numpyのシンボルの配列と量子化機能

ネット売上高の計算

Key_Function：

np.sign（アレイ）のアレイ内の各要素の符号を返し

np.piecewise（アレイ、条件、返されたリストのリスト）：配列要素のインデックス決意条件リストの条件一覧要素、返されたリストに対応するインデックスをとり、戻り値として、戻り値はこれらからなります新しい配列

コード：

インポートNP AS numpyの
 インポートは、PLTのAS matplotlib.pyplot 

C、V = np.loadtxt（' BHP.csv '、DELIMITER = ' '、usecolsは=（6、7である）、アンパック= TRUE）
＃、Cの日終値V毎日のボリュームである'' ' 
C 
[93.3 93.72 95.64 94.56 93.93 92.39 92.11 92.36 91.76 93.91 
  94.6 93.27 94.43 96.02 95.76 94.47 94.34 92.22 88.31 89.59 
  89.02 86.95 84.88 87.38 88.56 89.59 88.71 90.02 91.26 90.67] 
、V 
[1741900. 2620800. 2461300。 3270900. 2650200. 4667300. 5359800.
 
  7768400. 4799100. 3448300. 4719800. 3898900. 3,727,700.3379400。
  2463900. 3590900. 3805000. 3271700. 5507800. 2996800. 3434800. 
  5008300. 7809799. 3947100. 3809700. 3098200. 3500200. 4285600. 
  3918800. 3632200.] 

'' ' 
＃計算毎日の終値差 
変化= np.diff（ C）
 プリント（変化する）
 '' ' 
[1.92 -1.08 -1.26 0.63 -1.54 -0.28 0.25 2.15 0.69 -1.33 -0.6 1.16 
  1.59 -0.26 -129 -0.13 -2.12 -3.91 -0.57 -2.07 -2.07 1.28 2.5 1.18 
  1.03 - 1.31 1.24 -0.59 0.88] 
'' ' 

サイン = np.sign（変化する）
 プリント（サイン）
 ' '' 
[1 -1 -1 1 -1 -1 1 -1。1 .. 1。 -1 1 1 -1 -1 -1 -1 -1 
  -1 -1 -1 -1 1 1 1 1。1. -1。]
「」 ' 
＃アレイ要素を決定することは、条件を満たしています戻り値戻り値は、条件を満たしています 
個= np.piecewise（変更、[変更<0、変更> 0]、[-1 ,. 1 ]）
 印刷（個）
 ' '' 
[1 -1 -1 1 -1。 -1 1 -1 -1 1 1 1 1 -1 -1 -1 -1 -1 
  -1 -1 -1 1 1.1 。-1。1. 1. -1。] 
「」 ' 

印刷（np.array_equal（サイン、ピース））
＃真

＃計算された値OBV OBV値、日量であるが、正と負の終値に依存変化量
を印刷（Vの[1：] * 印）
 「」 ' 
[-2461300 -3270900 2650200. 2620800. 7768400. -4667300 -5359800 .... 
 -4799100 3448300. 4719800. 3727700. 3379400. -2463900 -3898900 .. 。
 -3590900。-3805000。-3271700。-5507800。2996800. -3434800。-5008300。 
 -7809799。 3947100. 3809700. 3098200. -3500200。4285600. 3918800. 
 -3632200。] 
'' '

 

取引プロセスシミュレーション

Key_Function：

np.vectorize機能：単一要素ベクトルからの入力パラメータにパイソン、ベクトル化機能、すなわち、に対応する機能マップ

　　配列の各要素をループの使用を避けます

ndarrayオブジェクトは、条件[]元素濾過を充填することができます

デフmyfunc関数（a、b）は：
     " 戻るABは> bが、そうでない場合は返す場合+ B " 
    の場合 > B：
         戻るABは
     他：
         返す + B 
    

vfunc = np.vectorizeを（myfunc関数）

vfunc（[ 1、 2、3、4]、2 ）
 ＃の配列（[3、4、1、2]）
       

コード：

インポートNP AS numpyの
 インポートは、PLTのAS matplotlib.pyplot 

O、H、L、C = np.loadtxt（' BHP.csv '、DELIMITER = ' '、usecols =（3,4,5,6）、アンパック= TRUE）
 ＃オープン、高、低、近いDEFのcalc_profit（オープン、高、低、近い使用）：
    ＃始値よりも若干低い価格で購入する 
    （0.999オープン* = floatを買う）
     ＃1 日の価格帯IF低<購入< ハイ：
         リターン - （クローズ買う）/購入は      ＃逆の計算営利日、他：
         リターン0 ＃


    
    
    
量子化にnp.vectorize（）関数 
= np.vectorize（calc_profit）FUNCの     ＃4つの入力配列、に出力アレイ

利益 = FUNC（O、H、L、C）
 プリント（利益）
 '' ' 
[0.00755895 0.0123267 0の0.00154302 0.00780612 0.0021668 
 -0.01006869 -0.00121617 -0.01774473 0.00568316 -0.00614746 0.00560552 
  0.00675817 0.00225356 -0.00274807 -0.02015786 0.00762307 -0.00675369 
 0の-0.00675957 -0.01558377 0.01065112 0.02904986 0.00168882 
 -0.0098442 0.00540779 0.00376864 -0.00499634 -0.00783465 0.00603003] 
'' ' 
    
real_trades =利益[利益！= 0]     ＃0に等しい要素濾過
プリント（LEN（real_trades）を、"   "、ラウンド（100.0 * LEN（real_trades）/ LEN（C）、2）、" ％" ）
 ＃28 93.33パーセントの
＃の配列要素対応する分割分割

印刷（ラウンド（np.mean（real_trades）* 100、 2）） ＃2は有効数字2桁取る表す
＃0.02 

winning_trades =利益[利益> 0]
 プリント（LEN（winning_trades）、丸（100.0 * lenは（winning_trades）/ LEN（C）、2）、" ％" ）
 位53.33パーセント16 
プリント（2ラウンド（np.mean（winning_trades）* 100 ））
＃0.72 


losing_trades =利益[利益< 0]
 印刷（LEN（losing_trades）、丸（100.0 * lenは（losing_trades）/ LEN（C）、2）、" ％" ）
 ＃12 40.0％の
印字（ラウンド（np.mean（losing_trades）* 100、2 ））
＃-0.92