数据分析--均值回归策略（选股）

最新推荐文章于 2025-01-15 14:45:52 发布

转载最新推荐文章于 2025-01-15 14:45:52 发布 · 1w 阅读

9 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/staff/p/10960674.html

文章标签：

#数据结构与算法 #matlab

本文介绍了一种基于均值回归理论的选股策略，通过计算股票价格与均线的偏离度来选择投资标的。策略在每个调仓日计算股票池中所有股票的N日均线及偏离度，选取偏离度最高的M只股票进行调仓。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据分析--均值回归策略（选股）

均值回归理论

均值回归：“跌下去的迟早要涨上来” , 选股用，不适合做择时，因为不知道什么时候是偏离最低

均值回归的理论基于以下观测：价格的波动一般会以它的均线为中心。也就是说，

当标的价格由于波动而偏离移动均线时，它将调整并重新归于均线。

定义偏离程度：（MA-P）/MA ---MA均线，P价格

均值回归策略：在每个调仓日进行

计算股票池中所有股票的N日均线

计算股票池中所有股票与均线的偏离度

选取偏离度最高的M只股票并调仓，比如某只股票前几年波动较小，突然出现波动很大的情况，就有持有的价值

from jqdata import *

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    g.security = get_index_stocks('000300.XSHG')
    
    g.ma_days = 30 # 均值回归理论选30天为基准
    g.stock_num = 10 # 持仓10支股票

    run_monthly(handle, 1)
def handle(context):
    
    sr = pd.Series(index=g.security)
    for stock in sr.index:
        # 计算偏离程度
        ma = attribute_history(stock, g.ma_days)['close'].mean()
        p = get_current_data()[stock].day_open
        ratio = (ma - p)/ma
        sr[stock] = ratio
    to_hold = sr.nlargest(g.stock_num).index # 选好的股票

    for stock in context.portfolio.positions:
        if stock not in to_hold:
            order_target(stock, 0)
    to_buy = [stock for stock in to_hold if stock not in context.portfolio.positions]
    if len(to_buy) > 0:
        cash_per_stock = context.portfolio.available_cash / len(to_buy)
        for stock in to_buy:
            order_value(stock, cash_per_stock)