机器学习(聚类)分析行情阻力支撑位(基于Ptrade)
今天我用Ptrade写了2个行情分析的范例,使用了用机器学习工具 Sklearn 包的聚类分析功能。借助这个工具,我们可以迅速地对某标的的历史行情做出一个阻力支撑位识别。 这两个范例中,其中一个考虑了成交量的权重关系,另一个没有,后文我还对两种分析方法的分析结果进行了简单比对。
一、简介Sklearn
Sklearn 全称 Scikit-learn。它涵盖了分类、回归、聚类、降维、模型选择、数据预处理六大模块,降低机器学习实践门槛,将复杂的数学计算集成为简单的函数,并提供了众多公开数据集和学习案例。
二、代码截图示意(节选)
这个范例 (考虑成交量) 全文只有63行,虽然短小,但是针对成交在具体价位的权重做了特别处理,也就是说对成交量较大的价格赋予了更高的权重,所以我认为分析结果似乎更贴近我预想的结果
三、输出的结果为2个电子表格文件
下面第一个截图的是分析结果,就是我们聚类分析5个簇的质心,这里我假设它就是阻力支撑点位,图二为我们分析的价格源数据。
四、对输出结果进行可视化分析
总结,我写了两套源代码, 并且横向比对了两种聚类分析方法的结果,我个人认为纯考虑价格,不考虑成交量的分析方法确实了一些价格走势的特征,加权考虑了成交量权重的方法可能更适合一点。两份源码我都放在了附件里,有兴趣拿去玩的朋友自取。
2024-03-24 16:35
2024-03-23 14:28
2024-03-22 14:38