Python算法交易

通过机器学习预测市场动向

｜

183

图 5-21：与基于深度学习的策略相比，EUR / USD 的总绩效（样本外，无交易成本）

5.3.3

添加不同类型的特征

到目前为止，分析主要集中在直接对数收益上。当然，不仅可以添加更多的类别

/

分类，还可以在混合中添加其他类型的特征，例如基于动量，波动性或距离度量的

特征。以下代码派生了其他特征，并将它们添加到数据集中：

In [179]: data['momentum'] = data['return'].rolling(5).mean().shift(1)

In [180]: data['volatility'] = data['return'].rolling(20).std().shift(1)

In [181]: data['distance'] = (data['price'] -

data['price'].rolling(50).mean()).shift(1)

In [182]: data.dropna(inplace=True)

In [183]: cols.extend(['momentum', 'volatility', 'distance'])

In [184]: print(data.round(4).tail())

184

｜

第

5

章

price return direction lag_1 lag_2 lag_3 lag_4 lag_5

Date