หมวดหมู่ ข้อเสนอแนะ : มิถุนายน 2019

ตัวบ่งชี้ RSI พร้อมด้วยขนาด Martingale

ตัวบ่งชี้ RSI พร้อมด้วยขนาด Martingale

บทความต่อไปนี้เป็นโพสต์จากแขก Jared Broad, CEO และผู้ก่อตั้ง QuantConnect QuantConnect เป็นแพลตฟอร์มการทดสอบหลังด้านบนของเบราว์เซอร์แบบออนไลน์สำหรับ C # ซึ่งจะช่วยให้คุณสามารถทดสอบกลยุทธ์ที่กำหนดเองได้มากกว่า 15 ปีของข้อมูลในอดีตที่ผ่านมา บทความนี้จะเป็นส่วนหนึ่งของการโพสต์รายเดือนใหม่โดย Jared พร้อมกับตัวอย่างกลยุทธ์สำหรับการซื้อขายแบบอัลกอรึทึมMartingale เป็นเทคนิคการปรับขนาดเดิมพันเพื่อเพิ่มโอกาสในการชนะด้วยค่าใช้จ่ายที่เพิ่มขึ้น ตัวอย่างคลาสสิกคือเหรียญที่พลิกเกมซึ่งนักการพนันเดิมพันสองครั้งถ้าเขาแพ้ด้วยความหวังว่าจะทำให้ขาดทุนสูญเสียไปได้ เขาจะเพิ่มการเดิมพันของเขาเป็นสองเท่าในช่วงที่มีการส

การเสนอขายหุ้นใหม่สำหรับปี 2551

การเสนอขายหุ้นใหม่สำหรับปี 2551

2008 11-16 ม.ค. 51, 700-765 ทุนจดทะเบียน Capital Holding Ltd 495CRKotak; Enam; JM; UBS 6, 422, 800 200815-18th มกราคม 08 405-435 Reliance Power 10260cr-11503 cr Kotak / UBS / abn / deustche / Enam / isec / jm / Jp Morgan / (co brlm: Macquire & sbi) 1, 300, 000, 000 2008 18-23 มกราคม, 08 J Kumar Infraprojects Ltd.

ส่วนแบ่งการตลาด Grey Premium ณ วันที่ 18 มกราคม 2551

ส่วนแบ่งการตลาด Grey Premium ณ วันที่ 18 มกราคม 2551

ชื่อ บริษัทเปิดปิดราคาเสนอซื้อ (Rs.)Premium (Rs.)Kostak ทุนในอนาคต 11 ม.ค. - 16 ม.ค. 700 ถึง 765 540 ถึง 550 - Reliance Power 15 ม.ค. - 18 ม.ค. 405 ถึง 450 340 ถึง 350 6300 ถึง 6500 โครงการเจ Kumar Infra 18 ม.

Reliance Capital หุ้นที่แย่ที่สุดของปี: 2551

Reliance Capital หุ้นที่แย่ที่สุดของปี: 2551

หุ้น: Reliance CapitalCMP: Rs 928Reliance Capital หุ้นที่เลวร้ายที่สุดของปีพ. ศ. 2551 แบ่งระยะยาว 968 สนับสนุน แนวรับต่อไปมาที่ 680 ดังนั้นหุ้นสั้นนี้ในการเพิ่มขึ้นทุกสำหรับผลกำไรของคุณ หุ้นลดลงอย่างมาก ไม่ดีสำหรับหุ้นนี้ในระยะสั้น$ 1 $ 2

แยกตัวออกจาก Reliance Capital จาก Downtrend

แยกตัวออกจาก Reliance Capital จาก Downtrend

หุ้น: Reliance CapitalCMP: Rs 1128ตามที่ได้กล่าวไว้ก่อนหน้านี้ในบล็อกของเราว่าถ้าความต้านทานต่อหุ้นนี้อยู่ระหว่าง 1045 ถึง 1060 และการฝ่าวงล้อมใหม่จะเป็นไปดูว่าการแบ่งความต้านทานนี้ ระวังการแสดงจากสต็อกนี้$ 1 $ 2

Reliance Capital: จะมีแนวโน้มลดลงหรือไม่?

Reliance Capital: จะมีแนวโน้มลดลงหรือไม่?

คลิกแผนภูมิเพื่อดูภาพขยายหุ้น: Reliance CapitalCMP: Rs 993หุ้น Upside สูงสุดอยู่ที่ใดก็ได้ระหว่าง 1035-1060การซื้อสดจะเห็นได้ในกรณีที่ช่องทางขาลงพักตัวขึ้นจนกว่าจะยังคงระมัดระวังในหุ้นนี้การเปรียบเทียบ - (แผนภูมิ EOD อัปเดตอัตโนมัติทุกวัน)$ 1 $ 2

Operator เล่นใน SAH Petroleoum

Operator เล่นใน SAH Petroleoum

สต็อก: SAH PetroleoumCMP: Rs 30.5เป็นกับดักที่ชัดเจน ... ตั้งโดยผู้ประกอบการ ... ตรวจสอบปริมาณการส่งมอบ% ในช่วง 7 เซสชันที่ผ่านมาปริมาณการจัดส่งของสินค้าคือ 100% โดยมีช่องว่างช่องเปิด .

เวลาที่จีนจะมีผลงานดีกว่า Sensex

เวลาที่จีนจะมีผลงานดีกว่า Sensex

แผนภูมิที่แสดงข้างต้นเป็นแผนภูมิอัตราส่วนของ Sensex to China อัตราส่วนของ Sensex / China Ratio ที่สูงขึ้นพร้อมกับ RSI-4 และ CCI-4 ชี้ว่าแนวโน้มจีนดีกว่าเซนซิตี สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการตีความแผนภูมิ pleast ตามลิงค์อ่านที่เกี่ยวข้องการอ่านที่เกี่ยวข้อง :ดาวโจนส์ดีกว่า Sensex? - 1 ก.ค. 2552การปรับปรุง Sensex / Dow Ratio - 16 ก.ค. 2552$ 1 $ 2

ตัวอย่างการไหลของเงินทุน Twiggs

ตัวอย่างการไหลของเงินทุน Twiggs

นี่คือตัวอย่างสำหรับการไหลเวียนเงินของ Twiggs วันที่ 21 21 วันหลักการการไหลของเงิน Twiggs ถูกนำไปใช้กับเจนไนปิโตรและตรวจสอบว่ามีการดำเนินการอย่างไรหลังจากที่ได้ทำลายความแตกต่างของการกระจายเงินในช่วงเวลาดังกล่าวการอ่านที่เกี่ยวข้องReliance และ Chennai Petro in Breakout - 26 กรกฎาคม 2552$ 1 $ 2

พอร์ตโฟลิโอเสมือน - อัปเดตเมื่อวันที่ 7 ม.ค. 2553

พอร์ตโฟลิโอเสมือน - อัปเดตเมื่อวันที่ 7 ม.ค. 2553

สรุปผลงานเสมือนจริง1) บริษัท ไมโครเทคปรับราคาเป้าหมาย 15% ณ วันที่ 31 ธันวาคม 2552 2) Dalmia Cements, Mukta Arts, Prism Cements ประกาศเป้าหมายราคาเป้าหมาย 15% ต่อ Reco ในวันที่ 5 ม.ค. 2553 3) Sintex, Gold Infra เล็งเป้าหมาย 15% ในวันที่ 7 ม.ค. 2553 4) สามารถผลิตของเล่นแฮนันได้เป็นทางออกเมื่อราคาปิดต่ำกว่า 4% เมื่อใช้ EOD ในวันที่ 30 ธ.ค. 52 ซึ่งเป็นจุดเด่นที่ขาดทุนจากการชะลอตัวบทส

SGX Nifty ทะลุสู่ระดับต่ำกว่า 4900 ระดับ

SGX Nifty ทะลุสู่ระดับต่ำกว่า 4900 ระดับ

แผนภูมิ SGX Nifty 5 นาที ขณะนี้ SGX Nifty ลดลงกว่า 250 จุดจากระดับเมื่อวานและความเชื่อมั่นทั่วโลกไม่สนับสนุนอย่างมาก การรองรับ EOD ของ Nifty ใกล้เคียงกับระดับ 5000-5020 ที่ทำให้เกิดการแตกหักบนพื้นฐาน EOD อาจทำให้จุดอ่อนของระบบมากขึ้น ผู้ค้าสามารถรอและไปซื้อได้ถ้าหากมีพื้นที่เก็บข้อมูล 5000-5020 โซนตามเกณฑ์ EOD

Nifty Smallcap - Bullish Island Reversal Pattern จะกลับมาใหม่หรือไม่?

Nifty Smallcap - Bullish Island Reversal Pattern จะกลับมาใหม่หรือไม่?

ดัชนี Nifty Smallcap สร้างรูปแบบการกลับรายการของเกาะรุกแบบดั้งเดิมในช่วงสัปดาห์สุดท้ายของเดือนมีนาคม พ.ศ. 2561 นับ แต่นั้นราคาหมายถึงย้อนกลับไปที่ 200 Moving Average ในแผนภูมิรายวัน เซสชั่นการซื้อขาย 15 รอบล่าสุดถูกโฉบรอบ 200MAการล่มสลายของ Smallcap ล่มสลายมากก่อนการแก้ไขในกลุ่มตลาดที่กว้างขึ้น เริ่มดำเนินการภายใต้ประสิทธิภาพ Nifty และ Nifty 500 ตั้งแต่กลางเดือนมกราคม 2018การผกผันของเกาะคือรูปแบบการกลับรายการในระยะสั้นที่เกิดขึ้นพร้อมกับช่องว่างที่ทับซ้อนกันสองช่อง ดูแผนภูมิย้อนกลับ FMCG Bearish Island ที่ดีสำหรับตัวอย่างที่คล้ายคลึงกันในอดีต โซน Gap บนแผนภูมิรายวันมีจำนวนประมาณ 7747 ระดับ แนวโน้มระยะกลางเป็นขาลงและความเป็นไปได้ในการทดสอบการแกว่งในปี 2018RRG Charts แสดงให้เห็นว่าโมเมนตัมเชิงลบสร้างขึ้นในระยะสั้นและกำลังหมุนเวียนอยู่ในแนวราบที่มีโมเมนตัมที่เพิ่มขึ้นในด้านลบ มีการค้าขายหนาแน่นมากเกินไปประมาณ 8200-8400 วง การแบ่งวงดนตรีนี้อาจทำให้โมเมนตัมมีข้อเสียมากขึ้น

ภาคอินเดีย - ภาคส่วนใหญ่มีแนวโน้มที่จะต่ำกว่าผลการเลือกตั้ง Karnataka ที่ไม่ดี

ภาคอินเดีย - ภาคส่วนใหญ่มีแนวโน้มที่จะต่ำกว่าผลการเลือกตั้ง Karnataka ที่ไม่ดี

Karnataka ผลการเลือกตั้งมีกำหนดสำหรับสัปดาห์นี้ (วันที่ 15 พฤษภาคม พ.ศ. 2561) เดือนที่น่าสนใจจากผลการดำเนินงานที่สำคัญแสดงให้เห็นว่า Nifty, Bank Nifty, Nifty Financial Services, Nifty Energy เป็นดัชนีที่สำคัญซึ่งนักลงทุนตั้งกองในเดือนพฤษภาคม ภาคที่เหลือแสดงการเติบโตติดลบจนถึงปัจจุบันMidcaps และ Smallcaps ทำผลกำไรต่ำกว่าประสิทธิภาพในการทำงานกับ Nifty และมีแนวโน้มที่จะดีกว่าในอนาคตในขณะที่โมเมนตัม RRG ส่วนใหญ่จะเป็นลบและจะเปลี่ยนจากความอ่อนแอไปสู่ด้านหลังที่ล้าหลังตารางแคป RRG ขนาดกลางและขนาดเล็ก คล้าย Underperformance ยังมาจากภาคเช่นโลหะ Nifty, สินค้าโภคภัณฑ์ Nifty, Nifty FMCG, Nifty Media, Nifty Auto, Nifty FMCG, Nifty พลังงาน, Nifty IT และ Nifty Realty, Nifty 500 - คาดว่าจะมีผลการดำเนินงานที่ต่ำกว่าเกณฑ์เมื่อเทียบกับ Nifty 50 เนื่องจากภาคต่างๆกำลังได้รับแรงผลักดันเชิงลบต่อ Nifty 50 และพยายามที่จะเปลี่ยนจากการอ่อนตัวลงสู่ด้านหลังที่ล้าหลังRRG Charts ของกลุ่มหลัก

การดำเนินการประเมินค่าตัวกรองคาลมานในค่าเฉลี่ยใน Python โดยใช้ PyKalman, Bokeh และ NSEPy

การดำเนินการประเมินค่าตัวกรองคาลมานในค่าเฉลี่ยใน Python โดยใช้ PyKalman, Bokeh และ NSEPy

ตัวกรองคาลมาน เป็นอัลกอริธึมประมาณค่าที่เหมาะสมที่สุดในการประมาณค่าตัวแปรซึ่งสามารถวัดได้โดยทางอ้อมและหาค่าประมาณที่ดีที่สุดของรัฐโดยการรวมการวัดจากเซ็นเซอร์ต่างๆในที่ที่มีเสียงดังตัวกรองคาลมานชื่อ Rudolf E.

การคำนวณดัชนีของ NSE แบบ Sectoral โดยใช้ Python

การคำนวณดัชนีของ NSE แบบ Sectoral โดยใช้ Python

ขอบคุณสำหรับการตอบรับที่น่าประทับใจและสร้างแรงบันดาลใจของคุณสำหรับโพสต์ Nifty Returns Heatmap Generation ต่อไปนี้เป็นอีกหนึ่งสิ่งที่ใช้ในการสร้างภาพง่ายๆโดยใช้ python ในการคํานวณดัชนี NSE Sectoral Indices (52 สัปดาห์, YTD, MTD, ผลตอบแทนเมื่อเดือนที่แล้ว) และแสดงภาพในแผนภูมิเดียวกันนี่คือไลบรารีไพ ธ อนที่จำเป็นสำหรับการสร้างภาพข้อมูลตลาดทุนIPython (Interactive Python) การทำ Seaborn (ชุดข้อมูลทางสถิติข้อมูล) หมีแพนด้า (Python Library เพื่อจัดการกับข้อมูลชุดข้อมูล) NSEpy (เรียกข้อมูลประวัติจาก NSEpy - NSEpy 0.3 ver หรือสูงกว่า) Matplotlib (ห้องสมุด Python เพื่อจัดการ 2D วางแผน)โน้ตบุ๊ค IPython ตัวอย่างเพื่อคำนวณดัชนีสาขา NSE โดยใช้ Python ด้านล่าง:ในครั้งต่อไปจะพยายามนำเสนอข้อมูลที่น่าสนใจและให้ข้อมูลเพิ่มเติม

Nifty ส่งคืนการสร้าง Heatmap โดยใช้ NSEpy และ Seaborn

Nifty ส่งคืนการสร้าง Heatmap โดยใช้ NSEpy และ Seaborn

ทุกคนชอบที่จะเห็นภาพตลาดนี้ด้วยวิธีของตนเอง Python มีประโยชน์เมื่อมาถึง visualization หนึ่งในภาษาโปรแกรมที่น่าเกรงขามในการกำหนดระดับความซับซ้อนใด ๆ อย่างไรก็ตามฉันเริ่มต้นที่นี่โดยเพียงแค่สร้าง heatmap ซึ่งแสดงผลตอบแทนที่ได้รับจาก Historical Nifty ตั้งแต่ปีพ. ศ. 2543 และโดยการจินตนาการถึงความเป็นจริงของตลาดผลตอบแทนทางประวัติศาสตร์ที่น่าพอใจ (ร้อยละ)นี่คือไลบรารีไพ ธ อนที่จำเป็นสำหรับการสร้างภาพข้อมูลตลาดทุนIPython (Interactive Python) การทำ Seaborn (ชุดข้อมูลทางสถิติข้อมูล) หมีแพนด้า (Python Library เพื่อจัดการกับข้อมูลชุดข้อมูล) NSEpy (เรียกข้อมูลประวัติจาก NSEpy - NSEpy 0.3 ver หรือสูงกว่า) Matplotlib (ห้องสมุด Python เพื่อจัดการ 2D วางแผน)โน้ตบุ๊ค IPython ตัวอย่างเพื่อสร้าง Nifty Spot ส่งผลให้เกิด heatmap ด้านล่าง:สำหรับเวอร์ชันที่เรียบง่าย $ ผลตอบแทนรายเดือนนิสัยดี ง่าย #Python รหัส: //t.co/1hROEONDd5 แรงบันดาลใจจากรหัสที่ใช้ร่วมกันโดย _ pic.twitter.com/TDx1SHjFAw- Uptickr (@uptickr) วันที่ 12 มีนาคม 2016หุ้นคืน Heatmap - สมุดบันทึก Ipython

การวิเคราะห์ตัวกรอง Hodrick Prescott - Python

การวิเคราะห์ตัวกรอง Hodrick Prescott - Python

Wikipedia กล่าวว่าตัวกรอง Hodrick-Prescott (หรือที่เรียกว่าการสลายตัวของ Hodrick-Prescott) เป็นเครื่องมือทางคณิตศาสตร์ที่ใช้ในเศรษฐศาสตร์มหภาคโดยเฉพาะอย่างยิ่งในทฤษฎีวัฏจักรธุรกิจจริงเพื่อลบคอมโพเนนต์วัฏจักรของชุดข้อมูลเวลาออกจากข้อมูลดิบตัวกรอง Hodrick Prescott (HP Filter) ไม่มีการสลายตัวแบบ Time series ซึ่งเกี่ยวข้องกับการแยกชุดข้อมูลเป็นชุดเวลาออกเป็นส่วนประกอบต่างๆ (ส่วนประกอบ Cycle และ Trend Component) และตัวกรองนี้ดูเหมือนว่าจะสามารถนำไปใช้กับข้อมูล timeseries ใด ๆ โดยเฉพาะอย่างยิ่งกับราคาหุ้นเพื่อให้เข้าใจถึงแนวโน้มพื้นฐานและวงจรที่เกี่ยวข้องกับมันต่อไปนี้เป็นตัวอย่างโน้ตบุ๊ก ipython ง่ายๆสำหรับ Hodrick Prescott Filter Analysis เราใช้ library statsmodel เพื่อคำนวณส่วนประกอบ Hodrick Prescott Filter Components, Matplotlib เพื่อแปลงข้อมูล NSEpy เพื่อเรียกข้อมูลสต็อกจาก NSEIndia และ Pandas เพื่อจัดการข้อมูลชุดข้อมูลเวลากราฟด้านบนแสดงราคาหุ้น TCS และองค์ประกอบส่วนประกอบของตัวกรอง HP และส่วนประกอบรอบ คุณอาจสังเกตเห็นว่าส่วนประกอบของเทรนด์มีความราบรื่นและดีมากในการพยากรณ์อนาคตของทิศทางราคา TCS ขนาดกลาง ส่วนประกอบของ Cycle Component แสดงให้เห็นถึงแนวโน้มการกลับรายการ ในมุมมองของฉันควรเป็นเครื่องมือที่ดีกว่าสำหรับผู้ค้าและนักลงทุนในการทราบถึงแนวโน้มพื้นฐาน โดยเฉพาะอย่างยิ่งตัวกรอง HP เหมาะกับผู้ติดตามแนวโน้มและผู้ค้าที่มีการพลิกกลับหมายถึง!

เรียกข้อมูล Intraday จาก Google และพล็อตโดยใช้ Python

เรียกข้อมูล Intraday จาก Google และพล็อตโดยใช้ Python

ต่อไปนี้เป็นอีกหนึ่งเคล็ดลับแบบหลามที่น่าสนใจเพื่อเรียกข้อมูลข้อมูลภายในระหว่างวันโดยใช้ Google Finance API จัดเก็บข้อมูลในรูปแบบ CSV และวางแผนข้อมูลในวันที่เป็นรูปแบบเชิงเทียน เรากำลังใช้ห้องสมุดล็อตไลซ์สำหรับวางแผนแผนภูมิแท่งเทียนและแพนด้าเพื่อจัดการข้อมูลชุดเวลา โชคดีที่พบและโค้ดหลามที่น่าสนใจซึ่งเรียกข้อมูล google intraday และเก็บในรูปแบบ CSV ดำเนินการเปลี่ยนแปลงเล็กน้อยในโค้ด (แลกเปลี่ยนเพิ่มลงใน Google API) เพื่อให้สามารถเรียกข้อมูลสำหรับการแลกเปลี่ยนใด ๆในตัวอย่างของเราเราพยายามดึงข้อมูล (Date, Time, Symbol, Open, High, Low, Close, Volume data) สำหรับ RCOM (Reliance Communication) และวางแผนเป็น candlesticks โดยใช้ไลบรารีล็อลลี่ ดาวน์โหลดตัวอย่าง RCOM ไฟล์ CSV ที่เรียกจาก Google Finance โน้ตบุ๊ค IPython ตัวอย่างใช้ Plotly และ pandas เพื่อวางแผนกราฟอินเทอร์แอ็กทีฟเชิงเทียนโดยใช้ Google Finance API:ในบทแนะนำต่อไปเราจะพูดถึงวิธีผลักดันข้อมูลภายในวันที่ให้กับซอฟต์แวร์ Amibroker โดยใช้ python

วิธีการแปลงกราฟแท่งเทียนโดยใช้ Python

วิธีการแปลงกราฟแท่งเทียนโดยใช้ Python

ในบทเรียนล่าสุดเราได้เห็นวิธีการนำเข้าข้อมูลจาก NSEindia โดยใช้ไลบรารี NSEpy และวิธีการคำนวณการรวมเข้าด้วยกัน ในบทแนะนำนี้เราจะใช้ล็อตเตอรี่ห้องสมุดเพื่อสร้างภาพข้อมูลของคุณแบบไดนามิกและแพนด้าไลบรารีเพื่อจัดการข้อมูลอนุกรมเวลาเพื่อสร้างแผนภูมิติดเทียนแบบโต้ตอบPlotly ให้บริการเว็บโฮสติ้งกราฟและขณะนี้โฮสติ้งสาธารณะเป็นบริการฟรี เพียงสร้างบัญชีและได้รับคีย์ API สำหรับการตรวจสอบเพื่อโฮสต์ข้อมูลการแสดงข้อมูลของคุณสร้างบัญชีของคุณด้วยพล็อตและรับคีย์ API พล็อตที่นี่เพื่อที่จะใช้บริการล็อตการติดตั้ง ในเทอร์มินัล CLI ให้คัดลอกและวางข้อมูลต่อไปนี้เพื่อติดตั้งไลบรารี Plotly และตั้งข้อมูลรับรองผู้ใช้ของคุณคุณต้องแทนที่ 'DemoAccount' และ 'lr1c37zw81' ด้วยชื่อผู้ใช้ Plotly และคีย์ API ของคุณขอแนะนำให้อัพเกรดเป็นห้องสมุด Pandas และ Plotly รุ่นล่าสุดโน้ตบุ๊ค IPython ตัวอย่างใช้ล็อตเตอรี่เพื่อวางแผนแผนภูมิเชิงเทียนแบบโต้ตอบ:

คำนวณคอมไพล์ด้วย NsePy, Pandas Library

คำนวณคอมไพล์ด้วย NsePy, Pandas Library

นี่เป็นตัวอย่างง่ายๆในการคำนวณ Cointegration ระหว่างคู่สต็อกสองตัวโดยใช้ห้องสมุดหลามเช่น NSEpy, Pandas, statmodels, matplotlibCointegration ถูกใช้ใน Arbitrage ทางสถิติเพื่อหาคู่หุ้นที่ดีที่สุด (Pair Trading) เพื่อไปลงทุนในหุ้นระยะยาวและสั้น (Competitive peers) เพื่อสร้างผลตอบแทน การถ่วงดุลทางสถิติ (StatArb) เป็นเรื่องเกี่ยวกับการพลิกกลับหมายถึงการมองหาค่าเบี่ยงเบนในการแพร่กระจายและคาดว่าการพลิกกลับค่าเฉลี่ยจากการแพร่กระจายNSEpy - เรียกข้อมูลย้อนหลังจาก nseindia.com Pandas - ห้องสมุด Python เพื่อจัดการข้อมูลชุดเวลา Statmodels - ห้องสมุด Python เพื่อจัดการกับการดำเนินงานทางสถิติเช่นการรวมกัน Matplotlib - ห้องสมุด Python เพื่อจัดการการวางแผนกราฟ 2Dเราจะใช้ฟังก์ชัน NS_py get_history เพื่อดึงข้อมูลดัชนีจาก nseindia อย่างไรก็ตามเพื่อดึงข้อมูลสต็อคที่คุณต้องการใช้ get_price_history การสำรวจห้องสมุด NSEpy จะให้แนวคิดที่กว้างขึ้นเกี่ยวกับวิธีทำซ้ำสำหรับคลังหุ้น แต่ปัญหาเกี่ยวกับข้อมูลของ NSEIndia ก็คือข้อมูลหุ้นไม่ได้ถูกปรับเปลี่ยนเป็น split / bonus จะจัดการว่าในโพสต์อื่นเกี่ยวกับวิธีประมวลผลข้อมูลสำหรับการแบ่ง / โบนัสก่อนที่จะวิเคราะห์ข้อมูลชุดข้อมูลเวลา ตัวอย่างคอมพิวเตอร์ IPython เพื่อคำนวณ Cointegration ด้านล่าง:อ้างอิงการบรรยายเชิง Quantopian เกี่ยวกับการซื้อขายคู่ ห้องสมุด Python เพื่อรับข้อมูลที่เปิดเผยต่อสาธารณชนบนเว็บไซต์ NSE - NSEpy