Eh bien, continuez ?FenĂȘtre coulissante (dĂ©placement de fenĂȘtres)
Dans le titre, j'ai citĂ© une traduction littĂ©rale. Si quelqu'un me corrige et qu'un autre terme est plus applicable - merci.La signification de la fenĂȘtre glissante est qu'Ă chaque nouvelle valeur, la fonction est recalculĂ©e pour une pĂ©riode de temps donnĂ©e. Ces fonctions sont nombreuses . Par exemple: rolling.mean (), rolling.std (), qui sont le plus souvent utilisĂ©s lors de l'analyse des mouvements de stock. rolling.mean () est une moyenne mobile courante qui attĂ©nue les fluctuations Ă court terme et vous permet de visualiser la tendance globale.
adj_close_px = sber['Adj Close']
moving_avg = adj_close_px.rolling(window=40).mean()
print(moving_avg[-10:])
Un graphique qui vous permet de comprendre ce qui est obtenu grĂące Ă cette fonction:
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()
Comme vous pouvez le voir, rolling.mean () fait face à la tùche. La fonction atténue les fluctuations à court terme et vous permet de voir une tendance à long terme sur la base de laquelle vous pouvez prendre une décision: le prix est supérieur à la moyenne mobile considérée - nous prenons une action, plus bas - nous vendons une action - si c'est simple et je ne conseillerais pas de suivre cette méthode. En rÚgle générale, en plus des moyennes mobiles, d'autres indicateurs sont également utilisés pour confirmer l'exactitude de la décision. Chacun doit prendre ses propres décisions, selon le style de trading.Volatilité
La volatilitĂ© des actions est la variation de la variance des rendements boursiers sur une pĂ©riode de temps. Ils comparent gĂ©nĂ©ralement la volatilitĂ© d'un titre Ă un autre pour se faire une idĂ©e des risques les plus importants ou d'un indice de marchĂ© pour comprendre la volatilitĂ© des titres par rapport au marchĂ©. En rĂšgle gĂ©nĂ©rale, plus la volatilitĂ© est Ă©levĂ©e, plus l'investissement dans ce titre est risquĂ©. Il est Ă noter qu'elle n'est pas constante et Ă©volue dans le temps. Cela peut encore ĂȘtre vu avec la fonction rolling.std () incluse dans le paquet pandas. Exemple de calcul des changements de volatilitĂ©:
min_periods = 60
vol = daily_pct_change.rolling(min_periods).std() * np.sqrt(min_periods)
vol.plot(figsize=(10, 10))
plt.show()
Veuillez noter que, contrairement à la semaine derniÚre, j'ai obtenu deux autres valeurs - l'indice de change de Moscou (IMOEX.ME) et RBC (RBCM.ME). J'aurai besoin de leurs valeurs dans la prochaine publication sur la méthode des moindres carrés. Et c'est tout pour aujourd'hui.