在做策略建模的时候，经常需要把K线转换为可以正态分布数据，这样可以使用那些很牛吼吼的数学模型进行挖掘。
实现很简单
c = ln(t1/t0)
像相信研究可以看看这个
如果我们考察单一投资品在总共 T 期内的表现，那应该用对数收益率，而非算数收益率。算术平均值不能 正确的反应一个投资品的收益率。比如一个投资品今年涨了 50%，明年跌了 50%，它的算数平均收益率为 0；但事实上，两年后该投资品亏损了最初资金的 25%。相反的，对数收益率由于具备可加性，它的均值 可以正确反映出该投资品的真实收益率。比如这两年的对数收益率分别为 40.5% 和 -69.3%，平均值为 -28.77%，转换为百分比亏损就是 exp{-28.77%} - 1 = -25%。
对数收益率的时序可加性让我们能够使用另外两个利器：“中心极限定理”和“大数定律”。假设初始资 金 X_0（假设等于 1），ln(X_T) = ln(X_T/X_0) 就是整个 T 期的对数收益率。对数收益率的最大好处是它 的可加性，把单期的对数收益率相加就得到整体的对数收益率。
在VNPY的K线序列管理工具ArrayManager，可以加入下面代码。按照属性返回对数收益率序列
|
1
2
3
4
5
6
|
@propertydef percentLog(self):
"""获取对数收益序列"""
arrayold = self.closeArray[0:self.size - 1]
arraynew = self.closeArray[1:self.size]
return np.log(arraynew/arrayold)*100.0
|
传统close 曲线
对数收益率后，把几个突变极大极小值忽略后，就是一个很近似正态分布，然后就可以用一堆模型来套用了。