在財經節目中，常常會聽到乖離過大這麼名詞。究竟什麼是乖離? 乖離指標可靠嗎? 如何在Python裡計算乖離率並進行驗證? 本支影片將帶大家一起認識乖離率!
什麼是乖離率?
從下面公式中，我們可以發現，乖離率所衡量的就是現行股價與均線的差異程度。一般來說，市場投資人對乖離率的用法會假設在股價有一個均數回歸的情況。然而，值得注意的是，當趨勢出來時(大飆股或大跌股)，這個方法就會失靈(或是說要容忍相當大的損失)。
$$Bias=\frac{P-MA}{MA}$$
正乖離: 乖離率為正，意即股價>平均線
負乖離: 乖離率為負，意即股價<平均線
一般來說，當乖離率過大，我們會認為股價在不久的將來將會反轉。舉例來說，當負乖離過大，以乖離率觀點而言，隱含著行情在不久的將來即將反彈。然而市場是否真有這樣的現象?就讓我們一起用python來檢視看看吧!
乖離率Python實作
接下來，讓我們看看在Python裡該如何實作乖離率。在這邊，我們簡單用一個case來進行指標的驗證。假設負乖離超過10%，我們進場並持有一個月後的投資報酬會是如何呢?
資料準備
這裡我們可以準備欲投資的標的，檢視乖離率在這些標的上的表現。當然，程式運行前需先引入運算及繪圖套件。
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
data=pd.read_csv('00690.csv')
data.set_index(pd.to_datetime(data['Date'],format='%Y/%m/%d'),inplace=True)
data.drop('Date',axis=1,inplace=True)
data.head()
參數設定
在這邊我們主要有3個參數，分述如下:
1.移動平均(MA): 在技術分析中，季線代表生命線，因此我們這邊會以60日線當作參考。當然各位也可以依照自己的需求選擇合適的移動平均線。
2.乖離率門檻值: 從前面敘述我們知道當乖離”過大”時，在不久的將來股價可能會反轉。然而這個所謂的”過大”到底是多大呢? 在量化投資中，我們一定要給一個明確的指示，在此就是透過門檻值的設定來達成。這邊我們姑且設定為10%，都是可以修改的。
3.持有期間: 同樣的，從前面敘述我們知道當乖離過大時，在”不久的將來”股價可能會反轉，但我們並不知道是否真的會反轉，或是究竟反轉多久。因此，我們可以藉由衡量當我們在乖離過大時進場，持有一段時間後的報酬大概長什麼樣子，來評估指標是否有效。
MA=60
Threshold=-0.15
hold_period=40
進行回測
在這邊，我們可以簡單回測當標的負乖離超過10%時，我們進場買入並持有20天後的投資報酬。同時，我們也可以快速檢視這個個策略出現次數、勝率以及最大損失。詳細過程可參考影片。另外，因為我們早以把重要的參數寫在外面，因此我們可以很方便的修改均線、門檻值及持有天數的數值，用以測試不同情境下該標的的表現。另外，我們亦可以新增或修改條件，看到不同策略下的表現!
df=data.copy()
df['MA']=df['Price'].rolling(MA).mean()
df['Bias']=df['Price']/df['MA']-1
df['temp']=df['Price'].pct_change(hold_period)
df['return']=list(df['temp'].dropna())+[None]*(len(df)-len(df['temp'].dropna()))
df.dropna(inplace=True)
result=df[(df['Bias']<Threshold)]
print('出現次數: ', len(result))
print('平均報酬率: ',result['return'].mean()*100)
print('勝率: ', len(result[result['return']>0])/len(result))
print('最大損失: ',result['return'].min())
今天，我們認識了乖離率，並學會如何在Python中檢驗乖離率指標的有效性!準備你有興趣的標的，動手檢驗看看吧!
程式檔案，歡迎下載Github。