چرخه بازار S Tock الگوهای قیمت بلند مدت بازار سهام است و اغلب با چرخه های تجاری عمومی همراه است. آنها برای تجزیه و تحلیل فنی مهم هستند که رویکرد سرمایه گذاری بر اساس چرخه ها یا تکرار الگوهای قیمت است. اگر درک بهتری نسبت به چرخه های بورس سهام داشته باشیم ، همیشه می توانیم با قیمت پایین نسبی خریداری کنیم و در هر چرخه با قیمت نسبی بالا بفروشیم و همیشه بازده مثبتی خواهیم داشت. چه دنیای شگفت انگیزی! البته هیچ استراتژی برتر در بورس سهام وجود ندارد که بتواند برای همیشه درآمد کسب کند ، اما بسته FBPROPHET در پایتون یا R می تواند به ما کمک کند تا عمیق تر به چرخه های پنهان موجود در بورس نگاه کنیم. در این تجزیه و تحلیل ، ما می توانیم نگاهی بیندازیم که چگونه FBPROPHET می تواند به ما در تصمیم گیری سرمایه گذاری کمک کند و همه کدها از اینجا در دسترس هستند.

آشنایی با fbprophet

F Bprophet یک منبع باز است که توسط فیس بوک منتشر شده است تا راهنمایی های مفیدی برای تولید پیش بینی در مقیاس ارائه دهد. به طور پیش فرض ، این یک سری زمانی را به روند و فصلی تقسیم می کند ، که ممکن است شامل سالانه ، هفتگی و روزانه باشد. با این حال ، تحلیلگران می توانند فصلی خود را تعریف کنند. برای درک بهتر در مورد بسته ، سند پیامبر واقعاً مفید است.

یکی از ویژگی های بسته بندی سادگی و انعطاف پذیری آن است. از آنجا که چرخه های موجود در بورس سهام می خواهیم بفهمیم محدود به سالانه ، هفتگی یا روزانه نیست ، باید چرخه های خودمان را تعریف کنیم و بدانیم که کدام یک می تواند داده ها را بهتر متناسب کند. علاوه بر این ، ما نباید از فصلی هفتگی استفاده کنیم زیرا در آخر هفته تجارت وجود ندارد. ما همچنین می توانیم "self_define_cycle" خود را با عملکرد ADD_SESESTALY تعریف کنیم. تمام تنظیمات را می توان تنها با دو خط کد انجام داد.

برای مدل های پیش بینی ، یکی از راه های ارزیابی آنها ، خطای مربع خارج از نمونه است. ما می توانیم از 2015/10/1 تا 2018/3/31 برای آموزش استفاده کنیم و 6 ماه گذشته را برای آزمایش و محاسبه خطای میانگین مربع از نمونه نگه داریم. در هر چرخه ، ما می توانیم با خرید با کمترین قیمت و فروش در بالاترین قیمت ، بازده خود را بهینه کنیم. برای آسانتر کردن فرآیند ، ما از Cycle analysis عملکرد خود تعریف می کنیم. خروجی لیستی است که حاوی بازده پیش بینی شده در هر چرخه و خطای مربع خارج از نمونه است. ورودی های مربوط به عملکرد نیاز دارند:

• داده ها: pandas dataframe با فهرست زمان
• Split_Date: تاریخ تقسیم داده ها و آزمایش داده ها
• چرخه: دوره ها (روزها) در هر چرخه
• حالت: افزودنی یا چند برابر برای فصلی (اختیاری اختیاری ، پیش فرض)
• پیش بینی_پلت: آیا برای چاپ طرح پیش بینی یا خیر (اختیاری ، پیش فرض کاذب)
• print_ind: آیا برای چاپ پیش بینی شده در هر چرخه و نمونه خطای مربع یا خارج از نمونه (اختیاری ، پیش فرض کاذب)

ما می توانیم یک حلقه را بر روی عملکرد Cycle_Analysis خود برای محاسبه خطای پیش بینی شده و خارج از نمونه خطای مربع برای طول مختلف چرخه استفاده کنیم ، و نتیجه را در شکل 4 نشان دادیم. همانطور که می بینیم ، طول طولانی تر ، هر دو بازگشت پیش بینی شده در هر چرخهو نمونه خارج از نمونه خطای مربع افزایش می یابد. با توجه به هزینه معامله ، بازده پیش بینی شده در هر چرخه باید بیشتر از 10 دلار باشد. تحت این محدودیت ، ما می توانیم چرخه ای را انتخاب کنیم که منجر به حداقل خطای میانگین مربع از نمونه خارج شود و 252 روز باشد. بازده پیش بینی شده در هر چرخه 17. 12 دلار و میانگین نمونه خطای مربع 15. 936 است. هر دو بسیار خوب هستند!

برای نشان دادن بیشتر استراتژی سرمایه گذاری ، می توانیم تاریخ خرید و فروش را بین 2015/10/1 و 2018/10/1 مشاهده کنیم. عملکرد Retu_dates می تواند تمام تاریخ های خرید و فروش را به صورت خروجی برگرداند ، با ورودی:

• پیش بینی: شیء پیش بینی FBPROPHET
• Stock_Data: PANDAS DataFrame با فهرست زمان
• چرخه: طول چرخه
• cycle_name: نام ستون چرخه در شیء پیش بینی
• time_name: نام ستون زمان در شیء پیش بینی

درخواست سهام بیشتر

به طور قطع ، این روش می تواند برای هرچه بیشتر سهام اعمال شود. ما میانگین قیمت خرید ، میانگین قیمت فروش ، طول چرخه ، میانگین خطای مربع ، تعداد خرید ، تعداد خرید و بازده پیش بینی شده در هر چرخه را برای Costco ، Apple ، Microsoft ، Home Depot و Nike ذکر کردیم.

خلاصه

با کمک بسته Python و FBProphet ، ما می توانیم درک بهتری نسبت به بازار سهام داشته باشیم. با استفاده از Costco به عنوان نمونه ، می توانیم چرخه ای با 252 روز پیدا کنیم تا بتواند بازده کافی ایجاد کند و از داده های خوبی برخوردار باشد. با توجه به چرخه ای که پیدا کردیم ، می توانیم حدود 23 ٪ بازده به مدت 3 سال داشته باشیم. شاید این استراتژی سرمایه گذاری نتواند آنچه را که می خواهید برآورده کند ، اما همیشه می توانید بر اساس دانش و تجربه خود رویکردهای خود را تنظیم کنید. بسته قدرتمند FBPROPHET می تواند تجزیه و تحلیل شما را در بورس سهام بسیار عمیق تر و آسان تر کند.