简单量化短期的商品情绪

利用Python量化市场情绪：20日涨跌幅与分位数分析

原创

于 2023-05-06 22:00:40 发布 · 779 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据分析 #机器学习 #量化分析

文章通过Python编程和WindPy接口，展示了如何计算过去20个交易日的累计涨跌幅，并利用分位数来量化市场情绪。例如，在黄金市场，当20日涨跌幅达到0.95以上的分位数时，可能预示着短期回调压力。这种方法可帮助投资者理解市场预期和风险规避行为。

有时候，市场的情绪会演绎到比较夸张的位置，其实很简单的指标就可以量化，比如过去20个交易日的累计涨跌幅，同时计算过去滚动涨跌幅的分位数就大致可以判断市场情绪。

import datetime

from WindPy import w
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
# 启动Wind开放接口
w.start()

def s_plot(code, start_date):
    # 获取沪深300指数上市以来的行情数据
    wind_df = w.wsd(code, "close", start_date, datetime.date.today().strftime("%Y-%m-%d"))
    tpd_df = pd.DataFrame(wind_df.Data[0], columns=['close'])
    tpd_df.index = wind_df.Times
    tpd_df['shift_close'] = tpd_df['close'].shift(1)
    tpd_df['daily_return'] = tpd_df['close'] / tpd_df['shift_close'] - 1
    rolling_20day_return = tpd_df['daily_return'].rolling(20).apply(lambda x:(x+1).prod())
    analysis_df = pd.DataFrame(rolling_20day_return)
    analysis_df['0.025_bot'] = analysis_df['daily_return'].quantile(0.0255)
    analysis_df['0.05_bot'] = analysis_df['daily_return'].quantile(0.05)
    analysis_df['0.95_bot'] = analysis_df['daily_return'].quantile(0.95)
    analysi