2502瑜伽会所C

目标:通过处理源生K线数据,得到对后市上涨及可交割有意义的K线衍生数据


一、原始数据

1. 历史数据

[历史时间段,最高价,开盘价,最低价,收盘价,成交量] : 

[t_{h_{i} },high_{i},open_{i},low_{i},close_{i},volume_{i}] (1.1)

从当前时间向过去寻找n组K线数据作为模型训练的输入,即,i = 1,2,3, ... ,n;

2. 当前状态

[当前时间,当前价格] : 

[t_{c},close_{c}  ](1.2)

找到距离当前时间最近的一根已完成K线,找到此K线对应的时间与收盘价信息,作为当前时间与当前价格;


二、太初数据

目标:统一处理所有原始数据,转化为太初数据,使新的数据格式更贴合于整体目标;

1. 数值数据

将(1.1)(1.2)数据转化为 [距今时长,方向,实体高度,上影线高度,下影线高度] 

[tDistant_{i},Direction_{i},Body_{i},upperShadow_{i},lowerShadow_{i}](2.1)

tDistant_{i} = t_{c}-t_{h_{i}}

\ Direction_{i}=\begin{cases}+&, &close_{i}-open_{i}>0 \\-&, &close_{i}-open_{i}</p><p><img class=;

Body_{i} = |close_{i}-open_{i}|;

\ upperShadow_{i}=\begin{cases}high_{i}-close_{i}&,&direction_{i}\geq 0 \\high_{i}-open_{i}&,&direction_{i}<0\end{cases};

\ lowerShadow_{i}=\begin{cases}open_{i}-low_{i}&,&direction_{i}\geq 0 \\close_{i}-low_{i}&,&direction_{i}<0\end{cases};

2. 变量分析

所有K线均由三部分组成,包括实体,上影线,下影线;这三部分各自以及彼此之间的数量关系对后市的走势有指导意义,指导意义分三种,包括延续,反转,以及震荡概率(Continuity, Inversion, Equilibrium);

2.1 实体分析(上下影线长度随意且维持不变)

无论阴阳线,实体高度增加(降低),延续概率增加(降低),反转概率降低(增加),震荡概率降低(增加);

Body\uparrow\downarrow  \implies Continuity\uparrow \downarrow Inversion\downarrow\uparrow  Equilibrium\downarrow \uparrow (2.1.1)

2.2 实体与上下影线组合分析

无论阴阳线,设C=(实体/实体+上影线+下影线)越接近1,延续概率越高;C越接近0,震荡概率越高;阳线,设I_{+}=(上影线/实体+上影线+下影线)越接近1,反转概率越高;阴线,设I_{-}=(下影线/实体+上影线+下影线)越接近1,反转概率越高;

D(+/-) \ \& \ C=(\frac{Body_{i}}{Body_{i}+upperS_{i}+lowerS_{i}})\rightarrow 1\Rightarrow P(Continuity)\rightarrow  1 \ (2.2.1)

D(+) \ \& \ I_{+}=(\frac{upperS_{i}}{Body_{i}+upperS_{i}+lowerS_{i}})\rightarrow 1\Rightarrow P(Inversion)\rightarrow 1 \ (2.2.2)

D(-) \ \& \ I_{-}=(\frac{lowerS_{i}}{Body_{i}+upperS_{i}+lowerS_{i}})\rightarrow 1\Rightarrow P(Inversion)\rightarrow 1 \ (2.2.3)

2.3 涨跌盘概率预测

(2.2.1):(2.2.3)\implies C,I_{+},I_{-}\in [0,1]

设一根独立K线对后市的走势贡献值与震荡贡献值,为runContribution, equContribution;

 \begin{align}&Direction(+/-),&equContribution = 1 - C \ (2.3.1) \\&Direction(+),&runContribution=C-I_{+}\ (2.3.2) \\&Direction(-),&runContribution=-C+I_{-}\ (2.3.3)\end{align}

无论阴阳线,若runContribution为正,则对后市上涨有贡献;若为负,则对后市下跌有贡献;

且equContribution越接近1,对后市震荡的贡献越高;

2.4 时间权重因子

(2.1)中的tDistant参数反应历史K线的距今时间长度,设定距今时间越长的K线对后市的走势与震荡预测贡献值越低;

时间权重函数:f(tDistant_{i})=\frac{\lambda }{tDistant_{i}}\ (tDistant_{i}>0,\lambda >0) (2.2.4)


太初数据总结,将所有历史数据的涨跌贡献值乘以对应的时间权重因子,即得到每个投资标的的涨跌盘概率;


三、天地数据

目标:结合分析多组K线的时间与空间属性,组合分析归属于同一趋势的多组K线数据。

趋势分类:震荡熊市,稳定熊市,震荡盘整市场,稳定盘整市场,震荡牛市,稳定牛市;

首先需要找到牛熊盘三类市场的起始与终止点,而后再通过期间的波动率判断震荡或稳定;

1. 涨跌盘归类算法

从(1.1)可知,每根K线均有[high,low]两个参数;给每根K线额外添加2组(4个参数),分别为   [[higherFromLeft, higherFromRight], [lowerFromLeft, lowerFromRight]],意思是从每根K线的左右寻找比此K线的最高点更高的点位与比此K线的最低点更低的点位,这四个参数的输出对应寻找了多少根K线才找到这四个参数;

举个例子(3.1),某品种,2018.9.14号的日K线对应的参数为[[120, 64], [1,1]],那么说明这根K线左侧直到第120个交易日才出现更高点,右侧遍历64个交易日才有更高点;左侧1个交易日出现更低点,右侧1个交易日出现更低点;

那么例3.1对应的这根K线的最高点,即为符合要求的最高点;下面总结一下什么是符合要求以及符合要求的高低点的重要性如何表示;

1.1 符合要求判定

[[a1,a2],[b1,b2]] = [[higherFromLeft, higherFromRight], [lowerFromLeft, lowerFromRight]];

A. 若a1或a2任意一个参数数值小于10,则此K线的最高价不满足需要的最高点标准;(3.1.1.A)

B. 若b1或b2任意一个参数数值小于10,则此K线的最低价不满足需要的最低点标准;(3.1.1.B)

C. 对于邻近当前时间较近的K线会有右侧K线数量较少的情况,在向右侧寻找更高更低价时,会有无更多K线遍历的困境,若某K线的右侧K线数量低于20,则不参与高低点判定;(3.1.1.C)

经历了(3.1.1.A/B/C)的判定后,符合要求的高点与低点就都找到了;

1.2 重要性表示

将每个符合要求的高点的参数a1,a2相加得到参数a,将符合要求的低点的参数b1,b2相加得到参数b;参数a与b为自然数;

a = a1+a2;b=b1+b2;(3.1.2)

1.3 高低点表达方式

高点 \ highPoint_{a}; \  低点 \ lowPoint_{b}; (3.1.3)


2. 趋势数据群处理

2.1 趋势数据群基本参数

每组趋势数据群对应的两类数据结构,第一类是其中每根K线的性质,可从(1.1)(2.1)(2.2.1)(2.2.2)(2.2.3)(2.3.1)(2.3.2)(2.3.3)中获取;第二类是趋势数据组自身的性质 [起始时间,结束时间,K线总数,阳线数(涨幅为正即为阳,包括涨停),阴线数(涨幅为负即为阴,包括跌停),VWAP,成交总量,区间涨跌幅,区间振幅]:

[tStart, tEnd, kCount, kPosCount, kNegCount, VWAP, volume, changeRate, swingRate] (3.2.1)

2.2 趋势数据群衍生参数

[]





四、末世数据

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,802评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,109评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,683评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,458评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,452评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,505评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,901评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,550评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,763评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,556评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,629评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,330评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,898评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,897评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,140评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,807评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,339评论 2 342

推荐阅读更多精彩内容

  • 作为一个程序员人员,其实更关注的交易市场的数据,最想去做的是建立一个交易模型,只不过后来发觉这个模型阻碍太多了,毕...
    飞扬code阅读 1,055评论 0 3
  • 目录 一、基本原则 二、支持阻力位:(前高低点、平头顶底、放量下跌大影线的底、放量上涨大阳线的顶) 三、EMA10...
    85后硕导阅读 1,951评论 1 3
  • 在股市中永远都是20%的人赚钱,80%的人赔钱,而这80%大部分都是新股民。有没有方法让新股民炒股赚钱,还能规避风...
    飘哥_4366阅读 1,221评论 0 2
  • 本文为您介绍的是新手必学的知识点,股票k线图是炒股过程最为基础的图形,大多数股票分析这都是通过k线图来研究股票的,...
    股往金来8阅读 1,037评论 0 0
  • 最近需要资料有点多,不太好找,还要区分真假,太麻烦,就想着可不可以写个爬虫,仔细一想貌似可以,但是我是一个Andr...
    一鳴阅读 1,249评论 0 2