股票买卖最佳时机leetcode 配对交易模拟研究 介绍 该项目的问题是查看配对交易的准确性。 它如何使用配对交易的方法带来利润。 通过使用配对交易方法，使用福特和通用汽车调整后收盘价比率，4 年数据图末尾的总利润表明该方法适用于这两种不同的股票。 这两只股票的利润是正的，这种方法似乎是有道理的。 尝试使用不同数量的 k 的利润结果，这决定了在某个时刻是卖出还是买入股票，确定 k 中哪一个的利润最大。 背景 配对交易基本上是使用两种不同的股票进行买卖。 当这两只股票的比率达到比率平均值 + K * SD 时，卖出分子股票（价格将高于买入时的价格）并买入分母股票（价格较低）。 当它超过该比率的平均值时，买入和卖出股票，因为它表明我们买入（拥有）的股票价格上涨，而我们卖出的股票价格下跌。 随着这些步骤的继续，利润将会增加。 实证研究 在 Ford vs GM 中，当 k = 1 时，图中有 18 个开口和 18 个关闭。 每对开平都会带来利润。 随着更多这些货币对加起来总利润，随着时间的推移，会有更多的利润。 这两只是2011年到2014年的真实股票，但是通过这种配对交易方式，已经获利了。

库存指标 是一个生成技术指标的.NET库。 发送历史价格报价，并获取所需指标，例如移动平均线，相对强度指数，随机震荡指标，抛物线转向指标等。 它可以在任何使用标准OHLCV报价的股票，商品，外汇，加密货币等市场分析软件中使用。 最初创建此社区库时，我们会考虑私有交易算法，机器学习和制图系统。 探索更多信息： （股票图） 样品 用法示例 using Skender . Stock . Indicators ; [..] // prerequisite: get quote history from your own source // example: get 20-period sim

交易算法 TradeAlgo是一种股票交易算法，可对从开放市场到封闭市场的股票下达定单。 我开发此产品是为了帮助我对2021年1月成立的股票交易充满热情，并渴望成为一名量化交易员。 它是如何工作的？ TradeAlgo使用网络抓取来提取预计已经增加的库存清单。 刮除列表后，然后检查每个符号以验证它们是否与代码中设置的参数匹配。 （这些参数是我在对如何预测库存上升进行广泛研究之后创建的） 此后，将使用TD Ameritrade API提取TD Ameritrade帐户的总余额，并将您的总余额分配给与设置的参数匹配的股票。 您可以通过将operations/buyShares.py中第63行的balance更改为所需金额，来更改帐户中分配给算法使用的金额。 最后，调用buy函数以执行所有带有追踪止损的订单，以确保最小的损失。 如何设置？ 在secret/config.py ，您需要在每

根据综合查看股票的买入/卖出建议三个指标：SMA、MACD 和 RSI 句法： smr_strategy 输入： 没有任何输出： 没有任何需要互联网连接。 该工具自动对股票数据进行技术分析，并建议投资者买入或卖出特定股票的时间。 股价与时间的关系图包含红点和绿点。 红点对应于该策略建议出售的天数，并带有绿点对应于策略建议购买的天数。 定义： -MACD：移动平均收敛/发散。 之间的区别股票的长期和短期指数移动平均线价格-MACD 信号：上述 MACD 的 EMA -SMA：简单移动平均线。 最近n的平均股价天-RSI：相对强弱指数。 在 0 到 100 之间波动。超过 70 是被视为“超买”（并预计会下跌）而低于 30 表示“超卖”（预计会上涨） 建议基于简单移动平均线、相对强弱指数、 和移动平均收敛/发散。 该算法对这个策略来自《最整洁的股票小指南》一书市场投资”由 Jason K

基于随机逼近理论，我们在限价单中提出了一个做市商的优化框架。 在最佳清算策略的背景下，我们考虑了Lavelelle，Lehalle和Pagès的文章中类似于Avellaneda-Stoikov模型的离散时间变体。 想法是利用更新出价和要价的过程的迭代性质，以使算法在反复试验的基础上（即在线学习）优化其策略。 这种方法的优点是，通过算法对系统的探索是在运行时执行的，因此不需要像随机控制方法那样对价格动态进行明确的说明。 正如将要讨论的那样，我们的方法的原理可以扩展到除做市商以外的更广泛的算法交易战术问题类别。

为了提高认知无线网络中频谱共享所产生的效益，研究了认知网络的频谱管理技术，提出了一种基于代理的频谱交易算法。该方法以代理商作为频谱交易和分配的中介，减轻了多主用户、多次用户频谱交易过程中的系统开销；在各主用户服务提供商之间采取相互竞争或相互合作的模式以最大化自身利益或总体利益为目标与代理商达成最终的频谱交易价格和频谱出售量，代理商把交易得来的频谱在次用户之间进行拍卖，各次用户向代理商投标，代理商根据其投标分配相应的频谱，次用户自适应地调整投标以使自身利益最大化。主用户服务提供商之间的竞争或合作和次用户之间的竞拍均采用纳什均衡作为最终的结果。基于MATLAB对所提算法的性能进行了仿真，仿真结果验证了该算法的有效性。

网格交易算法

深圳证券交易所创业板股票日线数据，510支股票，时间区间为 1999.12.09 至 2016.06.08，前复权，剔除假期休市。

Forex 历史中心各货币对外汇交易数据，时间区间为 2001.01.01 到 2012.01.01。 序列时间粒度为 1秒。 货币对包括：澳元-日元（AUDJPY.zip）、澳元-美元（AUDUSD.zip）、瑞士法郎-日元（CHFJPY.zip）、欧元-加元（EURCAD.zip）、欧元-瑞士法郎（EURCHF.zip）、欧元-英镑（EURGBP.zip）、欧元-日元（EURJPY.zip）、欧元-美元（EURUSD.zip）、英镑-瑞士法郎（GBPCHF.zip）、英镑-日元（GBPJPY.zip）、英镑-美元（GBPUSD.zip）、新西兰元-日元（NZDJPY.zip）、新西兰元-美元（NZDUSD.zip）、美元-加元（USDCAD.zip）、美元-日元（USDJPY.zip）、白银-美元（XAGUSD.zip）、黄金-美元（XAUJPY.zip）。