Nah terus ?Jendela Geser (Memindahkan Windows)
Dalam judulnya, saya mengutip terjemahan literal. Jika seseorang mengoreksi saya, dan istilah lain lebih berlaku - terima kasih.Arti dari jendela geser adalah bahwa dengan setiap nilai baru, fungsi dihitung ulang untuk periode waktu tertentu. Fungsi-fungsi ini besar nomor . Misalnya: rolling.mean (), rolling.std (), yang paling sering digunakan dalam analisis pergerakan saham. rolling.mean () adalah moving average umum yang menghaluskan fluktuasi jangka pendek dan memungkinkan Anda untuk memvisualisasikan tren keseluruhan.
adj_close_px = sber['Adj Close']
moving_avg = adj_close_px.rolling(window=40).mean()
print(moving_avg[-10:])
Grafik yang memungkinkan Anda untuk memahami apa yang diperoleh sebagai hasil dari fungsi ini:
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()
Seperti yang Anda lihat rolling.mean () berupaya dengan tugas tersebut. Fungsi ini menghaluskan fluktuasi jangka pendek dan memungkinkan Anda untuk melihat tren jangka panjang berdasarkan mana Anda dapat membuat keputusan: harga lebih tinggi dari rata-rata bergerak yang dipertimbangkan - kami mengambil saham, lebih rendah - kami menjual saham - jika itu sederhana dan saya tidak akan menyarankan untuk mengikuti metode ini. Sebagai aturan, selain moving average, indikator lain juga digunakan yang dapat mengkonfirmasi kebenaran keputusan. Setiap orang harus membuat keputusan sendiri, tergantung pada gaya perdagangan.Keriangan
Volatilitas saham adalah perubahan varian pengembalian saham selama periode waktu tertentu. Mereka biasanya membandingkan volatilitas satu saham dengan yang lain untuk mendapatkan gagasan yang mungkin memiliki risiko terbesar, atau dengan indeks pasar untuk memahami volatilitas saham relatif terhadap pasar. Sebagai aturan, semakin tinggi volatilitas, semakin berisiko investasi dalam saham ini. Perlu dicatat bahwa itu tidak konstan dan berubah seiring waktu. Ini lagi dapat dilihat dengan fungsi rolling.std () termasuk dalam paket panda. Contoh penghitungan perubahan volatilitas:
min_periods = 60
vol = daily_pct_change.rolling(min_periods).std() * np.sqrt(min_periods)
vol.plot(figsize=(10, 10))
plt.show()
Harap dicatat bahwa, tidak seperti minggu lalu, saya mendapat dua nilai lagi - Indeks Bursa Moskow (IMOEX.ME) dan RBC (RBCM.ME). Saya akan membutuhkan nilainya dalam publikasi berikutnya pada metode kuadrat terkecil. Dan itu saja untuk hari ini.