您的位置: 零点财经>股票术语>股票交易> 股票交易:创建自己的自变量和因变量

股票交易:创建自己的自变量和因变量

2019-11-14 18:32:50  来源:股票交易  本篇文章有3425字,看完大约需要11分钟的时间

股票交易:创建自己的自变量和因变量

时间:2019-11-14 18:32:50  来源:股票交易

股票交易:创建自己的自变量和因变量

当我整理我的电子表格时,我一般会将原始数据尽量往左放(A列、B列、C列等等);原始数据的变化作为自变量放在中间;因变量放在最右边。我们来看看这样做的意义。

股票交易:创建自己的自变量和因变量

我们把自变量叫做预测因子。这些变量会影响市场。比如,我们可以研究标准普尔500指数前一个交易日的价格变化(自变量)对下一个交易日收益(因变量)的影响。原始数据包括了我们所选择的时期内的标准普尔500指数的价格。自变量为前一日收益的移动计算结果。因变量为次日收益的计算结果。自变量就是我们认为能够带给我们交易优势的东西;而因变量就是我们为了挖掘这种优势而进行交易的东西。

如果我将我的原始数据放在数据表的左边,接着放入原始数据形成的自变量,再接着放入因变量,这样就有明确的分析结果了。

我再具体解释一下。先下载标准普尔500指数过去1000个交易日(收盘价)的日线数据,相当于4年的数据。如果我从尖峰数据获取数据,我会在Excel中打开一个空白工作表;点击Excel菜单项的“文件”,点击“打开”,进入C盘的“Data”文件夹,双击“IDXDATA”文件夹,文件类型选择“所有文件”,然后双击“S&P500”文件,然后选中过去1000个交易日的单元格,在Excel中点击菜单项的“编辑”,点击“复制”,打开一个新的空白工作表,然后再次点击菜单项的“编辑”,光标选中A2单元格,点击“粘贴”。尖峰的数据就会出现在我的工作表中,第一行用来写数据标签(日期、开盘价、最高价、最低价、收盘价)。

如果你从其他地方下载数据,用于获取数据的菜单选项会有所不同,但是结果会是一样的:复制数据,然后粘贴到一个空白工作表的A2单元格,然后再创建你的数据标签。于是,你的原始数据就占据了A列到E列(A列是“日期”、B列是“开盘价”、C列是“最高价”、D列是“最低价”、E列是收盘价)。现在,对于F列(单元格F1)的数据标签,你可以输入(不要输入引号):“SP(1)”。这就是你的自变量,即当天的指数变化率。你首先需要在单元格F3中输入(仍然不要输入引号):"=((E3-E2)/E2)*100)”。这是该指数中A2交易日与A3交易日收盘价的变化百分比。

现在,让我们在单元格G7中创建我们的因变量。在单元格G1使用标签"SP+l”o在单元格G3输入公式"=((E4-E3)/E3)*100)”,代表该指数中下一个交易日的收益百分比。

为了完成你的工作表,你需要点击选中带有公式的单元格F3和G3;点击Excel菜单项“编辑”;选择“复制”选项。你会看到单元I格F3和G3被突出显示。然后,用光标选中单元格F4和G4,并将鼠标向下拖,一直到整个数据结束的单元格,放开鼠标,使所有单元格突出显示。再次点击Excel菜单项的“编辑”,然后选择“粘贴”o你的工作表会对每个单元格按公式进行计算,这样你的工作表的数据部分就结束了。原始数据放在A列到E列。自变量(预测因子)放在F列;我们感兴趣的交易变量——因变量——放在G列。把这个工作表作为练习表保存在一个Excel文件夹中。我们会在未来的课程中用到这个表。

请注意,尽管我们下载了1000个交易日的有价值数据,但是我们样品中的实际数据点只有998个。我们不能从第一个数据点计算SP(1),因为我们没有前一日的收盘价,因此,我们必须在第三个数据行开始使用我们的公式。同样,我们也不能从最后一个数据点计算SP+1,因为我们不知道次日的收盘价。因此,我们仅可以使用我们下载的1000个数据中的998个来进行分析。如果你就想要1000个数据,你就必须下载1002个数据。

练习一段时间以后,这些操作就会变成第二本能。完成工作表只需一两分钟:打开你的数据文件,复制并粘贴原始数据,编写公式,再复制单元格。在本例中,我们所要研究的是前后两天的收益之间有什么关联。我们在创建工作表的同时并提出这样的问题:“如果第一天上涨,第二天买入合理吗?第一天下跌,第二天卖出合理吗?还是说差别不大?“我把自变量叫做预测因子,因为我们并不真正知道自变量是否与我们感兴趣的变量有关系。自变量仅仅是预测因子的原因还在于,我们并不是在做统计显著性检验,无法确定这个变量就能预测。我们所使用方法和画图差不多:形成设想。

请记住,在木例中,我们是在使用历史关系来描述市场模式,并不是用统计学方法做分析。我们是在形成设想,并不是在。如果我以前一直研究前一周价格变化与下一周收益之间的关系,工作表其实是一样的,只是数据为周线数据,不是日线数据。总之,如果你正在研究前一周期数据对下一周期数据的影响,上面给出的方法是最简单的分析方法了。这种方法保证所有的观察结果都是独立的,并且没有重叠数据。

为了让你明白我的想法,我们用日线数据来研究前一周(五个交易日)的价格变化与下一周的价格变化之间的关系。F列中的自变量应该是“=((E7-E2)/E2)*100)”——过去5日的价格变化。G列中的因变量应该是“=((E12-E7)/E7)*100”:接下来5个交易日的价格变化。请注意,当你根据前面讲的方法将那些单元格复制到工作表中时,F8、F9、F10……G8、G9、G10……等单元格中的结果并非完全是独立的。前5个交易日的收益与F8、F9和F10的数值重叠,未来5个交易日的收益与G8、G9和G10单元格中的数值重叠。如果你所使用的原始数据的周期比你研究自变量和因变量的周期更短时,这种情况会一直存在。

推理统计检验取决于自变量数据是独立的,所以在统计显著性时,不适合将数据重叠在一起统计。我只是为了形成设想,我可以容许一定程度的数据重叠,所以我可以用日数据来研究多达20天之久的数据关系——尤其是当重叠量在整个数据所占的比例很小时。也就是说,我不会使用1000个交易日的日线数据来研究未来200个交易日的收益。用4年的数据研究前一个5日价格变化对下一个5日收益的影响是没问题的。

如果你的历史数据包括了很多种市场状况:上涨、下跌、横盘振荡、高波动性、低波动性等等,你的研究绐果就会。非常可靠。

一般情况下,因变量会包括预期价格变化,因为预期价格变化是我作为一个交易者所感兴趣的东西。自变量包括可能与预期价格变化关系很大的任何数据,这些数据都是我通过观测得到的。通常,我会注意那些与次日收益相关的因变量(以帮助形成当日交易思想)以及与下周收益相关的因变量(以帮助形成波段设想)。如果我想从更大的时间框架看待市场,我会研究下一个20个交易日的收益。使用不同时间框架的交易者可以使用不同的时期的数据,包括日内数据。总的来说,我发现1—20天的周期对我的研究最有用。

再次强调,熟能生巧。我鼓励你在开始进行实际的历史研究前,能够熟练地下载数据并将变量放在你的工作表中。毕竟,你的结果只有在你输入数据并在数据上赋予变化时才会有效。

训练提示

根据我的例子,你可以分析向下跳空缺口第二天的平均收益。自变量会是开盘缺口,公式是=((b3-e2)/e2)*100(今日开盘价与昨日收盘价之差的百分比)。日价格变化会是=((e3-b3)/b3)*100(今日收盘价与今日开盘价之差的百分比)。你需要通过使用股指期货数据或交易所交易基金的数据来准确反映市场开盘价;大盘指数无法反映出准确的开盘价,因为不是所有股票在股市开盘时就可以进行交易。

关键字: 股票交易股市大盘指数
来源:股票交易 编辑:零点财经

阅读了该文章的用户还阅读了

热门关键词

相关阅读

为您推荐

移动平均线
股票知识
MACD
老丁说股
热点题材
KDJ指标
读懂上市公司
成交量
股票技术指标
股票大盘
分时图
股市名家
概念股
缠中说禅
强势股
波段操作
股票盘口
短线炒股
股票趋势
涨停板
股票投资
长线炒股
股票问答
股票术语
财务分析
炒股软件
上证早知道
经济学术语
期货
股票黑马
股票震荡市场
理财
炒股知识
散户炒股
外汇
炒股战术
港股
基金
黄金






















































































































































































































































































































































































































































































































































































































































相关栏目推荐

市盈率换手率量比市净率高开低走集合竞价低开高走蓝筹股委比权证洗盘外盘红筹股股本大盘跳水道氏理论股票术语市销率资本市场一级市场ST股票填权止损绩优股法人股多头市场连续竞价股票突破骗线筹码盘整买壳上市溢价支撑线超跌反弹涨跌幅限制头寸融资融券破发套牢股利转增股价值投资左侧交易ROE放量沪港通股指期货杀跌基本面多头陷阱抄底分红派息老鼠仓配股逃顶股票摘牌卖空流通盘送红股竞买率股票仓位垃圾股摊薄限售股股东大会优先股券商股干股建仓股票高开指定交易摘星摘帽股票转增印花税吸筹尾盘收盘价破净率派现年线每股净资产开盘价金叉护盘换股比率股息股性每股收益白马股补跌猴市次贷危机股票跳空股票低开总手资产注入资产重组诱空预埋单现手无量涨停弱势股轻仓平准基金毛利率横盘股东权益比股改反抽打新股对敲大小非DIF存款准备金率本益比标准普尔指数通货膨胀崩盘超卖存款保证金率从紧货币政策成份股第三方存管大宗交易二级市场反转形态国家股股票面值含权股红利技术分析减仓空头陷阱流动比率牛皮市配售日线图十字星撤单次新股超跌筹码集中度定向增发大盘股ETF封闭式基金分拆发行价股权登记日获利盘流通股累积投票制牛市内盘OTC市场抢权QFII权重股认沽权证上升三角形踏空退市熊市原始股转配整体上市涨幅斩仓流通市值停盘头肩底W底形态行权价轧空中签率股权分置改革双针探底单阳不破成分股市价委托股票交易股息率股票估值股票除权股票回购墓碑线断头铡刀k线早晨之星股票杠杆股票质押开放式基金证券投资基金再贴现率基金单位净值货币市场基金公开市场业务上影线保本基金存续期债券恒生指数沪深300指数资金仓位追涨股票冻结基金定投股票封板股票定投做市商撮合交易利息保障倍数公开竞价

栏目导航

友情链接

网站首页
李大霄
严为民
股票问答
股票术语
网站地图

copyright 2016-2020 零点财经保留所有权 免责声明:网站部分内容转载至网络,如有侵权请告知删除

友链,商务链接,投稿,广告请联系qq:253161086 资源合作联系:253161086

零点财经保留所有权

免责声明:网站部分内容转载至网络,如有侵权请告知删除

友链,商务链接,投稿,广告请联系qq:253161086