股票交易中的计算信号

Question

预描述

我在分析股票价格。

• 扩展值是一对的值。
• 一对股票是两只股票，比如Amazon_Tesla。
• 如果信号是1，这意味着股票必须出售。
• 如果信号为0，则意味着必须购买股票。

​

​

输入

1. std值:浮动
2. 传播:名单或熊猫系列

输出

1. 信号-1
2. 信号-2

信号是如何变化的？

信号根据扩展和阈值变化。在本例中，阈值是标准差(value=1)。在指数2中，我们出售亚马逊股票，购买特斯拉股票。价差必须超过首次交易开始时的std值。信号值随样本数据的变化而变化。

结果

使用输入获取输出的最简单方法是什么？

访问示例数据：https://gist.github.com/birdalugureren/05ea6995a9f31478599e9c062e9cd452

Answer 1

实现这一目标的一种方法是使用相对于standard deviation的spread values值来描述每个信号的函数，从而生成股票动作将转向的点。在此之后，使用费尔向前填充在股票操作中没有变化的空格。

import pandas as pd
import numpy as np

d = {'index': {i:i for i in range(20)},
  'spread': {0: 0.4, 1: 0.6, 2: 1.1, 3: 0.8, 4: 1.5, 5: 0.6, 6: -0.01, 7: -1.4,
  8: 0.1, 9: 0.4, 10: 1.4, 11: -1.5, 12: -0.4, 13: 0.3, 14: 0.6, 15: 1.2, 16: 0.7,
  17: -0.3, 18: -0.8, 19: -1.9}}

df = pd.DataFrame(d)
print(df)

std_dev = 1

func_sig1 = lambda x: 1 if x > std_dev else 0 if x < 0 else np.NAN
func_sig2 = lambda x: 1 if x < -std_dev else 0 if x > 0 else np.NAN

df["Signal-1"] = df["spread"].map(func_sig1).ffill()
df["Signal-2"] = df["spread"].map(func_sig2).ffill()

print(df)

df输出

    index  spread  Signal-1  Signal-2
0       0    0.40       NaN       0.0
1       1    0.60       NaN       0.0
2       2    1.10       1.0       0.0
3       3    0.80       1.0       0.0
4       4    1.50       1.0       0.0
5       5    0.60       1.0       0.0
6       6   -0.01       0.0       0.0
7       7   -1.40       0.0       1.0
8       8    0.10       0.0       0.0
9       9    0.40       0.0       0.0
10     10    1.40       1.0       0.0
11     11   -1.50       0.0       1.0
12     12   -0.40       0.0       1.0
13     13    0.30       0.0       0.0
14     14    0.60       0.0       0.0
15     15    1.20       1.0       0.0
16     16    0.70       1.0       0.0
17     17   -0.30       0.0       0.0
18     18   -0.80       0.0       0.0
19     19   -1.90       0.0       1.0