EMV技术指标的构建及应用...来自ComeAcross

17 Mar 2020, 18:03 · 阅读量 1,007

简易波动指标（EMV），是为数不多的考虑价量关系的技术指标。它刻画了股价在下跌的过程当中，由于买气不断的萎靡退缩，致使成交量逐渐的减少，EMV 数值也因而尾随下降，直到股价下跌至某一个合理支撑区，捡便宜货的买单促使成交量再度活跃，EMV 数值于是作相对反应向上攀升，当EMV 数值由负值向上趋近于零时，表示部分信心坚定的资金，成功的扭转了股价的跌势，行情不断反转上扬，并且形成另一次的买进讯号。

计算方法：

第一步

M I D = T H + T L 2 - Y H + Y L 2

< script. type=“math/tex; mode=display” id=“MathJax-Element-1”>

M I D = T H + T L 2 - Y H + Y L 2

这里TH 为当天最高价，TL 为当天最低价，YH 为前日最高价，YL 为前日最低价。MID > 0意味着今天的平均价高于昨天的平均价。

第二步

B R O = V O L H - L

< script. type=“math/tex; mode=display” id=“MathJax-Element-2”>

B R O = V O L H - L

其中VOL代表交易量，H、L代表同一天的最高价与最低价

第三步

E M = M I D B R O

< script. type=“math/tex; mode=display” id=“MathJax-Element-3”>

E M = M I D B R O

第四步

EMV = EM的N日简单移动平均

第五步

MAEMV = EMV的M日简单移动平均

参考文献：《技术指标系列（九）——EMV 指标改进用法识别尖部能力强》

 
def emv(stk_list,current_date,N=14):
    
    cal = Calendar('China.SSE')
    period = '-' + str(N+1) + 'B'
    begin_date = cal.advanceDate(current_date,period,BizDayConvention.Unadjusted)
    end_date = cal.advanceDate(current_date,'-1B',BizDayConvention.Unadjusted)
    
    eq_emv = {}
    eq_mid = {}
    eq_bro = {}
​
    eq_Market = DataAPI.MktEqudAdjGet(secID=stk_list,beginDate=begin_date.strftime('%Y%m%d'),endDate=end_date.strftime('%Y%m%d'),field=['secID','highestPrice','lowestPrice','turnoverVol'],pandas="1")
    
    avaiable_list = eq_Market['secID'].drop_duplicates().tolist()
    
    eq_Market.set_index('secID',inplace=True)
    
    for stk in avaiable_list:
        if len(eq_Market.ix[stk]) == (N+1):
            eq_mid[stk] = (np.array(eq_Market.ix[stk]['highestPrice'][1:] + eq_Market.ix[stk]['lowestPrice'][1:]) - np.array(eq_Market.ix[stk]['highestPrice'][:-1] + eq_Market.ix[stk]['lowestPrice'][:-1]))/2
            eq_bro[stk] = np.array(eq_Market.ix[stk]['turnoverVol'][1:])/np.array(eq_Market.ix[stk]['highestPrice'][1:] + eq_Market.ix[stk]['lowestPrice'][1:])
            eq_emv[stk] = np.mean(eq_mid[stk]/eq_bro[stk])
​
    return eq_emv       

查看全部

 
def maemv(stk_list,current_date,N=14):
    cal = Calendar('China.SSE')
    period = '-' + str(N+1) + 'B'
    end_date = cal.advanceDate(current_date,'-1B',BizDayConvention.Unadjusted)
    start_date =  cal.advanceDate(current_date,period,BizDayConvention.Unadjusted)
    timeSeries = cal.bizDatesList(start_date, end_date)
    eq_maemv = {}
    #初始化eq_maemv字典
    eq_emv = emv(stk_list,end_date,N)
    for stk in eq_emv:
        eq_maemv[stk] = 0
    #仅调用N次emv函数
    for i in xrange(len(timeSeries)):
        eq_emv = emv(stk_list,timeSeries[i],N)
        for stk in eq_emv:
            eq_maemv[stk] = eq_maemv[stk] + eq_emv[stk]
            
    for stk in eq_maemv:
        eq_maemv[stk] = eq_maemv[stk]/N
        
    return eq_maemv

查看全部

EMV指标基本用法

EMV 在0 以下表示弱势，在0 以上表示强势；EMV 由负转正应买进，由正转负应卖出。

 
import numpy as np
import pandas as pd
from CAL.PyCAL import *
start = '2012-08-01'                       # 回测起始时间
end = '2015-08-01'                         # 回测结束时间
benchmark = 'HS300'                        # 策略参考标准
universe = set_universe('HS300')  # 证券池，支持股票和基金
capital_base = 1000000                      # 起始资金
freq = 'd'                                 # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
refresh_rate = 10                           # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟
cal = Calendar('China.SSE')
​
def initialize(account):                   # 初始化虚拟账户状态
    pass
​
def handle_data(account):                  # 每个交易日的买入卖出指令
    
    eq_emv = emv(account.universe,account.current_date,N=14)
    buylist = []
    for stk in eq_emv:
        if eq_emv[stk] > 0:
            buylist.append(stk)
    
    for stk in account.valid_secpos:
        if stk not in eq_emv or eq_emv[stk] <= 0:
            order_to(stk,0)
        else:
            if stk not in buylist[:]:
                buylist.append(stk)
                
    for stk in buylist:
        order_to(stk,account.referencePortfolioValue/account.referencePrice[stk]/len(buylist))

查看全部

年化收益率38.7%
基准年化收益率18.4%
阿尔法17.8%
贝塔0.89
夏普比率1.34
收益波动率26.3%
信息比率1.21
最大回撤38.2%
年化换手率--

累计收益率策略基准2013-012014-012015-012013-072014-072015-07-100.00%0.00%100.00%200.00%300.00%

EMV结合MAEMV使用

EMV 上穿MAEMV 则买入，EMV 下穿MAEMV 则卖出。

 
import numpy as np
import pandas as pd
from CAL.PyCAL import *
start = '2012-08-01'                       # 回测起始时间
end = '2015-08-01'                         # 回测结束时间
benchmark = 'HS300'                        # 策略参考标准
universe = set_universe('HS300')  # 证券池，支持股票和基金
capital_base = 1000000                      # 起始资金
freq = 'd'                                 # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
refresh_rate = 10                           # 调仓频率，表示执行handle_data的时间间隔，若freq = 'd'时间间隔的单位为交易日，若freq = 'm'时间间隔为分钟
cal = Calendar('China.SSE')
​
def initialize(account):                   # 初始化虚拟账户状态
    pass
​
def handle_data(account):                  # 每个交易日的买入卖出指令
    
    eq_emv = emv(account.universe,account.current_date,14)
    eq_maemv = maemv(account.universe,account.current_date,14)
    buylist = []
    for stk in eq_emv:
        try:
            if eq_emv[stk] > eq_maemv[stk]:
                buylist.append(stk)
        except:
            pass
    
    for stk in account.valid_secpos:
        if stk not in eq_emv or stk not in eq_maemv or eq_emv[stk] <= eq_maemv[stk]:
            order_to(stk,0)
        else:
            if stk not in buylist[:]:
                buylist.append(stk)
                
    for stk in buylist:
        order_to(stk,account.referencePortfolioValue/account.referencePrice[stk]/len(buylist))

查看全部

年化收益率28.2%
基准年化收益率18.4%
阿尔法9.9%
贝塔0.86
夏普比率1.02
收益波动率24.3%
信息比率0.72
最大回撤35.5%
年化换手率--

累计收益率策略基准2013-012014-012015-012013-072014-072015-07-50.00%0.00%50.00%100.00%150.00%200.00%250.00%

 
null

风险提示：本文所述仅代表作者个人观点，不代表 Followme 的官方立场。Followme 不对内容的准确性、完整性或可靠性作出任何保证，对于基于该内容所采取的任何行为，不承担任何责任，除非另有书面明确说明。

喜欢的话，赞赏支持一下