利用Python分析金融交易中的滚动Z值

大家好,在不断演变的证券交易领域,能够利用数据和统计学的力量提供重要的优势。无论是预测未来价格、分析市场趋势,还是简单地评估特定证券的波动性,数据驱动的见解已经改变了交易者对证券市场的处理方式。这就是Z值的用途,它是一种统计指标,可以为交易者提供有关证券的相对优势和定位的宝贵见解。

想象只需通过观察证券的历史价格和波动性,就能够简单地识别出证券何时可能被过度买入或卖出,这正是Z值可以提供的,本文将深入探讨如何利用Python(作为数据分析的强大工具)进行证券交易中的Z值计算和解读。

1.Z值介绍

Z值提供了一个数据点相对于均值的标准差距离的度量。在交易中,这可以帮助我们了解证券当前价格是否在统计上“正常”,或者是否为异常值。

如同表示正态分布的钟形曲线,大多数证券价格(假设它们服从正态分布,这是一个很大的假设,实际交易中通常并非如此)将位于中间附近。那些位于尾部,超出一定Z值(如1.5或-1.5)的证券,才会引起我们的兴趣。

图片

Z值公式:这是一个数学表示,详细说明了如何使用总体标准差对偏离均值的程度进行标准化。对于希望将证券价格相对于历史数据量化的交易者来说,这个方程式至关重要。

其中:

  • Z是Z值。

  • X是数据点的值。

  • μ是数据的平均值。

  • σ是标准差。

通过以Z值的视角分析股票价格,交易者可以识别潜在的买入/卖出机会。明显高于1.5的Z值可能表明该证券相对于其历史平均价格被高估,而明显低于-1.5的Z值可能表明相反情况。

2.获取数据和初步设置

在深入研究之前,装备正确的工具是至关重要的。通过导入相关的Python库,如用于获取证券数据的yfinance和用于可视化的matplotlib,可以确保一个顺利的开始。

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt

为了评估证券的异常情况,接下来将目标锁定在一只特定的证券上——为了演示的目的,本文选择了“ASML.AS”。然后,我们使用yfinance库获取历史数据。

tickerSymbol = "ASML.AS"
tickerData = yf.Ticker(tickerSymbol)
tickerDf = tickerData.history(period='1d', start='2020-1-1', end='2023-12-25')

3.计算Z值

本文分析的核心是Z值公式,它有助于评估证券价格相对于其历史的“偏离程度”。针对多个滚动期来计算这个值,以捕捉短期和长期的异常情况。

rolling_mean = close_prices.rolling(window=period).mean()
rolling_std = close_prices.rolling(window=period).std()
z_scores = (close_prices - rolling_mean) / rolling_std

4. 使用信号可视化偏离

通过将滚动Z值与证券价格绘制在一起,我们可以了解证券行为“正常”的时间以及何时可能出现异常情况。特别是Z值超过±1.5的区域,这种视觉线索对于交易者非常重要。可以随意更改Z值的阈值。

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt# 常量
Z_THRESH = 2
PERIODS = [30, 60, 90]
TICKER_SYMBOL = "ASML.AS"
START_DATE = '2020-1-1'
END_DATE = '2023-12-25'def fetch_data(ticker_symbol, start_date, end_date):"""Fetches historical data for a given ticker symbol."""ticker_data = yf.Ticker(ticker_symbol)return ticker_data.history(period='1d', start=start_date, end=end_date)def calculate_z_scores(close_prices, periods):"""Calculates Z-scores for given periods."""z_scores_dict = {}for period in periods:# 计算给定周期的滚动平均值rolling_mean = close_prices.rolling(window=period).mean()      # 计算给定周期的滚动标准差rolling_std = close_prices.rolling(window=period).std()       # 计算收盘价的Z值z_scores = (close_prices - rolling_mean) / rolling_std      # 将Z值存储在以周期为关键字的字典中z_scores_dict[period] = z_scoresreturn z_scores_dictdef plot_data(close_prices, z_scores_data):"""Plots close prices and z-scores."""   # 为收盘价和Z值创建子图fig, (ax1, ax2) = plt.subplots(2, sharex=True, figsize=(20, 8))   # 在第一个子图上绘制收盘价ax1.plot(close_prices.index, close_prices, label='Close Prices')for period, z_scores in z_scores_data.items():# 在第二个子图上绘制每个时期的Z值ax2.plot(z_scores.index, z_scores, label=f'Z-Scores {period} days', alpha=0.7)       # 如果周期是列表中的第一个,则在第一个子图上绘制买入/卖出信号if period == PERIODS[0]:buy_signals = (z_scores < -Z_THRESH)sell_signals = (z_scores > Z_THRESH)ax1.plot(close_prices[buy_signals].index, close_prices[buy_signals], 'o', color='g', label='Buy Signal')ax1.plot(close_prices[sell_signals].index, close_prices[sell_signals], 'o', color='r', label='Sell Signal')# 为收盘价子图设置y标签和图例ax1.set_ylabel('Close Prices')ax1.legend(loc="upper left")ax1.grid(True)# 在Z值子图上绘制表示Z值阈值的水平线ax2.axhline(-Z_THRESH, color='red', linestyle='--')ax2.axhline(Z_THRESH, color='red', linestyle='--')   # 设置Z值子图的Y标签和图例ax2.set_ylabel('Z-Scores')ax2.legend(loc="upper left")ax2.grid(True)# 为整个绘图设置主标题plt.suptitle(f'{TICKER_SYMBOL} Close Prices and Z-Scores {Z_THRESH} Treshold')# 显示图表plt.show()# 获取股票代码的历史数据
ticker_data = fetch_data(TICKER_SYMBOL, START_DATE, END_DATE)# 计算指定时期的Z值
z_scores_data = calculate_z_scores(ticker_data['Close'], PERIODS)# 绘制收盘价和Z值
plot_data(ticker_data['Close'], z_scores_data)

ASML.AS证券价格的变化与30天、60天和90天滚动Z值并列,绿色和红色标记分别表示基于Z值阈值的潜在买入和卖出点。

虽然Z值提供了一种数学方法来进行证券分析,但最重要的是要记住交易涉及众多因素。Z值可以是工具箱的一部分,但一定要将统计见解与全面的市场研究相结合。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/104371.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

STM32_PID通用算法增量式和位置式

STM32_PID通用算法增量式和位置式 前言&#xff1a; 此算法为入门级PID算法&#xff0c;调试好参数后可应用于温度控制、舵机控制、直流电机的转速控制和直流电机的角度控制等等&#xff0c;下面就以温度控制举例 pid.c #include "pid.h" #include "sensor.h&q…

数据结构:二叉排序树

什么是二叉排序树&#xff1f; 二叉排序树要么是空二叉树&#xff0c;要么具有如下特点&#xff1a; 二叉排序树中&#xff0c;如果其根结点有左子树&#xff0c;那么左子树上所有结点的值都小于根结点的值&#xff1b;二叉排序树中&#xff0c;如果其根结点有右子树&#xf…

电脑重做系统---win10

电脑重做系统---win10 前言制作启动U盘材料方法打开网址下载启动盘制作工具参照官方说明进行制作使用U盘重做系统 常用软件官网地址 前言 记得最早学习装电脑还是04年左右&#xff0c;最为一个啥也不知道的大一傻白胖&#xff0c;花了几百大洋在电脑版把了个“电脑组装与维修”…

一体化运维监控:提供全方位数据洞察

摘要&#xff1a;运维监控在数字化日益深入的今天变得至关重要。一体化运维监控管理平台脱颖而出&#xff0c;成为业界知名的数据采集与运维洞察方案提供商&#xff0c;为企业带来“看到一切”的全新体验。 正文&#xff1a; 在大数据时代的洪流中&#xff0c;企业不仅要面对数…

淘宝店铺商品评论数据采集,淘宝商品评论数据接口,淘宝API接口

采集淘宝店铺商品评论数据的方法如下&#xff1a; 进入主界面&#xff0c;选择"自定义任务"。将商品信息页的网址复制粘贴到网站输入框中&#xff0c;点击"保存设置"。将页面下拉到底部&#xff0c;点击"下一页"按钮&#xff0c;在右侧的操作提…

3. Windows下C++/MFC调用hiredis库操作redis示例

一、头文件目录 将之前下载和编译好的Redis目录拷贝到新建好的工程目录下面&#xff0c;再点击测试工程的右键/属性&#xff0c;点击C/常规&#xff0c;附加包含目录添加以下路径&#xff0c;注意如果原先有多个路径&#xff0c;在末尾处添加分号后再粘贴&#xff1a; 点击C/常…

在CentOS操作系统上使用yum安装/使用/卸载Docker容器引擎

前言 简单记录一下如何在CentOS操作系统上安装、使用、卸载Docker容器引擎&#xff0c;以及配置Docker镜像加速地址。 一、在CentOS操作系统上安装Docker容器引擎 &#xff08;1&#xff09;首先更新yum软件包索引 yum check-update&#xff08;2&#xff09;安装yum软件包管…

vue引入jQuery

配置 下载 npm install jquery --save在build的webpack.base.conf中 var webpackrequire("webpack")在module.exports中: plugins: [ //   new webpack.optimize.CommonsChunkPlugin(common.js),new webpack.ProvidePlugin({jQuery: "jquery",$: &quo…

chapter8 Dimensionality Reduction(降维)

设置 首先&#xff0c;确保代码在python2和python3中都能正常工作&#xff0c;导入一些通用模块&#xff0c;确保MatplotLib以内联方式绘制图形&#xff0c;并准备一个函数来保存这些图形: from __future__ import division,print_function,unicode_literalsimport numpy as …

微服务13-Seata的四种分布式事务模式

文章目录 XA模式实现XA模式 AT模式AT模式的脏写问题&#xff08;对同数据并发写的问题&#xff09;其他事务不获取全局锁的一个情况&#xff08;AT模式写隔离的实现&#xff09;实现AT模式 TCC模式TCC实现我们怎么样去判断是否空回滚和业务悬挂&#xff1f;业务分析 Saga模式总…

【学习笔记】项目进行过程中遇到有关composer的问题

composer.json内容详解 以项目中的composer.json为例&#xff0c;参考文档。 name&#xff1a;composer包名type&#xff1a;包的类型&#xff0c;project和library两种keywords&#xff1a;关键词&#xff0c;方便别人在安装时通过关键词检索&#xff08;没试过&#xff0c;好…

Java 中 Volatile 关键字

基本概念 补充一下 java 内存模型中的 可见性、原子性和有序性 可见性&#xff1a; 指的是线程之间的可见性&#xff0c;一个线程修改的状态对另一个线程是可见的。也就是一个线程修改的结果&#xff0c;另一个线程马上可以看到。比如 &#xff1a;用 volatile 修饰的变量&am…

froeach迭代删除和List迭代删除问题

场景:我有一个 List<ISSLogMessage> records 数据,需要从里面删除指定内容数据 第一次写成 foreach(var item in records) {if (item.logMessage.Contains("上传通行记录"))records.Remove(item); } 直接报错,因为foreach 是个迭代器 直接移除它的对象会报…

Redis实现简易消息队列的三种方式

Redis实现简易消息队列的三种方式 消息队列简介 消息队列是一种用于在计算机系统中传递和处理数据的重要工具。如果你完全不了解消息队列&#xff0c;不用担心&#xff0c;我将尽力以简单明了的方式来解释它。 首先&#xff0c;想象一下你正在玩一个游戏&#xff0c;而游戏中…

Web应用防火墙的性能优化技术

Web应用防火墙&#xff08;WAF&#xff09;是企业网络安全的重要屏障&#xff0c;其性能直接影响到网络服务的质量和安全。本文详细探讨了WAF性能优化的几种技术&#xff0c;旨在为网络安全专业人员提供实用的参考。 规则优化 1.1 精简规则集 规则评估&#xff1a;定期评估规…

JQuery、JSON、AJAX、XML、IO流、多线程、反射核心知识点详解

JQuery 一、什么是JQuery JQuery是JavaScript的一个框架&#xff0c;对js的封装&#xff0c;使得js简单易学 优点&#xff1a; 1、不用考虑浏览器兼容性问题 2、jquery拥有强大的选择器&#xff0c;简化了js代码 3、jquery提供了很多系统函数&#xff0c;直接调用 二、版本 1.x…

面试题补充

1.公司有几套环境&#xff1a;测试环境&#xff08;测试人员使用&#xff09;&#xff0c;开发环境&#xff08;开发人员使用&#xff09;&#xff0c;预生产环境&#xff08;测试人员使用&#xff09;&#xff0c;生产环境&#xff08;用户使用&#xff09; 2.作为一名测试&a…

C语言第一节--从c语言源码到可执行文件

C语言第一节–从c语言源码到可执行文件 编译 C 语言代码生成可执行文件的流程一般可以分为四个步骤&#xff1a;预处理、编译、汇编和链接。 假设有一个名为 “hello.c” 的 C 语言源文件&#xff0c;内容如下&#xff1a; #include <stdio.h>int main() {printf("…

Kubernetes 常用命令 持续更新

1、进入指定namespace pod kubectl exec -it --namespacekube-system g-lsb-proxy-nginx-r7zfl-2522744936-11rld /bin/sh kubectl exec -it g-lsb-proxy-nginx-r7zfl-2522744936-9tz5k -n kube-system /bin/bash2、查看k8s pod详情 kubectl describe pods -n jiankunking …

【计算机网络】网络编程接口 Socket API 解读(11)

Socket 是网络协议栈暴露给编程人员的 API&#xff0c;相比复杂的计算机网络协议&#xff0c;API 对关键操作和配置数据进行了抽象&#xff0c;简化了程序编程。 本文讲述的 socket 内容源自 Linux man。本文主要对各 API 进行详细介绍&#xff0c;从而更好的理解 socket 编程。…