技术指标
技术指标在金融领域是量化分析的重要工具，用于预测市场趋势、价格动向和交易信号。这些指标基于历史价格和交易量数据，通过特定公式计算得出，旨在揭示资产价格的内在动力和市场参与者的情绪与行为。从简单的移动平均线到复杂的动量、相对强弱指数等，技术指标为投资者提供了快速决策的依据，帮助判断买入、卖出或持币观望的时机。然而，依赖技术指标也需谨慎，因为它们反映的是过去的信息，不一定能准确预测未来市场走势。因此，技术指标应与其他分析工具结合使用，以制定更全面、理性的投资策略。
申万宏源技术指标测试大全之十四— Commodity Selection Index
指标介绍
股票选择指标（Commodity Selection Index）：简称：CSI
所需数据和参数：CSI(high,low,close,length )
指标伪码：
MYMARGIN:=1000;
MYCOMMISION:=25;
K:=300/(SQRT(MYMARGIN)(150+MYCOMMISION))100;
MTR:=EMA(MAX(MAX(HIGH-LOW,ABS(HIGH-REF(CLOSE,1))),ABS(REF(CLOSE,1)-LOW)),LENGTH);
HD :=HIGH-REF(HIGH,1);
*LD :=REF(L
更新时间：2023-06-13 06:53
申万宏源技术指标测试大全之二十九— Price and Volume Trend
指标介绍
价量趋势指标（Price and Volume Trend）：简称Pvt
所需数据和参数：Pvt(close,volume,nBar )
指标伪码：
VAR0:=(CLOSE/REF(CLOSE,1)-1)*V;
PVTVAL:SUM(VAR0,0);
指标含义
/wiki/static/upload/92/92f61b4b-4724-40d0-9cf7-7f87fc083681.pdf
\
更新时间：2023-06-13 06:53
申万宏源技术指标测试大全之十一—Bias
指标介绍
乖离率指标（Bias）：
所需数据和参数：Bias(close,nDay,threshold )
指标伪码：
MAVAL:=MA(CLOSE,nDay);
BIAS:=100*(CLOSE-MAVAL)/MAVAL;
指标含义
/wiki/static/upload/21/210c8875-0828-4472-a65c-1ee21ec1bfec.pdf
\
更新时间：2023-06-13 06:53
股市极值及收益率预测模型的周度择时研究 海通证券_20180706_
摘要
本文主要考察宏观经济指标、利率、股市概况以及技术指标，对市场未来一周走势的预判效果。一方面，从市场本身来看，当刻画股市的某些指标出现极端情况时，后续市场走向具有一定的可循规律。另一方面，基于各个指标可对市场收益率构建预测模型，通过比较预测收益率与特定阈值的大小，也能对市场走向进行辅助判定。
如下情形发生时，应警惕市场下跌风险。上涨时沪股通净流入极大（指标在最近1年的分位点大于90%），下跌时风险溢价极低（指标在最近1年的分位点小于10%），下跌时波动率极高，三者出现其一时下一周市场下跌概率大。
如下情形发生时，下一周市场上涨概率大。从资金流来看，上涨时资金流入指标极大或增幅极
更新时间：2023-06-13 06:53
分享一个可视化深度学习建模的例子
更新时间：2022-11-20 03:34
关于基础特征抽取
想请教下大家, 填写日期跟不填写日期,回测有么有关系?
更新时间：2022-11-02 08:24
择时雷达六面图，资金面和情绪面均有所改善 国盛证券-20220813
摘要
择时雷达六面图。国盛金工的择时雷达六面图主要综合了宏观流动性、宏观经济、市场估值、资金流向、技术指标、情绪指标这六个维度的信息，使用了三十多个指标对未来权益市场给出择时观点并进行研判。基于各项指标的观点，综合给出[-5,5]的择时打分，当前的综合打分为 2.38 分，整体相较上周仍维持看多观点。
流动性
代表货币政策与银行间流动性的 DR007 与 SHIBOR 均处于历史较低区间，且相较于上周继续下行，维持看多信号。代表信用的 M1 同比、M1与 PPI 剪刀差等指标本月新披露数据后，均继续处于上行趋势，综合来看维持上周的显著看多信号。
经济面
当前
更新时间：2022-08-31 07:46
利率债收益预测框架——大类资产定价系列之二
20200514-国盛证券-量化专题报告：利率债收益预测框架——大类资产定价
/wiki/static/upload/63/632174fd-6d0d-47e1-a63e-cb2799d0406f.pdf
\
更新时间：2022-08-31 06:09
量化CTA：Deep Momentum Network的细节思考
前言
传统的CTA策略多为多品种多周期的趋势跟踪策略组合。其中对于趋势的定义，大都基于时间序列计算出的传统技术指标，如MACD、均线等。然后根据趋势的多空，构建多品种的多空组合。随着深度学习的发展，很多研究者在量化CTA策略的研发中，开始尝试深度学习算法。常见的作法，如直接用深度学习预测每个品种未来一段时间的收益率，并根据预测收益构建品种多空的组合。但这钟做法有以下两个缺点：
- 直接预测收益，并没有考虑组合的风险；
- 没有考虑每个品种在组合钟的权重。
在Lim etl. 2019的论文《Enhancing Time Series Momentum S
更新时间：2022-07-29 03:13
高质量AI量化策略
更新时间：2022-05-22 01:17
日内通道突破期货分钟策略
更新时间：2022-03-09 15:19
技术指标系列报告之六：RSRS择时~回顾与改进-光大证券-20191117
2017年初，我们开发了RSRS指标与择时模型用以预测宽基指数的未来涨跌方向。本文回顾与总结了RSRS择时模型样本外跟踪的近3年时间里在不同指数上的择时表现与暴露出来的不足之处，并通过对指标算法进行优化尝试改进RSRS指标及其择时策略。
样本外RSRS择时策略整体表现较好
RSRS择时策略在样本外区间（2017/3/31 –2019/11/13）内各个指数上均有择时效果。其中沪深300上效果最好，年化收益10.9%，最大回撤13.7%，在收益与回撤上均有较强的择时效果。而在上证综指、上证50、创业板指上RSRS择时策略跑赢指数同时也都较好地控制净值回撤。但中证500上样本外择时效果
更新时间：2022-02-28 10:19
LSTM Networks应用于股票市场之Sequential Model
更新时间：2021-07-30 08:10
可视化均线金叉死叉策略
更新时间：2021-07-30 08:05