之前看到一篇文章，变点理论CUSUM在量化交易中；列了一堆数据和公式，说结果不错。链接如下:
或者这个，就是整理版，有很详细的公式推导，不过代码写的不清不楚的，应该没写完。
花了些时间研究下：
原理描述：CUSUM控制图的设计思想是对信息加以累积，将过程的小偏移累加起来，达到放大的结果，从而提高检验小偏移的灵敏度。CUSUM作为一个统计量，其由来具有严格的数学推理，总的来说，是一个变点假设检验通过极大似然法推导得到的统计量。
具体推导不研究了，直接看具体引用
其实就是我之前文章说到那个那个对数收益率，形成一个对数收益率的近似正太分布。如上图，这里有一个上下允偏量k，这里设为k = 0.02, 先说上阈值， 那么时序队列里面，下一个时段的对数收益率大于0.02，yi则差值为正；如果差值累计yi的和Ci大于h，比如h为0.5。则触发向上趋势。
其实就是如果多次超过 允偏量收益率发生，或者一次非常大的收益率情况发生，使得c值大于h 就会触发向上趋势判断。如果只是偶尔一次大于 允偏量，那么下一次小于k （0.02）时候，差值为负值，和值Ci就变小了，这里Max的作用就是保证C为正，不会因为多次低于k值为负值。向下趋势判断也是同理。
代码如下，这里调用ta-lib库来计算均值和标准差，速度比起用numpy还快一些。用标准差做为 允偏量k；5倍标准差为h 阈值。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
|
# encoding: UTF-8import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport talibdef detect_via_cusum_lg(ts, istart=30, threshold_times=5): """ detect a time series using cusum algorithm :param ts: the time series to be detected :param istart: the data from index 0 to index istart will be used as cold startup data to train :param threshold_times: the times for setting threshold :return: """ S_h = 0 S_l = 0 S_list = np.zeros(istart) meanArray = talib.SMA(ts,timeperiod = istart) stdArray = talib.STDDEV(np.log(ts/meanArray),timeperiod = istart) for i in range(istart+1, len(ts)-1): tslog = np.log(ts[i] / meanArray[i - 1]) S_h_ = max(0, S_h + tslog - stdArray[i-1]) S_l_ = min(0, S_l + tslog + stdArray[i-1]) if S_h_> threshold_times * stdArray[i-1]: S_list = np.append(S_list,1) S_h_ = 0 elif abs(S_l_)> threshold_times * stdArray[i-1]: S_list = np.append(S_list, -1) S_l_ = 0 else: S_list = np.append(S_list, 0) S_h = S_h_ S_l = S_l_ return S_list#数据导入df5min = pd.read_csv("bar5rb8888.csv")dt0 = np.array(df5min["close"])listup,listdown = [],[]s_list = detect_via_cusum_lg(dt0,istart=30, threshold_times=5)for i in range(0,len(s_list)): if s_list[i] == 1: listup.append(i) elif s_list[i] == -1 : listdown.append(i)plt.subplot(2,1,1)plt.plot(dt0, color=‘y‘, lw=2.)plt.plot(dt0, ‘^‘, markersize=5, color=‘r‘, label=‘UP signal‘, markevery=listup)plt.plot(dt0, ‘v‘, markersize=5, color=‘g‘, label=‘DOWN signal‘, markevery=listdown)plt.legend()plt.subplot(2,1,2)plt.title(‘s_list‘)plt.plot(s_list,‘r-‘)plt.show() |
用5分钟螺纹钢数据跑出来，部分如下，好像有搞头。代码在我Github里面可以找到
原文：https://www.cnblogs.com/chenguopa/p/15240064.html