LLT指标-低延迟趋势线对中证500的python复现过程

大家好,我是上海大侠

看了半个小时的研报和视频,对具体实现过程含糊其辞,表述不清,模糊重点,甚至还有多处写错

本着知识开源的想法,我将我的探索过程公开,以期给同样在这条路上摸索的朋友节省一点走弯路的力气

废话先不多讲,我是个喜欢在本地数据上运行代码的男人,因为这样可以避免数据量超限的问题

先看一下数据格式

标的资产收盘价

我们这次对000905.SH也就是中证500做LLT指标的低延迟趋势线

很眼熟的公式对吧?

我们把这个公式转换成人话

LLT(T) = (\alpha -\alpha ^2/4)*price(T)+(\alpha ^2/2)*price(T-1)
-(\alpha-3\alpha^2/4)*price(T-2)+2(1-\alpha)*LLT(T-1)-(1-\alpha)^2*LLT(T-2)

这里要特别说明几个重点

z^(-t)可以看作是t阶延迟算子

LLT(T)指的是时间戳为T的LLT指标

而price(T)指的是时间戳为T的过去回看d天的平均价格

LLT指标的初始两期就设为[0,0]即可

我们来看一下效果

d=20 2012-02~2014-03

看起来还挺平滑的

d设的越小,延迟越高,曲线越平滑

d=40 2012-02~2014-03

最后附小屎山【山(×)堆(√)】

'''

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
if __name__ == '__main__':
    PriceDf = pd.read_excel('日收盘价.xlsx', index_col = 'date')
    PriceDf = PriceDf.sort_index(ascending = True)
    Asset = PriceDf.columns[1]
    AssetSeries = PriceDf[Asset]
    LLT = [0,0]
    d = 40
    alpha = 2/d+1
    for i in range(len(AssetSeries)-2-d):
        pricet_2 = np.mean(AssetSeries[i:i+d])
        pricet_1 = np.mean(AssetSeries[i+1:i+1+d])
        pricet = np.mean(AssetSeries[i+2:i+2+d])
        LLTt_2 = LLT[i]
        LLTt_1 = LLT[i+1]
        LLTt = (alpha-(alpha**2)/4)*pricet + (alpha**2)/2*pricet_1 - (alpha-3/4*(alpha**2))*pricet_2+ 2*(1-alpha)*LLTt_1 - ((1-alpha)**2)**LLTt_2
        LLT.append(LLTt)
        #print(i)
        LLTSeries = pd.Series(LLT,index = AssetSeries.index[d:])
    plt.plot(LLTSeries[1800:2200])
    plt.plot(AssetSeries[1800+d:2200+d])

'''

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 213,014评论 6 492
  • 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 90,796评论 3 386
  • 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 158,484评论 0 348
  • 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 56,830评论 1 285
  • 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 65,946评论 6 386
  • 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 50,114评论 1 292
  • 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 39,182评论 3 412
  • 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 37,927评论 0 268
  • 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 44,369评论 1 303
  • 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 36,678评论 2 327
  • 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 38,832评论 1 341
  • 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 34,533评论 4 335
  • 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 40,166评论 3 317
  • 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 30,885评论 0 21
  • 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 32,128评论 1 267
  • 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 46,659评论 2 362
  • 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 43,738评论 2 351

推荐阅读更多精彩内容

  • 1、创建列表 注意:这里不需要为列表及其包含的数据项声明类型。Python的变量标识符没有类型。 2、列表是完备的...
    单调不减阅读 230评论 0 0
  • 听说那扇高大的木门后 藏着许多关于命运的故事 我扶着你的手边讲边走在青石长巷 分别从天而降 勒紧你脖子的黑蕾丝 双...
    李秋蓝阅读 230评论 0 12
  • 心绪万千 提笔难言 把思念化成线 缠绕你心间 梦里你的笑虚掩 风拨弄着你的脸 我不敢去看 悄悄躲在梦里面
    回忆成茧阅读 307评论 0 1
  • 年是什么?一代人有一代人的认识。对孩子而言,过年是感官的刺激,它总是红红火火,爆竹声声;对我们而言,年却是心灵的慰...
    二宝妈黄静阅读 531评论 2 0