摘要：1) 模拟次数从1万次上升到5万次. 即: result=garch_monte_carlo_min_price(df, symbol, days=30, simulations=50000)

今天上午有一个来小时的时间, 继续优化量化模型.

目前的预测情况如下:

==========

517180.SH 25% low price: 1.3844259198958397

517180.SH 基准价: 1.462

517180.SH 最高价/最低价: 1.695 / 1.384

517180.SH 最高价(模型): 1.626

517180.SH 上价差/下价差: 0.047 / 0.016

517180.SH 每笔: 1500.0

517180.SH 向下格子数: 5

==========

511220.SH 25% low price: 10.153238129671815

511220.SH 基准价: 10.234

511220.SH 最高价/最低价: 10.476 / 10.153

511220.SH 最高价(模型): 10.434

511220.SH 上价差/下价差: 0.048 / 0.016

511220.SH 每笔: 200.0

511220.SH 向下格子数: 5

==========

513870.SH 25% low price: 1.2229415403196073

513870.SH 基准价: 1.3159999999999998

513870.SH 最高价/最低价: 1.595 / 1.223

513870.SH 最高价(模型): 1.51

513870.SH 上价差/下价差: 0.056 / 0.019

513870.SH 每笔: 1700.0

513870.SH 向下格子数: 5

==========

518680.SH 25% low price: 6.904904002430092

518680.SH 基准价: 7.077

518680.SH 最高价/最低价: 7.593 / 6.905

518680.SH 最高价(模型): 7.81

518680.SH 上价差/下价差: 0.103 / 0.034

518680.SH 每笔: 300.0

518680.SH 向下格子数: 5

做了几个改动:

1) 模拟次数从1万次上升到5万次. 即: result=garch_monte_carlo_min_price(df, symbol, days=30, simulations=50000)

2) 预测波动率改用30天均值而非最后一天, 也就是: sigma_forecast = garch_forecast.variance.values[-1] **0.5/100# 恢复原始波动率 改为: sigma_forecast=np.sqrt(garch_forecast.variance.values[-1].mean) /100

3) 手算漂移残值改为模型提供, 也就是: mu=np.mean(log_returns) # 计算历史均值收益 改为: res.params['mu']

4) 也是最重要的, 预测网格上限值从之前的下限*3, 改为Garch模型预测最大值的12.5%分布.

来源：孤城的体育世界