Phân tích bộ lọc Hodrick Prescott - Python

Bộ lọc các cổ phiếu theo dòng tiền (Tháng Sáu 2019).

Anonim

Wikipedia nói

Bộ lọc Hodrick-Prescott (còn được gọi là phân tích Hodrick-Prescott) là một công cụ toán học được sử dụng trong kinh tế vĩ mô, đặc biệt là trong lý thuyết chu kỳ kinh doanh thực, để loại bỏ thành phần chu kỳ của một chuỗi thời gian từ dữ liệu thô.

Bộ lọc Hodrick Prescott (Bộ lọc HP) phân tích chuỗi thời gian liên quan đến việc tách một chuỗi thời gian thành nhiều thành phần riêng biệt (thành phần Chu kỳ và Thành phần Trend). Và bộ lọc này có vẻ như nó có thể được áp dụng cho bất kỳ dữ liệu thời gian nào đặc biệt là với giá cổ phiếu để hiểu xu hướng cơ bản và chu kỳ liên quan đến nó.

Đây là một ví dụ đơn giản về máy tính xách tay ipython cho Phân tích Bộ lọc Hodrick Prescott. Chúng tôi sử dụng thư viện statsmodel để tính toán các thành phần lọc Hodrick Prescott, Matplotlib để vẽ dữ liệu, NSEpy để lấy dữ liệu cổ phiếu từ NSEIndia và Pandas để xử lý dữ liệu chuỗi thời gian.

Biểu đồ trên cho thấy giá Cổ phiếu TCS và xu hướng thành phần Bộ lọc HP và thành phần chu kỳ. Bạn có thể nhận thấy rằng thành phần xu hướng là cực kỳ trơn tru và rất tốt trong việc dự báo tương lai của hướng giá TCS trung bình. Và các giá trị cực đoan của Chu kỳ Thành phần cho thấy một sự đảo chiều xu hướng có thể xảy ra. Theo quan điểm của tôi, nó sẽ là một công cụ tốt hơn cho các nhà đầu tư và nhà đầu tư để biết xu hướng cơ bản. Đặc biệt bộ lọc HP phù hợp với cả người theo dõi xu hướng và các nhà giao dịch đảo chiều trung bình!