首页
金融行业的数据分析指南
发布来源: DataFocus 发布时间:2019-05-27


近几年来,大数据、区块链、人工智能、云计算等新技术的迅速发展,推动了新技术与金融业务的深度融合,从而激发了金融行业的新鲜活力和应用潜能,这不仅推动了我国金融行业的转型升级,而且还助力金融行业更好地服务实体经济,有效促进了金融业整体发展。金融行业数据的整合、共享和开放正在成为趋势,给金融行业带来了新的发展机遇和巨大的发展动力。


今天,我们主要介绍金融行业的数据分析应用。本文所使用的数据分析工具为DataFocus。


1、相对强弱指数RSI


相对强弱指数RSI是根据一定时期内上涨点数和涨跌点数之和的比率制作出的一种技术曲线。能够反映出市场在一定时期内的景气程度。


DataFocus,我们利用公式很容易就制作出RSI指标,结果如下图:

 


2、保利加通道指标项


保利加通道也称为布林线,其是根据统计学中的标准差原理设计出来的一种非常实用的技术指标。它由三条轨道线组成,其中上下两条线分别可以看成是价格的压力线和支撑线,在两条线之间是一条价格平均线,一般情况价格线在由上下轨道组成的带状区间游走,而且随价格的变化而自动调整轨道的位置。当波带变窄时,激烈的价格波动有可能随即产生;若高低点穿越带边线时,立刻又回到波带内,则会有回档产生。


DataFocus,我们先计算出Up线和Down线,然后在计算价格平均线,最后统一放入折线图中,效果如下图所示:



 

3、移动平均线


移动平均线,简称MA,MA是用统计分析的方法,将一定时期内的证券价格(指数)加以平均,并把不同时间的平均值连接起来,形成一根MA,用以观察证券价格变动趋势的一种技术指标,是当今应用最普遍的技术指标之一,它帮助交易者确认现有趋势、判断将出现的趋势、发现过度延生即将反转的趋势。


在DataFocus中,可以直接得出价格的平均值,并以折线图展示,效果如下:


———— / END / ————


DataFocus

一起探索大数据的秘密

微信号:huishuzt


注:本文系本站转载,转载目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请与本站联系,我们将在第一时间删除内容!本文版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。

相关推送

金融行业数据分析与建模的风控方法思享会纪要

[导读]清华大数据思享会数据分析系列之金融行业基于数据分析与建模的风控方法于2017年4月6日下午在清数DLAB成功举办。本次思享会邀请了清数DLAB首席数据科学家、美国中佛罗里达大学统计系数据挖掘专业主任、教授王中庆老师分享了他在金融行业数据分析与建模的案例,特别介绍了数据分析与建模的目的、数据基本情况、数据质量及处理方法、模型工具选择和模型表现与应用等内容。来自银行、保险、小贷、互联网金融

金融大数据分析的数据分流应用

随着金融大数据技术应用,以及相关业务大数据应用不断创新,金融机构的数据分析和业务创新,以及数据安全如何深度融合,是当前金融机构信息化面临的重要挑战。银监会印发《银行业金融机构信息系统风险管理指引》2006年,其中第二十七条:银行业金融机构应加强数据采集、存贮、传输、使用、备份、恢复、抽检、清理、销毁等环节的有效管理,不得脱离系统采集加工、传输、存取数据;优化系统和数据库安全设置,严格按授权使用

大数据与金融分论坛量化分析,智能金融

作者CDA数据分析师前言2017年7月29日,由CDA数据分析师主办,以跨界互联数据未来为主题的CDAS2017第四届中国数据分析师行业峰会在北京中国大饭店隆重举行。7月29日当天,除了引人眼球的主会场以外,当天同步开放11个分论坛,我们将逐一推送每个分论坛的盛况,以及演讲嘉宾速记稿整理,给每一个CDA成员奉上干货。CDAS2017中国数据分析师行业峰会下午的大数据与金融分论坛中,来自IBM、诸葛

 

供应链企业的数据分析之“道”

供应链上的数据是从制造型企业,到物流企业,再到零售业的过程。而这三者均是传统型企业,而如今更多的商流数据是通过互联网,而实际的企业经营、运营数据仍旧是在供应链上的各个企业手中。本文从一个传统型行业如物流、零售、制造业等的角度来看数据分析,而并非如今数据分析做的很火的互联网或金融行业的角度。所谓企业数据分析的道,即为企业数据分析的方法。对于企业而言,数据分析需要与业务紧密结合,一切脱离业务的数据分析

个人金融借贷场景下的大数据风控行业分析及应用分析

大数据风控是现在金融科技公司白热化竞争的业务场景,那大数据风控到底是什么、这个行业前景如何,有哪些机构在布局竞争、有哪些产品形态?本文将一一为你揭秘。PS下文的大数据风控主要针对个人借贷场景来开展。大数据风控是什么?大数据风控按照通俗的概念解析:通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。这句话涵盖大数据风控必要的4个要素:原材料:大数据。实现方式:技术模型。目标人群:场景中的群

数据分析师马上金融深、重、北面议

各位朋友好马上消费金融公司招聘反欺诈数据分析反欺诈政策反欺诈策略风控数据决策分析师风控审批与政策分析师贷前反欺诈数据分析催收策略分析师风控建模数据决策数据挖掘机器学习算法工程师坐标深圳重庆北京三地内部推荐联系邮箱bo.wang@msxf.com微信15510454626内部推荐欢迎自荐和介绍朋友贷前反欺诈数据分析师岗位职责:1.制定反欺诈的策略及流程,实施、跟踪规则及策略的管理,根据欺诈事件及欺诈