大家好，我是上海大俠

看了半個小時的研報和視頻，對具體實現過程含糊其辭，表述不清，模糊重點，甚至還有多處寫錯

本著知識開源的想法，我將我的探索過程公開，以期給同樣在這條路上摸索的朋友節省一點走彎路的力氣

廢話先不多講，我是個喜歡在本地數據上運行代碼的男人，因為這樣可以避免數據量超限的問題

先看一下數據格式

標的資產收盤價

我們這次對000905.SH也就是中證500做LLT指標的低延遲趨勢線

很眼熟的公式對吧？

我們把這個公式轉換成人話

這里要特別說明幾個重點

z^(-t)可以看作是t階延遲算子

LLT(T)指的是時間戳為T的LLT指標

而price(T)指的是時間戳為T的過去回看d天的平均價格

LLT指標的初始兩期就設為[0,0]即可

我們來看一下效果

d=20 2012-02~2014-03

看起來還挺平滑的

d設的越小，延遲越高，曲線越平滑

d=40 2012-02~2014-03

最后附小屎山【山（×）堆（√）】

'''

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
if __name__ == '__main__':
    PriceDf = pd.read_excel('日收盤價.xlsx', index_col = 'date')
    PriceDf = PriceDf.sort_index(ascending = True)
    Asset = PriceDf.columns[1]
    AssetSeries = PriceDf[Asset]
    LLT = [0,0]
    d = 40
    alpha = 2/d+1
    for i in range(len(AssetSeries)-2-d):
        pricet_2 = np.mean(AssetSeries[i:i+d])
        pricet_1 = np.mean(AssetSeries[i+1:i+1+d])
        pricet = np.mean(AssetSeries[i+2:i+2+d])
        LLTt_2 = LLT[i]
        LLTt_1 = LLT[i+1]
        LLTt = (alpha-(alpha**2)/4)*pricet + (alpha**2)/2*pricet_1 - (alpha-3/4*(alpha**2))*pricet_2+ 2*(1-alpha)*LLTt_1 - ((1-alpha)**2)**LLTt_2
        LLT.append(LLTt)
        #print(i)
        LLTSeries = pd.Series(LLT,index = AssetSeries.index[d:])
    plt.plot(LLTSeries[1800:2200])
    plt.plot(AssetSeries[1800+d:2200+d])

'''