189 8069 5689
这篇文章主要讲解了“CUSUM在择时交易中的应用方法是什么”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“CUSUM在择时交易中的应用方法是什么”吧！
我们提供的服务有：成都网站建设、做网站、微信公众号开发、网站优化、网站认证、滨湖ssl等。为成百上千家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的滨湖网站制作公司
原理描述：CUSUM控制图的设计思想是对信息加以累积，将过程的小偏移累加起来，达到放大的结果，从而提高检验小偏移的灵敏度。CUSUM作为一个统计量，其由来具有严格的数学推理，总的来说，是一个变点假设检验通过极大似然法推导得到的统计量。
具体推导不研究了，直接看具体引用
形成一个对数收益率的近似正太分布。如上图，这里有一个上下允偏量k，这里设为k = 0.02, 先说上阈值， 那么时序队列里面，下一个时段的对数收益率大于0.02，yi则差值为正；如果差值累计yi的和Ci大于h，比如h为0.5。则触发向上趋势。
其实就是如果多次超过允偏量收益率发生，或者一次非常大的收益率情况发生，使得c值大于h 就会触发向上趋势判断。如果只是偶尔一次大于允偏量，那么下一次小于k （0.02）时候，差值为负值，和值Ci就变小了，这里Max的作用就是保证C为正，不会因为多次低于k值为负值。向下趋势判断也是同理。
代码如下，这里调用ta-lib库来计算均值和标准差，速度比起用numpy还快一些。用标准差做为允偏量k；5倍标准差为h 阈值。
# encoding: UTF-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import talib
def detect_via_cusum_lg(ts, istart=30, threshold_times=5):
"""
detect a time series using cusum algorithm
:param ts: the time series to be detected
:param istart: the data from index 0 to index istart will be used as cold startup data to train
:param threshold_times: the times for setting threshold
:return:
"""
S_h = 0
S_l = 0
S_list = np.zeros(istart)
meanArray = talib.SMA(ts,timeperiod = istart)
stdArray = talib.STDDEV(np.log(ts/meanArray),timeperiod = istart)
for i in range(istart+1, len(ts)-1):
tslog = np.log(ts[i] / meanArray[i - 1])
S_h_ = max(0, S_h + tslog - stdArray[i-1])
S_l_ = min(0, S_l + tslog + stdArray[i-1])
if S_h_> threshold_times * stdArray[i-1]:
S_list = np.append(S_list,1)
S_h_ = 0
elif abs(S_l_)> threshold_times * stdArray[i-1]:
S_list = np.append(S_list, -1)
S_l_ = 0
else:
S_list = np.append(S_list, 0)
S_h = S_h_
S_l = S_l_
return S_list
#数据导入
df5min = pd.read_csv("bar5rb8888.csv")
dt0 = np.array(df5min["close"])
listup,listdown = [],[]
s_list = detect_via_cusum_lg(dt0,istart=30, threshold_times=5)
for i in range(0,len(s_list)):
if s_list[i] == 1:
listup.append(i)
elif s_list[i] == -1 :
listdown.append(i)
plt.subplot(2,1,1)
plt.plot(dt0, color='y', lw=2.)
plt.plot(dt0, '^', markersize=5, color='r', label='UP signal', markevery=listup)
plt.plot(dt0, 'v', markersize=5, color='g', label='DOWN signal', markevery=listdown)
plt.legend()
plt.subplot(2,1,2)
plt.title('s_list')
plt.plot(s_list,'r-')
plt.show()感谢各位的阅读，以上就是“CUSUM在择时交易中的应用方法是什么”的内容了，经过本文的学习后，相信大家对CUSUM在择时交易中的应用方法是什么这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！