至尊技术网

统计

登录

标签搜索

搜索到 2 篇与的结果

如何使用Python计算滚动标准差——数据波动率量化实战

如何使用Python计算滚动标准差——数据波动率量化实战

一、什么是数据波动率？波动率是金融领域衡量资产价格波动程度的核心指标。想象一下海浪的起伏——平静海面的波浪较小（低波动率），而暴风雨中的海浪剧烈翻腾（高波动率）。在股票市场中，波动率直接反映投资风险程度。传统计算方法包括： - 历史波动率（基于标准差） - 隐含波动率（期权定价反推） - 已实现波动率（高频数据计算）其中滚动标准差因其计算简便、实时反映波动变化的特点，成为量化分析的基础工具。二、Python实现滚动标准差的完整流程1. 环境准备python import pandas as pd import numpy as np import yfinance as yf # 获取金融数据的库 import matplotlib.pyplot as plt2. 数据获取与预处理以苹果公司(AAPL)股价为例：python下载2020-2023年日线数据data = yf.download('AAPL', start='2020-01-01', end='2023-12-31') close_prices = data['Adj Close']计算对数收益率（更符合金融统计特...

2025年08月15日

37 阅读

0 评论

ARIMA与GARCH模型在股票市场预测中的实战应用

ARIMA与GARCH模型在股票市场预测中的实战应用

一、金融时间序列预测的挑战看着电脑屏幕上跳动的K线图，每个交易员都在思考同样的问题：明天的收盘价会是多少？这种对未来的不确定性，正是金融时间序列分析的魅力所在。股票价格数据具有三个显著特征： 1. 非平稳性：受政策、市场情绪等多因素影响 2. 波动聚集：大涨大跌往往连续出现 3. 厚尾分布：极端行情概率远高于正态分布预期传统线性模型在此类数据面前常常束手无策，这正是ARIMA和GARCH模型大显身手的领域。二、ARIMA模型：捕捉价格趋势的利器2.1 模型原理拆解ARIMA(p,d,q)模型本质是三个组件的融合： - AR自回归：用历史值解释当前值（如：Yt = φY{t-1} + ε_t） - I差分：通过d阶差分消除趋势 - MA滑动平均：对误差项进行建模去年分析贵州茅台日线数据时，通过ADF检验发现原始序列p值为0.89（明显不平稳），但经过1阶差分后p值降至0.0003，成功满足建模条件。2.2 实战应用技巧参数选择：通过ACF/PACF图观察截尾/拖尾特征 python # 示例代码 from statsmodels.graphics.tsaplots import ...

2025年07月31日

32 阅读

0 评论

悠悠楠杉

32,602 文章数

92 评论量

人生倒计时

今日已经过去小时

这周已经过去天

本月已经过去天

今年已经过去个月

最新回复

强强强
2025-04-07

强的一批
jesse
2025-01-16

有whmcs接口吗？
sowxkkxwwk
2024-11-20

博主太厉害了！
zpzscldkea
2024-11-20

博主太厉害了！
bruvoaaiju
2024-11-14

博主太厉害了！

标签云

强的一批
有whmcs接口吗？
博主太厉害了！
博主太厉害了！
博主太厉害了！
怎么收藏这篇文章？
怎么收藏这篇文章？
想想你的文章写的特别好
想想你的文章写的特别好
不错不错，我喜欢看