在 Pandas 数据框中，如何“确定”股票价格假设的趋势/因素，但价格范围却大不相同？

编程问答 2023-11-04

问题描述

只是提前说这可能是一个数学问题 + 在 Python Pandas 中应用它，如果我问错了地方，请提前道歉。

我正在研究股票价格的价格变动，每个不同的价格范围。最近股票代码及其价格变动的三个示例。

CARV：2.75 美元至 9.25 美元

SGOC：2.39 美元至 18.8 美元

雪：251.00 美元至 272.00 美元

有一个指标，我试图找到一个最小运动的时期，例如下面白色方块中的时期。

enter image description here

我的假设是，当价格变动低且那些绿色/棕色阴影区域“薄”时，这是一个“整合”时期。阴影区域由称为 spanA 和 spanB 的两条线形成。我先取spanA和spanB之间的垂直距离，然后将距离除以spanB，以后者作为“锚点”。

这个绿色/棕色区域被标记为“kumo”，是ichimoku 指标的一部分。这里有点棘手，这个 spanA 和 spanB 在图表中显示到未来的 26 个“周期”。因此，要获得图表中显示的每个价格蜡烛的 spanA spanB 数字，在下面的 Excel 文件中，您必须取当前行收盘价后面的 26 行。例如。第 127 行的收盘价的 spanA 和 spanB 数字在第 100 行。python 中导出“kumo 厚度”和百分比的公式如下：

def kumothickness(df):
    df.loc[:,'kumothickness'] = abs(df.span_a.shift(26) - df.span_b.shift(26))
    df.loc[:,'kumothick%'] = abs(df.span_a.shift(26) - df.span_b.shift(26))/df.span_b.shift(26)
    return df

我的问题是，当这个公式应用于其他不同价格区间的股票时，CARV认为合适的价格区间完全不适合SGOC或SNOW。

例如，对于 CARV，最初我发现 2% 的范围是合适的，正如您从上图中代表白框的数字中看到的那样。

enter image description here

但是，我发现 SGOC 和 SNOW 的百分比范围分别为 7% 和 0.15%。

有没有办法比较相同的变量（在这种情况下是价格）但范围不同？

下面是图表和对应的表格，后面是数据集的EXCEL文件：SGOC

enter image description here

enter image description here

雪

enter image description here

enter image description here

Excel 文件：https://1drv.ms/x/s!Aj99irJinMf5g41cs1341uhAEVPTog?e=NEFoWF

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

financepandaspythonquantitative-financestock