篇介紹了回測類的設計,我們這篇簡單介紹一下回測程式設計。 我們以5日均線和20日均線的交叉作為買賣點策略,來計算對一隻股票交易的收益情況。這裡僅僅是一個雙均線策略演示的例子。讀者可以在此基礎上,修改為自己的策略。 程式test_df01.py 是雙均線回測程

股票量化分析(11)——第二個策略(5日移動、MACD策略)

這裡主要用的是talib這個庫來求股票的指標,就免得造輪子。 移動均線有好幾個策略,不過都是簡單的策略,包括簡單的移動均線策略,雙均線交叉策略,macd線的策略。目前也就覺得macd線簡單好用。 先放一個簡單的策略——移動均線策略。這個策略是由下向上超過均線

量化學習 | GTquant量化回測框架之策略(一)

信號 應該 來看 hat 更新 圖片 而是 原理 暫時 做過量化投資或者對量化投資感興趣的朋友想必對雙均線策略是非常熟悉了。   作為技術分析中最基本的策略,雙均線策略大概就是新手村的第一個任務,所以作為本系列第一篇,我們也從雙均線策略開始吧!   雙均線策略是非常經典的趨

windows下python系統安裝

win 一份 .py 系統 def col 顯示 != nbsp 1.首先安裝Python2,確認好Python2的安裝位置。接著安裝Python3,並確定Python3的安裝位置。 2.確認系統變量PATH中有python2和python3各自兩個的路徑,如: D:\P

python下滑,單下劃線

內置 -s 一個 tex error color OS spa ppi 1、_xxx 不能用於’from module import *’ 以單下劃線開頭的表示的是protected類型的變量。即保護類型只能允許其本身與子類進行訪問。2、__xxx 雙下劃線的表示的是私有類

linux——系統核心引數優化

vim /etc/sysctl.conf net.ipv4.tcp_syncookies = 1 fs.file-max = 999999 net.ipv4.tcp_max_tw_buckets = 6000 net.ipv4.tcp_tw_reuse = 1 net.i

python - 獲取win系統引數,傳送/儲存配置

import wmi import time c = wmi.WMI() info_msg = { 'system_v':None, 'bit_type':None, 'system_name':None, 'product_id':None, 'CPU_typ

linux 系統核心引數優化 /etc/sysctrl.conf

#禁用包過濾功能 net.ipv4.ip_forward = 0 #禁用所有IP源路由 net.ipv4.conf.default.accept_source_route = 0 #開啟SYN Cookies,當出現SYN等待佇列溢位時,啟用cookies來處理 net.ipv4.tcp_syn

SVM引數引數介紹以及python實現GA對SVM引數優化

  最近開始玩起了機器學習,以前都是用matlab做一些機器學習的東西,畢竟要真正放到工程上應用還是python用起來比較好,所以今天就開始學習下使用SVM進行迴歸(分類)預測。 SVM 使用的一般步驟是: 1)準備資料集,轉化為 SVM支援的資料格式 : [label] [ind

python資料分析:商品資料化運營(中)——基於引數優化的Gradient Boosting的銷售預測

本案例需要使用超引數交叉檢驗和優化方法GridSearchCV以及整合迴歸方法GradientBoostingRegressor GridSearchCV與GradientBoostingRegressor GridSearchCV GridSearchCV用於系統地遍歷多種

mysql之 CentOS系統針對mysql引數優化

核心相關引數(/etc/sysctl.conf)    以下引數可以直接放到sysctl.conf檔案的末尾:     net.core.somaxconn = 65535     net.core.netdev_max_backlog = 65535     net.ipv

python程式設計 色球系統

# author : momo ''' 寫一個雙色球彩票系統,系統可以隨機產生一組資料,一組彩票資料有六位數,這六位數的的取值範圍是0和1。 一張彩票是兩塊錢,可以設定使用者的金額,使用者可以選擇繼續買票或者是退出。買票和退出的時候要求列印剩餘金額。 使用者輸入猜測的資料,若是猜對,則列印”恭喜你中

【Machine Learning】【Python】三、PSO + PCA優化SVM引數C和gamma ---- 《SVM物體分類和定位檢測》

---------------------【6.27 更新libsvm使用方法】-------------------------------------------------------------

卡夫曼自適應移動交易系統

傳統的移動均線包括簡單移動均線,加權移動均線以及指數式移動均線,它們有著固有的弱點——慢趨勢和滯後。 短週期的均線系統雖然能快速反映期貨價格的走勢,但是又難以抵抗價格“噪音”的干擾,多數情況下短週期所給出的趨勢訊號並不準確。 為了避免短期噪音產生的虛假訊號與長期趨勢中的

Linux系統核心引數優化

Linux伺服器核心引數優化cat >> /etc/sysctl.conf<< EOF# kernel optimizationnet.ipv4.tcp_fin_timeout = 2net.ipv4.tcp_tw_reuse = 1net.ipv4.

python的matplotlib和numpy庫繪製股票K的整合效果(含從網路介面爬取資料和驗證交易策略程式碼)

    本人最近在嘗試著發表“以股票案例入門Python程式語言”系列的文章,在這些文章裡,將用Python工具繪製各種股票指標,在講述各股票指標的含義以及計算方式的同時,驗證基於各種指標的交易策略,本文是第一篇,通過K線和均線案例講述Numpy,Maplotlib