QMT 量化实战:用 Python 实现线性回归通道,精准识别趋势中的支撑与压力(下)

书接上回,下面是python的实现,

我们用上面 get_hq 方法获取数据,再用 scikit-learn 来做回归。

结果如下:

运行后,你就能看到一条"红色的回归线",上下两条虚线就是通道。

如何用呢?

  1. 判断压力位:股价一旦接近上轨,就要警惕回调风险。
  2. 判断支撑位:股价接近下轨,往往容易获得支撑,可能出现反弹。
  3. 判断趋势:回归线本身的斜率,也能帮我们判断中期趋势是上涨还是下跌。

注意:这是一个辅助工具,不是买卖信号。结合成交量、基本面等一起分析,效果更佳。

实战小技巧

  1. 调整通道宽度:本文用了 ±2 个标准差,你也可以试 ±1.5 或 ±2.5 来适配不同波动率的股票。
  2. 不同周期验证:日线、周线、甚至分钟线都可以画通道,短线和长线结合会更有参考价值。
  3. 结合交易策略:比如回到下轨时分批建仓,接近上轨逐步减仓,这样比"盲目追涨杀跌"要理性得多。

风险提示

本文所有内容仅为量化技术学习与交流,不构成任何投资建议。市场有风险,投资需谨慎。任何基于本文代码进行的实盘交易,盈亏自负。

相关推荐
aqi008 小时前
15天学会AI应用开发(八)使用向量数据库实现RAG功能
人工智能·python·大模型·ai编程·ai应用
Csvn9 小时前
`functools.lru_cache` —— 一行代码搞定缓存加速
后端·python
金銀銅鐵1 天前
[Python] 从《千字文》中随机挑选汉字
后端·python
cup111 天前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
aqi001 天前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
金銀銅鐵1 天前
用 Python 实现 Take-Away 游戏
python·游戏
copyer_xyf1 天前
Agent 流程编排
后端·python·agent
copyer_xyf1 天前
Agent RAG
后端·python·agent