GATE

              当前位置:GATE > 网上配资 > 民政 >

              2019老麦股票论坛-老麦阴线战法-

              10月13日老孟股票教学之阴线买入法“横刀立马战法”

              GATE www.qdcifco.net 10月13日老孟股票教学之阴线买入法“横刀立马战法”今天为大家介绍一种非常实用且更加普遍的操盘战法---“横刀立马”战法.先来...

              流动性

              流动性是资产的一个重要属性,但流动性本身却是一个难以刻画和准确定义的概念。资产流动性不仅是一个变现问题,而且还涉及到金融资产是否能够通过市场准确地反映其预期价值,因此很难对流动性给出一个全面而准确的定义。一个“流动的市场”,在其它条件假设不变的前提下,具有成交迅速,溢价(或折价)幅度小,成交量大的特点。如果一种资产与现金能够以较低的交易成本迅速相互转换,该资产就具有流动性。

               

              或者说,流动性就是迅速执行一定数量交易的成本。因此,流动性具有三个基本要素:大量交易的能力(交易规模)、不变价格交易的能力(交易成本)和及时交易的能力(交易等待的时间)?;谡馊鲆?,在金融市场微观结构理论中,一个被普遍接受的关于流动性的一般定义为:如果交易者在其需要的时候能够迅速以较低的交易成本交易一定量的某种资产,而对资产的价格产生较小的影响,则称该资产是具有流动性的。

               

              从广义上讲,流动性就是一种资产的变现能力。市场的流动性越高,则进行即时交易的成本就越低,较低的交易成本就意味着较高的流动性,交易所需要付出的溢价(或折价)小。同样的拟交易规模,在流动的市场上进行交易所需要付出的溢价(或折价)小,在不流动的市场上则要付出更大的溢价(或折价)(周芳(2010))。

              02

              流动性测度

              (1)老麦阴线战法Amhuid非流动性指标

              Amhuid(2002)根据 Kyle(1985)的流动性的概念,即价格对交易量的敏感度,定义了“非流动性”指标 ILLIQ。股票i 在第 d 个交易日的非流动性ILLIQid,定义为股票的每日绝对回报率与当天交易额比率的平均值。其中R,和VOLD,分别为股票i 在t 月的第 d 个交易日的回报率和交易额。该指标结合了价格和交易额,给出了单位交易额所导致的价格变动率,反映了交易量(指令流)对价格的冲击。股票i 在t 月的 ILLIQ 比率,或股票i 在t 月的流动性成本:为股票i 在t 月的有效交易天数。ILLIQ指标越高(也就是说,单位成交额所导致的价格变动率比较大),股票的流动性越差。 ILLIQ 表示,如果小的交易量引起大的价格变化,那么股票就是不流动的。

               

               

              (2)老麦阴线战法马丁指数 

              (Martin Index) Martin  (1975)利用流动性与证券价格正相关,并且与波动率负相关的前提来构建流动性测度,马丁指数所测算的流动性为标的证券价格每日变动幅度的平方与每日成交量之比,马丁指数越大,代表流动性越低。虽然 Martin 指数采用价格变动的平方来计算,避险了价格正负相抵消的问题,但该指数在实际运用上容易受到少数价格极端变动的影响。

              /section>

              03

               

              本文将使用jqdata对这两个流动性指标进行计算。

               

              老麦阴线战法Amhuid非流动性指标

              from jqdatasdk import *
              import os
              os.environ['CUDA_VISIBLE_DEVICES'] = '0, 1'
              import pandas as pd
              import numpy as np
              np.random.seed(2018)
              import pandas as pd
              import numpy as np
              np.random.seed(2018)
              import tensorflow as tf
              
              from sklearn.metrics import mean_absolute_error,mean_squared_error
              import xlwt
              import xlrd
              from datetime impor datetime, timedelta
              
              codes = xlrd.open_workbook('流动性索引2017.xls')#得到Excel文件的book对象,实例化对象
              sheet0 = codes.sheet_by_index(0# 通过sheet索引获得sheet对象
              sheet_name = codes.sheet_names()[0]# 获得指定索引的sheet表名字
              sheet1 = codes.sheet_by_name(sheet_name)# 通过sheet名字来获取,当然如果知道sheet名字就可以直接指定
              nrows = sheet0.nrows    # 获取行总数
              
              data = pd.DataFrame(columns=[])
              for i in range(nrows):
                  try:
                      #capm
                      days = 360
                      codename = sheet0.cell_value(i, 0)
                      start_date = '2017-01-01'
                      start_date = datetime.strptime(start_date, "%Y-%m-%d")
                      end_date = start_date + timedelta(days=days)
              
                      print(codename)
                      # 导入聚宽
                      auth('账号''密码')
              
                      #获取个股股价数据
                      df = get_price(codename, start_date=start_date, end_date=end_date, frequency='daily', fields=None,
                                     skip_paused=False, fq='pre')
              
                      #ret = np.abs(df['close']*df['volume'] - df['high']*df['volume'])
                      ret = np.abs(df['high'] - df['low'])
                      volume = df['money']
                      A = ret/volume
                      A = pd.DataFrame(A)
                      A = A.apply(lambda x: x.sum())
              
                      amratio = A/days
              
                      amratio_result = [codename, amratio]
                      amratio_result = pd.DataFrame(amratio_result).T
                     # print(amratio_result)
              
                      data = data.append(amratio_result)
              
              
                  except KeyError:  # 其实是Valueerror但是后面的所有都有此错误无法计算
                      pass
                  continue
              
              print(data)
              data.to_excel('流动性2017.xls', encoding="utf-8")
              

               

              马丁指标

              from jqdatasdk import *
              
              for i in range(nrows):
                  try:
                      #capm
                      days = 360
                      codename = sheet0.cell_value(i, 0)
                      start_date = '2017-01-01'
                      start_date = datetime.strptime(start_date, "%Y-%m-%d")
                      end_date = start_date + timedelta(days=days)
              
                      print(codename)
                      # 导入聚宽
                      auth('账号''密码')
              
                      #获取个股股价数据
                      df = get_price(codename, start_date=start_date, end_date=end_date, frequency='daily', fields=None,
                                     skip_paused=False, fq='pre')
              
                      #ret = np.abs(df['close']*df['volume'] - df['high']*df['volume'])
                      ret = np.abs(df['close'] - df['open'])
                      volume = df['money']
                      A = ret*ret
                      B = A/volume
                      B = pd.DataFrame(B)
                      M = B.apply(lambda x: x.sum())
              
              
                      M_result = [codename, M]
                      M_result = pd.DataFrame(M_result).T
                     # print(amratio_result)
              
                      data = data.append(M_result)
              
              
                  except KeyError:  # 其实是Valueerr
                 
                

              相关文章:

              推荐图文

              随机文章

              百度|中国纪委国家监委网站|北京纪检监察网|GATE注册 | GATE平台 | www.baidu.com-百度百科|

              健康遊戲忠告:抵制不良遊戲拒絕盜版遊戲注意自我保護謹防受騙上當適度遊戲益腦沉迷遊戲傷身合理安排時間享受健康生活

              備案號:皖B2-2334451本站www.qdcifco.net所有