技术指标调参


(xmnz) #1

技术分析到底有没有用我不知道,画线派、价量派和指标派各有各的理;有人认为只要精通一两种方法,也有人认为多种方法要结合使用。说到底,在技术分析没有引入“决策”之前,依旧可以将其视为因子,毕竟万物皆因子。是因子就可以检验相关性,这就是本文所探讨的东西。

先放一个金工研报抛玉引砖,因为我之前觉得正经金工可能不会太在意技术指标,后来发现他们也这么做。申万证券金工组曾于2016年出过一套《技术指标测试大全》,以买卖点策略的形式测试了约40个技术指标,并以2010.01.04到2016.07.14的上证综指、 沪深 300、 中证 500、中小板综指及创业板综指上的交易信号优化了参数。调完参的所有信号6年的收益率大多在50%,有兴趣可以找一下。(ps里面大红字写着“请在新财富等各类评选中,大力支持申万金融工程!!!”,真实啊…)

因此本文选取了6类10种技术指标,计算他们的值,变动率,波动率与未来股票的值,变动率的关系。主要是还是为了调参,也算是为之后的计划做特征工程吧。

趋势类:MACD — macd;DMI — pdi-mdi;ADX — adx;

随机类:KD — k-d;CCI — cci;

波动类:STD — 平均股价的标准差;ATR—atr;

成交量类:OBV — obv简单平均;

通道类:SAR — 股价均值-sar;

能量类:BRAR — br-ar;

benchmark:n日前的平均股价;

数据选取:由于遍历有点费时间,并没有全市场计算。按照行业和市值中性的原则抽样了270支股票,并选取他们最近1250个交易日的数据。

指标选择:pearson相关系数(没管P值)

除了使用高开低收价格计算的指标,其余不涉及高开低收的指标均使用股票均价计算,即高开低收的平均,有MACD、STD、OBV、SAR、benchmark。此外股价序列也是高开低收的平均。

先举个例子解释一下形成期与滞后期的意思(表里没有错误):

![](data:image/svg+xml;utf8,<svg%20xmlns=‘http://www.w3.org/2000/svg’%20width=‘0’%20height='0’>)

其实用代码最好表达:

raw_data['mean_lag'] = raw_data['mean'].shift(-period)#滞后期period
raw_data['mean_lag_pct'] = raw_data[mean_lag].div(raw_data['mean']).add(-1)#滞后期变动率


raw_data['cci'] = talib.CCI()
raw_data['cci_lag'] = raw_data['cci'].shift(lag)#形成期lag
raw_data['ccilag_pct'] = raw_data['cci'].div(raw_data['cci_lag']).add(-1)#形成期变动率

先看与随着滞后期不同的未来价格(下称未来价格)的相关系数,

(指标从上到下左到右依次为adx arbr atr benchmark cci dmi obv std kd macd sar)

![](data:image/svg+xml;utf8,<svg%20xmlns=‘http://www.w3.org/2000/svg’%20width=‘1143’%20height='368’>)

各种指标的变式对未来价格的相关系数对比

value to value是指 指标的值与未来价格的相关系数(不存在形成期问题)。其中的箱形图范围是指(不论各种滞后期)相关系数的范围,通常相关系数绝对值越大越好。为了对比更加明显将y轴上下界调一致;

单日pct to value是指 今天的指标变化率(也就是形成期为1天的多日pct)与未来价格的相关系数;

多日pct to value是指 形成期是多日的指标变化率与未来价格的相关系数;

指标std to value是指 指标的标准差与未来价格的相关系数;

来分析一下(重要的自己看图):

  • 由于指标的值全都是由原始价格计算出来,因此v to v的值相对较高是非常合理的,尤其是benchmark超大的范围也能体现出序列确实具有一定的自回归性(这是废话)。
  • 收益率与未来价格的关系较弱,单日收益率与未来价格的关系与多日收益率相差无几,这应该是由本就没什么关系的导致的。
  • 指标的标准差居然与未来价格的相关性关系不小?
  • k-d没啥用?

再看与随着滞后期不同的未来价格变动率(下称滞后期变动率)的相关系数,

x to pct中的x是啥意思见上一节,pct是指滞后期变动率,看之前的那个表。

![](data:image/svg+xml;utf8,<svg%20xmlns=‘http://www.w3.org/2000/svg’%20width=‘1145’%20height='366’>)

各种指标的变式与滞后期变动率的相关系数

来分析一下(重要的自己看图):

  • 首先从y轴上下界来看,滞后期变动率[-0.25,0.1],未来价格[-0.1,1],变动率还是不好估计。
  • v to pct的绝对值相对较高是我没想到的,这样就应该用动量效应(动能减弱,才会导致价格向上的同时涨幅降低)或反转效应(价格向上幅度较大导致下跌)。
  • 收益率与滞后期变动率的还是没啥强关系,难道在做估计的时候以前的涨跌幅真的不需要用?
  • 指标的标准差依旧有点坚挺?

本来分析了一下滞后期,形成期与参数对相关系数的影响关系,懒得放上来了,就放一下调出来的参数吧,仅供参考,自行动脑,风险自负。

![](data:image/svg+xml;utf8,<svg%20xmlns=‘http://www.w3.org/2000/svg’%20width=‘1095’%20height='482’>)

kd指标惨遭针对,完全没有用武之地,这一定是我计算有问题┑( ̄Д  ̄)┍