N天後收盘价

• 若N天後收盘价 > 目前收盘价，趋势为正

• 若N天後收盘价 < 目前收盘价，趋势为负

• 优点：

  • 直观、简单

• 缺点：

  • 无法调整风险
  • 无法停利停损

N天後收盘价 & 中间值

• 若N天後收盘价 > 目前收盘价 + K%，趋势为正

• 若N天後收盘价 < 目前收盘价 - K%，趋势为负

• 中间值代表不涨不跌

• 优点：

  • 直观、简单
  • 可调整风险(K)

• 缺点：

  • 无法停利停损

N天最高最低点

• 若N天最高点 > 目前收盘价 + K%，趋势为正

• 若N天最低点 < 目前收盘价 - K%，趋势为负

• 中间值代表不涨不跌

• 优点：

  • 实作简单
  • 允许停利停损
  • 可调整风险(K)

• 缺点：

  • 忽略先涨後跌、先跌後涨状况

Triple Barrier

• 若N天中某一天 > 目前收盘价 + K%，趋势为正

• 若N天中某一天 < 目前收盘价 - K%，趋势为负

• 优点：

  • 允许停利停损
  • 可调整风险(K)

• 缺点：

  • 实作麻烦

data_df = load_stock(stock_index, start_year=2011, end_year=2021)

shift = {}
for i in range(0, 31):
    shift[i] = data_df.loc[:, "Close"].shift(-i)

close30_df = pd.DataFrame(shift).dropna()

Close_Low = close30_df.min(1)
Close_High = close30_df.max(1)
Close_Mean = close30_df.mean(1)
Close_Std = close30_df.std(1)

thresold = 3
tag = {}
for i in range(1, 31):
    if i == 1:
        up = close30_df[i] > close30_df[0] + thresold * Close_Std
        down = close30_df[i] < close30_df[0] - thresold * Close_Std
        tag[i] = 1 * up + (-1) * down
    else:
        up = close30_df[i] > close30_df[0] + thresold * Close_Std
        down = close30_df[i] < close30_df[0] - thresold * Close_Std
        tag[i] = np.clip(
            (tag[i - 1] * 10) + (1 * up + (-1) * down), a_min=-1, a_max=1
        )

K = 1 std，对趋势估计保守，倾向停利停损

K = 3 std，对趋势估计激进，倾向高报酬