【Python -Quantifizierung】 Bollinger -Bandstrategie mit hoher Gewinnrate und Implementierung von Simulationsprogramme von Effekten auf dem Markt für virtuelle Währung

Bollinger -Banden sind einer der häufig verwendeten Indikatoren in der Analyse der Finanztechnologie und von John Bollinger in den 1980er Jahren vorgeschlagen. Die Bollinger -Bands spiegeln den "überkauften" oder "überverkauften" Zustand des Marktes wider, indem sie die Preisfluktuationsreichweite zählen, und werden häufig verwendet, um den Zeitpunkt des Kaufs und Verkaufs zu beurteilen. Dieses Video führt die Grundprinzipien von Bollinger -Bändern vor und präsentiert den Implementierungsprozess seiner Strategie mit Python Code. Es verwendet OKB -historische Daten als Simulationsdaten, um Zuschauern zu helfen, Bollinger -Bandstrategien in quantitativen Transaktionen anzuwenden. 2. Die Einführung in das Prinzip der Bollinger-Band Bollinger Band besteht aus drei Zeilen: Mittelband: Im Allgemeinen ist es der einfache gleitende N-Day-Durchschnitt (SMA), wie die 20-Tage-SMA; Obere Band: Die Standardabweichung der mittleren Schiene + K -Zeiten (normalerweise k = 2); Unteres Band: Die Standardabweichung der Mittelschiene - k mal. Die Formel lautet wie folgt: Middle Rail = SMA (N) Oberschiene = Mittelschiene + K × Standardabweichung (N) Unterschiene = mittlere Schiene - K × Standardabweichung (n) Kauf und Verkauf von Signalen Beispiele: Wenn der Preis die untere Schiene fällt, wird berücksichtigt, dass der Markt überverkauft ist und den Kauf in Betracht ziehen. Wenn der Preis über die obere Schiene fällt, wird davon ausgegangen, dass der Markt überverkauft ist und den Verkauf erwägt. Die Bollinger -Bandstrategie ist eine einfache und praktische quantitative technische Analysemethode. Durch Python und verwandte Finanzdatenpakete können die Entwicklung, das Testen und die Visualisierung dieser Strategie schnell realisiert werden. In der tatsächlichen Investition wird empfohlen, die Bollinger -Bänder mit anderen Indikatoren oder Grundlagen zu kombinieren, umfassende Urteile zu fällen und Risiken zu kontrollieren. #Python Quantitative#Quantitative Handel#Quantitative Handelsstrategie#Bolling Band#Korrespondenzkreisinvestition