Bien continuar ?Ventana deslizante (ventanas móviles)
En el título, cité una traducción literal. Si alguien me corrige y otro término es más aplicable, gracias.El significado de una ventana deslizante es que con cada nuevo valor, la función se recalcula para un período de tiempo determinado. Estas funciones son un gran número . Por ejemplo: rolling.mean (), rolling.std (), que se utilizan con mayor frecuencia al analizar los movimientos de stock. rolling.mean () es un promedio móvil común que suaviza las fluctuaciones a corto plazo y le permite visualizar la tendencia general.
adj_close_px = sber['Adj Close']
moving_avg = adj_close_px.rolling(window=40).mean()
print(moving_avg[-10:])
Un gráfico que le permite comprender lo que se obtiene como resultado de esta función:
sber['40'] = adj_close_px.rolling(window=40).mean()
sber['252'] = adj_close_px.rolling(window=252).mean()
sber[['Adj Close', '40', '252']].plot(figsize=(20,20))
plt.show()
Como puede ver, rolling.mean () hace frente a la tarea. La función suaviza las fluctuaciones a corto plazo y le permite ver una tendencia a largo plazo en función de la cual puede tomar una decisión: el precio es más alto que el promedio móvil considerado (tomamos una acción, más bajo) vendemos una acción, si es simple y no recomendaría seguir este método. Como regla general, además de los promedios móviles, también se utilizan otros indicadores que pueden confirmar la exactitud de la decisión. Todos deben tomar sus propias decisiones, dependiendo del estilo de negociación.Volatilidad
La volatilidad de las acciones es el cambio en la variación de los rendimientos de las acciones durante un período de tiempo. Usualmente comparan la volatilidad de una acción con otra para tener una idea de cuál puede tener el mayor riesgo, o con un índice de mercado para comprender la volatilidad de las acciones en relación con el mercado. Como regla general, cuanto mayor es la volatilidad, más riesgosa es la inversión en esta acción. Cabe señalar que no es constante y cambia con el tiempo. Esto se puede ver nuevamente con la función rolling.std () incluida en el paquete pandas. Ejemplo de cálculo de cambios de volatilidad:
min_periods = 60
vol = daily_pct_change.rolling(min_periods).std() * np.sqrt(min_periods)
vol.plot(figsize=(10, 10))
plt.show()
Tenga en cuenta que, a diferencia de la semana pasada, obtuve dos valores más: el Índice de Intercambio de Moscú (IMOEX.ME) y RBC (RBCM.ME). Necesitaré sus valores en la próxima publicación sobre el método de mínimos cuadrados. Y eso es todo por hoy.