2020 中青杯数学建模思路+代码

您所在的位置:网站首页 中青杯数学建模优秀论文 2020 中青杯数学建模思路+代码

2020 中青杯数学建模思路+代码

2024-06-06 20:45| 来源: 网络整理| 查看: 265

题目

自1990年12月19日上海证券交易所挂牌成立,经过30年的快速发展,中国证券市场已经具有相当规模,在多方面取得了举世瞩目的成就,对国民经济的资源配置起着日益重要的作用。截至2019年年底,上海和深圳两个证券交易所交易的股票约4000种。目前,市场交易制度、信息披露制度和证券法规等配套制度体系已经建立起来,投资者日趋理性和成熟,机构投资者迅速发展已具规模,政府对证券市场交易和上市公司主体行为的监管已见成效。 随着近年来我国资本市场的发展和证券交易规模的不断扩大,越来越多的资金投资于证券市场,与此同时市场价格的波动也十分剧烈,而波动作为证券市场中最本质的属性和特征,市场的波动对于人们风险收益的分析、股东权益最大化和监管层的有效监管都有着至关重要的作用,因此研究证券市场波动的规律性,分析引起市场波动的成因,是证券市场理论研究和实证分析的重要内容,也可以为投资者、监管者和上市公司等提供有迹可循的依据。问题一:投资者购买目标指数中的资产,如果购买全部,从理论上讲能够完美跟踪指数,但是当指数成分股较多时,购买所有资产的成本过于高昂,同时也需要很高的管理成本,在实际中一般不可行。 (1)在附件数据的分析和处理的过程中,请对缺损数据进行补全。 (2)投资者购买成分股时,过多过少都不太合理。对于附件的成分股数据,请您通过建立模型,给出合理选股方案和投资组合方案。问题二:尝试给出合理的评价指标来评估问题一中的模型,并给出您的分析结果。问题三:通过附件股指数据和您补充的数据,对当前的指数波动和未来一年的指数波动进行合理建模,并给出您合理的投资建议和策略。 附件:十支股票的相关重要参数。  

问题一

(1) 第一问就是插补,用Python的pandas构建时间索引,做线性插值就行。

for xsn in sn.sheet_names: datas = pd.read_excel('data.xlsx',sheet_name=xsn) m = list(datas.columns)[1:] tmp = pd.DataFrame({'date':pd.date_range(datas.iloc[0:,0].min(),datas.iloc[0:,0].max())}) datas['date']=pd.to_datetime(datas['date'],format='%Y/%m/%d') datas = pd.merge(datas,tmp,on='date',how='outer').sort_values('date') # 线性插值 for name in m: datas[name] = datas[name].interpolate(method='linear') # 对数据进行四舍五入 for name in m: datas[name]=[round(value,2) for value in datas[name]] datas['volume']=[round(value) for value in datas['volume']] # 重新排列索引 datas.index = range(len(datas)) # 转换时间类型为object datas['date'] = [x.strftime('%Y/%m/%d') for x in datas['date']] datas.to_excel(writer,sheet_name=xsn,index=False)

(2)可以用BRAR(人气意愿指标)来进行选股策略计算。

AR计算方法:

N日AR=(N日内(H-O)之和除以N日内(O-L)之和)*100

其中,H为当日最高价,L为当日最低价,O为当日收盘价,N为设定的时间参数,一般原始参数日设定为26日

 

BR计算方法:

N日BR=N日内(H-CY)之和除以N日内(CY-L)之和

其中,H为当日最高价,L为当日最低价,CY为前一交易日的收盘价,N为设定的时间参数,一般原始参数日设定为26日。

 

BRAR指标说明:

一般情况下,AR指标可以单独使用,BR指标则需与AR指标并用,才能发挥效用。

BR<AR,且BR<100,可考虑逢低买进。BR<AR,而AR<50时,是买进信号;BR>AR,再转为BR


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3