“有些分析师认为技术分析意味着购入具有最大股价相对强度的股票。还有些人认为技术研究的目的是在寻求强势的股票，这两种观点都不正确。” “买入具有最大股价相对强度的股票是远远不够的，你应该选择那些即将构建有效的价格形态，并且有望超出大盘整体表现的股票。” 超级强势股条件:较高的股价强度上升中，突破紧凑的价格形态，成交量确认之后的快速拉升。 通过日线图和周线图密切注视以上变化。

沪深300成分股，整理了从2006到2024的沪深300成分，比市面上一年变化2次的成分数据全很多，一共198万条，基本覆盖了每次的变化情况，方便需要回测的兄弟们使用

python stockholm 框架源码

这里采用沪深300指数数据，时间跨度是2010年10月10号至今，选择每天的最高价格。假设当天最高价依赖当天的前n（如30）天的沪深300的最高价格。用LSTM模型来捕捉最高价的时序信息，通过模型训练，使之学会用前n天的最高价，来判断当天的最高价。

本人从事金融量化工作，基础数据始终是令人头疼的事情。该资源包含了截至2022年09月16日的所有股票交易数据（包括4991只股票信息，包含已经退市的股票数据），格式为.csv格式。并且经过了本人简单数据清洗（包括空值处理，异常值校验，手工调整等）。希望能够为正在做金融量化工作的朋友们解决基础数据之苦。

1、根据国务院办公厅关于2023年部分节假日安排的通知汇总的股票证券交易日和非交易日新增insert sql数据； 2、只需要修改对应的表名、字段名即可将交易日、非交易的数据导入到数据库； 3、有汇总的交易日明细数据excel文档，可以对照或者使用对应的工具解析； 4、若有不明白或者操作困难点可以私信联系博主指导； 5、资源内容有： 5.1、2023年股票证券交易日和非交易日.sql； 5.2、2023年沪深股票证券交易日历.xlsx； 5.3、2023年沪深股票证券交易日历.png； 5.4、readme.txt；

Sql格式50W条数据

【摘要】金融时间序列一直是专家学者研究和关注的焦点。ARCH模型和GARCH模型都可以很好地拟合金融时间序列的特征，例如尖峰后尾，波动聚集，杠杆效应等特点。本文

包括收盘价、开盘价、最高价、最低价、成交量、涨跌幅，格式为pkl数据

沪、深、港股市间波动溢出效应研究——基于VAR-EGARCH模型的实证分析，沈妍秋，，本文构建了VAR-EGARCH 模型，将收益与波动作为刻画股市信息的代理变量，将内地股市受到的收益和波动冲击分解为来自自身的 “本地因素