日内因子：开盘缺口探索

本文探索股价日内模式中蕴藏的一种选股因子：开盘缺口。

股价的日内走势可能蕴藏着一些非常有用的信息，尤其是开盘和收盘的几分钟，潜藏的有效“私有信息”可能性比较大。比如，由于隔夜时段的交易暂停，每个交易日开盘后，市场累积的大量私有信息，将通过交易迅速得到释放，知情交易概率在日内呈现快速下降的态势。

开盘缺口因子就致力于抓住上一日收盘和本日开盘之间信息差距。如果开盘价远高于前一日收盘价（跳空高开），说明说明市场情绪激动，股票可能会大幅上涨（突破缺口）或者也会逐步下跌（缺口填补）。本文主要探索上一日收盘价和本日开盘价的差距(close_1/open)是否会造成一定的收益差距(ret_0)。

首先抽取特征，然后创建下列衍生因子：

alpha：open/close_1，alpha越大，说明本日开盘价高出上一日收盘价幅度越大
rank(alpha)：对于alpha值进行百分比升序排列
ret0：shift(close,-2)/shift(open,-1)-1，下一日收益

接着进行股票过滤：

过滤掉退市和ST的股票
过滤掉出现涨跌停的股票

最后进行alpha因子的分组收益分析：对alpha排序后，将其分为5组，计算每一组股票的平均累计收益率，画出累计收益图以分析不同大小alpha对于收益率的影响。

本文探索股价日内模式中蕴藏的一种选股因子：开盘缺口。股价的日内走势可能蕴藏着一些非常有用的信息，尤其是开盘和收盘的几分钟，潜藏的有效“私有信息”可能性比较大。比如，由于隔夜时段的交易暂停，每个交易日开盘后，市场累积的大量私有信息，将通过交易迅速得到释放，知情交易概率在日内呈现快速下降的态势。开盘缺口因子就致力于抓住上一日收盘和本日开盘之间信息差距。如果开盘价远高于前一日收盘价（跳空高开），说明说明市场情绪激动，股票可能会大幅上涨（突破缺口）或者也会逐步下跌（缺口填补）。本文主要探索上一日收盘价和本日开盘价的差距(close_1/open)是否会造成一定的收益差距(ret_0)。首先抽取特征，然后创建下列衍生因子：- **alpha**：open/close_1，alpha越大，说明本日开盘价高出上一日收盘价幅度越大
- **rank(alpha)**：对于alpha值进行百分比升序排列
- **ret0**：shift(close,-2)/shift(open,-1)-1，下一日收益接着进行股票过滤：- 过滤掉退市和ST的股票
- 过滤掉出现涨跌停的股票最后进行alpha因子的分组收益分析：
对alpha排序后，将其分为5组，计算每一组股票的平均累计收益率，画出累计收益图以分析不同大小alpha对于收益率的影响。> **defm6_run_bigquant_run**(input_1, input_2):
> \# 示例代码如下。在这里编写您的代码
>      df = input_1.read_df()
>      factor = input_2.read_pickle()[0]
>      df['group'] = pd.cut(df[factor],bins=[0.0,0.02,0.4,0.6,0.98,1.0],labels=[1,2,3,4,5])
>      grouped_processed_df = df.groupby(['date','group'])['ret0'].agg(np.mean).fillna(0).reset_index()
>      results = grouped_processed_df.groupby('group').apply(**lambda** df: np.cumprod(1+df.set_index('date')['ret0'])).T
>      data_2 = DataSource.write_pickle([factor])
>      data_1 = DataSource.write_df(results)
>      **return** Outputs(data_1=data_1,data_2=data_2)
> \# 后处理函数，可选。输入是主函数的输出，可以在这里对数据做处理，或者返回更友好的outputs数据格式。此函数输出不会被缓存。
> **defm6_post_run_bigquant_run**(outputs):
>      results = outputs.data_1.read()
>      new_data = pd.DataFrame()
> **for** i **in** range(1,6):
>     new_data[i] = results[i]
> factor = outputs.data_2.read_pickle()[0]
> T.plot(new_data,
>             options={
>                 'legend':{'enabled': **True**},
>                 'chart': {'type': 'line'},
>                 'title': {'text': factor+' :因子分组收益'}})
>  **return** outputs在2015-2017年时间段进行回测，发现第五组有显著的增加收益效果。![img](https://pic4.zhimg.com/v2-5a715167524944fdf9222becc1004493_b.jpg)![img](https://pic4.zhimg.com/80/v2-5a715167524944fdf9222becc1004493_720w.jpg)具体代码如下，可以在此基础上进一步探索：

在2015-2017年时间段进行回测，发现第五组有显著的增加收益效果。

具体代码如下，可以在此基础上进一步探索：

日内因子：开盘缺口探索 - 策略&研究 - AI量化投资社区 - BigQuant本文探索股价日内模式中蕴藏的一种选股因子：开盘缺口。股价的日内走势可能蕴藏着一些有用的信息，特别是开盘和收盘的那几分钟，尤其可能潜藏着一些“私有信息”。比如，由于隔夜时段的交易暂停，每个交易日开盘后，市场累积的大量私有信息，将通过交易迅速得到释放，知情交易概率在日内呈现快速下降的态势。开盘缺口因子就致力于抓住上一日收盘和本日开盘之间信息差距。如果开盘价远高于前一日收盘价（跳空高开），说明说明市场情绪激动，股票可能会大幅上涨（…https://bigquant.com/community/t/topic/182853?utm_source=csdn_article&utm_medium=article&utm_id=csdn

日内因子：开盘缺口探索相关推荐

教育部：探索推动区块链技术在招生考试、学历认证等领域的应用
3月25日,教育部印发<关于加强新时代教育管理信息化工作的通知>.其中提到,探索推动区块链技术在招生考试.学历认证.学分互认.求职就业等领域的应用,提高数字认证可信性. 附<关于加强 ...
交易思维训练(ZT)
交易思维训练之一:理解系统的真相[@more@] 交易是一个概率的游戏.想像我们正在抛硬币,正面我赢一美元--反面你赢一美元.很简单.正面和反面出现的时间各占一半,我们谁也赢不了谁.然而, 在我不知道 ...
【更新】深度学习推荐系统
其他博客:笔记1.博客2 文章目录第一章.互联网的增长引擎--推荐系统第二章.前深度学习时代--推荐系统的进化之路第三章.浪潮之巅--深度学习在推荐系统中的应用 3.1 深度学习推荐模型的演化关 ...
人类一败涂地！DeepMind再次制霸Atari游戏，比两年前快了200倍
视学算法报道编辑:David [导读]DeepMind又对Atari游戏下手了,这回秒的是自己,把两年前的大杀四方的Atari 57模型提速了200倍! 构建在各种任务中表现良好的「通用智能 ...
【入门教程】TensorFlow 2 模型：深度强化学习
文 / 李锡涵,Google Developers Expert 本文节选自<简单粗暴 TensorFlow 2> 本文将介绍在 OpenAI 的 gym 环境下,使用 TensorFl ...
股票只有两个字：“等待”
拯救思想 ――赢利模式探讨一.先说说投资者: 信息的时代,给股民带来了便捷,也带来了大量的错误信息,无论是论坛还是博客,很大程度上把股民带入了歧途,当然,这些错误的信息并不是哪个有意设置,更多 ...
【Tensorflow教程笔记】深度强化学习（DRL）
基础 TensorFlow 基础 TensorFlow 模型建立与训练基础示例:多层感知机(MLP) 卷积神经网络(CNN) 循环神经网络(RNN) 深度强化学习(DRL) Keras Pipeli ...
基于python的多因子分析
公众号:尤而小屋作者:Peter 编辑:Peter 大家好,我是Peter~ 最近看了很多的关于因子分析的资料,整理出这篇理论+实战文章分享给大家.后续会出一篇PCA主成分分析的文章,将主成分分析和 ...
基于数据挖掘的客户流失分析案例
客户挽留在很多行业都是一个备受关注的问题,比如电信.银行.保险.零售等.要做客户挽留就需要对客户流失进行预警.客户流失原因分析.客户满意度或忠诚度研究.客户生命周期研究等相关问题进行深入而全面的 ...

日内因子：开盘缺口探索

日内因子：开盘缺口探索相关推荐

最新文章

热门文章