当前位置：首页 > news >正文

骗子会利用钓鱼网站做啥公司品牌宣传方案

news 2025/7/12 12:11:14

骗子会利用钓鱼网站做啥,公司品牌宣传方案,简答网站开发流程,设计类专业分类声明：股市有风险，投资需谨慎！本人没有系统学过金融知识，对股票有敬畏之心没有踏入其大门，今天用另外一种方法模拟炒股，后面的模拟的实战全部用同样的数据，最后比较哪种方法赚的钱多。海龟交易…

声明：股市有风险，投资需谨慎！本人没有系统学过金融知识，对股票有敬畏之心没有踏入其大门，今天用另外一种方法模拟炒股，后面的模拟的实战全部用同样的数据，最后比较哪种方法赚的钱多。

海龟交易策略（Turtle Trading）

概念

海龟交易策略是一种经典的量化交易策略，由美国交易员理查德·丹尼斯（Richard Dennis）在20世纪80年代开发。该策略使用唐安奇通道（Donchian channel）来跟踪趋势产生买卖信号，利用ATR（真实波幅均值）分批加仓或者减仓，并且动态进行止盈和止损。唐奇安通道由周期内的最高价和最低价来显示市场价格的波动性，当价格冲破该通道的上轨道时，就是可能的买入信号；反之，冲破下轨时就是可能的卖出信号。

风控

海龟交易策略包括了仓位的基本单位N的定义，这个单位确保了预期价值波动与总净资产的1%对应，从而控制风险。此外，策略还涵盖了入场和止损规则，一旦确定了市场的趋势方向，海龟交易法采取突破策略进行入场，并设定严格的止损规则，一旦市场反向突破止损位，就会平仓离场，以限制亏损。

优势

海龟交易策略的优势在于其基于趋势跟随，采用趋势跟踪策略，充分利用市场趋势的力量，并且具有严格的风险管理，设定了明确的止损规则。

挑战

需要注意的是这种策略需要交易者具备耐心和纪律，因为它可能需要持有较长的时间，并且在市场出现短期反弹或调整时也不能轻易离场。

读入数据

数据依旧和前几篇量化交易数据一致：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams ['font.sans-serif'] ='SimHei'      #显示中文
plt.rcParams ['axes.unicode_minus']=False       #显示负号
zgpa = pd.read_csv('history_k_data.csv')
zgpa = zgpa.set_index('date')
zgpa.head()

展示前五行数据：
在这里插入图片描述

#创建一个名为turtle的数据表，使用原始数据表的日期序号
turtle = pd.DataFrame(index = zgpa.index)
#设置唐奇安通道的上沿为前5天股价的最高点
turtle['high'] = zgpa['close'].shift(1).rolling(5).max()
#设置唐奇安通道的下沿为过去5天的最低点
turtle['low'] = zgpa['close'].shift(1).rolling(5).min()
#当股价突破上沿时，发出买入信号
turtle['buy'] = zgpa['close'] > turtle['high']
#当股价突破下沿时，发出卖出信号
turtle['sell'] = zgpa['close'] < turtle['low']
#检查信号创建情况
turtle.tail()

在这里插入图片描述
新建一个数据表，date列和原表一致：

high列为唐奇安通道的上沿前5天股价的最高点。
low列为唐奇安通道的下沿过去5天股价的最低点。
buy列当股价突破上沿时，发出买入信号True。
sell列当股价突破下沿时，发出卖出信号True。

#初始的订单状态为0
turtle['orders']=0
#初始的仓位为0
position = 0
#设置循环，遍历turtle数据表
for k in range(len(turtle)):#当买入信号为True且仓位为0时下单买入1手if turtle.buy.iloc[k] and position ==0:#修改对应的orders值为1turtle.orders.values[k] = 1#仓位也增加1手position = 1#而当卖出信号为True且有持仓时卖出1手elif turtle.sell.iloc[k] and position > 0:#orders的值修改为-1turtle.orders.values[k] = -1#仓位相应清零position = 0   
#检查是否成功
turtle.tail(15)

显示表格的后15行：
在这里插入图片描述上表中orders列为初始订单状态，初始值为0.
设置初始的仓位为0并赋值给变量position。
上面代码写了一个循环，遍历上表每一行，当buy列（买入信号）为True时，orders列对应行赋值1，position（仓位）加1；当sell列（卖出信号）为True且有持仓时卖出1手，position（仓位）清零。

数据可视化：

#创建10*5的画布
plt.figure(figsize=(10,5))
#绘制股价的折线图
plt.plot(zgpa['close'],lw=2)
#绘制唐奇安通道上沿
plt.plot(turtle['high'],lw=2, ls='--',c='r')
#绘制唐奇安通道下沿
plt.plot(turtle['low'],lw=2,ls='--',c='g')
#标出买入订单，用正三角标记
plt.scatter(turtle.loc[turtle.orders==1].index,zgpa['close'][turtle.orders==1],marker='^',s=80,color='r',label='Buy')
#标出卖出订单，用倒三角标记
plt.scatter(turtle.loc[turtle.orders==-1].index,zgpa['close'][turtle.orders==-1],marker='v',s=80,color='g',label='Sell')
#添加网格、图注并显示
plt.legend()
plt.xticks([0,12,24,36,48,60,72,84,96,108])
plt.grid()
plt.show()

在这里插入图片描述上图绘制出了唐奇安通道的上下沿，其中红色三角形标记买入信号，绿色三角形标记卖出信号。

#再次给小瓦2万块初始资金
initial_cash = 20000
#创建新的数据表，序号和turtle数据表一致
positions = pd.DataFrame(index=turtle.index).fillna(0.0)
#每次交易为1手，即100股，仓位即买单和卖单的累积加和
positions['stock'] = 100 * turtle['orders'].cumsum()
#创建投资组合数据表
portfolio = positions.multiply(zgpa['close'], axis=0)
#持仓市值为持仓股票数乘以股价
portfolio['holding_values'] = (positions.multiply(zgpa['close'], axis=0))
#计算出仓位的变化
#剩余的现金是初始资金减去仓位变化产生的现金流累计加和
portfolio['cash'] = initial_cash - (positions.diff().multiply(zgpa['close'], axis=0)).cumsum()
#总资产即为持仓股票市值加剩余现金
portfolio['total'] = portfolio['cash'] + portfolio['holding_values']
portfolio.tail(13)

在这里插入图片描述显示后13行数据，开始进行回测炒股，初始资金一如既往的20000元。
stock列为仓位即买单和卖单的累加和，每次交易为1手，即100股。
holding_values列为持仓市值为持仓股票数乘以股价。
cash列为剩余的现金，由初始资金减去仓位变化产生的现金流累加和。
total列为总资产即为持仓股票市值加剩余现金。
可以看到，我发了3篇量化交易的实战案例，炒股还没有亏过本，本次赚了378元。（再次声明我不懂股票，只是运用了量化交易策略进行模拟炒股。）

plt.figure(figsize=(10,5))
plt.plot(portfolio['total'])
plt.plot(portfolio['holding_values'],'--')
plt.grid()
plt.legend()
plt.xticks([0,12,24,36,48,60,72,84,96,108])
plt.show()