如何计算稳定/增量增长？

Question

我有每分钟一次的股票时刻表数据。

什么是计算增量增长的最佳方法，例如，如果我的股票价格是从上午9点到下午2点，每隔一分钟，如何计算增量增长。我不想简单地计算下午2点和早上9点之间的价格差额，我希望能够识别出在这两段时间间隔内稳定上涨的股票

Answer 1

有什么能阻止你看滞后的？

df = data.frame(c(1,2,3,4,4,3,4,5,6,7))
colnames(df)<-c("price")
dfdelta=lag(df#qcStackCode#price, 1)
dfinc = df#qcStackCode#price-df$delta
df

会产生：

   price delta inc
1      1    NA  NA
2      2     1   1
3      3     2   1
4      4     3   1
5      4     4   0
6      3     4  -1
7      4     3   1
8      5     4   1
9      6     5   1
10     7     6   1

这里的条件是，inc的每个值(第一个除外)必须是>0。

Answer 2

只需计算相对于您的时间单位的价格水平的导数 (换句话说，在随后的两个度量之间)。

如果导数在某一区间为0，则表示价格是稳定的。如果衍生产品是正数，就意味着价格在这个区间内上涨了。如果衍生产品是负的，那么价格就下降了。

导数的值(不管是什么符号)显示了变化的斜率。换句话说，导数越高，向符号所表示的方向的变化就越积极。

您可以通过numpy.diff轻松地做到这一点。

注意:微分是一个“嘈杂”的过程，当你绘制它时，它会导致导数的边缘图，特别是当你有价格水平的突然变化时。要解决这个问题，您应该考虑一些平滑策略，例如应用在导数或任何其他低通滤波器的计算值上的移动平均滤波器。

Answer 3

你可以考虑像夏普比率(https://en.wikipedia.org/wiki/Sharpe_比率)这样的东西，目标是最大化这个价值。从本质上讲，这将转化为找到一只回报率最高、波动性最小的股票。您可以像下面这样计算一个简单的版本：

{Percent Change over Whole Time}/StandardDeviationOfRelativeDifferences

相对差异可以是每分钟到每分钟变化的百分比除以前一分钟的值。