傳統的經濟理論認為股票市場是有效的，價格波動是對市場信息的反應，投資者能夠及時處理所有實時信息並做出最優決策。
交易策略基本思想
投資者的當期關注和股票當期收益呈現正向變動關係，而投資者的滯後關注對股票當期收益表現為負面影響，根據這一結論，投資者應該根據關注度的變化情況適當的做出交易策略，當股票的關注度高時賣出股票，而當關注度低時則買入股票。
利用百度指數的日度數據衡量投資者的日度關注狀況，但日度以內就無法在進行細分了，無法實現同一天內投資者關注度變化的衡量，所以自能以日度數據為基礎研究前一期或者前數期投資者關注度的變化對當前投資決策的指導作用。當前日投資者對某隻股票的關注度偏高時，應該在當期賣出標的，以獲得關注度的溢價收益。
關注度數據：
絕對高關注度交易策略
絕對高關注度就是設定一個數值為關注度達到的偏高標準，一般情況下就是根據股票關注度的歷史數據來定義絕對關注度偏高標準，具體的定義如下：
上式中，表示當期投資者關注度，其中為對應標的樣本區間前三個月歷史日關注度的前20%分位數，當此值大於當期投資者關注時，則認為關注度是偏低的；為對應標的樣本區間前三個月歷史日關注度的前80%分位數，此數值大於當期關注度時，則認為關注度處於偏高狀態；噹噹期關注度介於前20%分位數和前80%分位數時，則認為此時的關注度處在正常範圍內，既不偏高也不偏低。
交易策略設計思想
根據上文實證研究結果，高關注度會給當期帶來超額收益，但在反轉效應的驅使下，後期的股價將會走低，也就是說高關注度之後股價會下行，反之低關注度之後股價會上升，所以結合上文對絕對高關注度的定義，其交易策略可以設定為：
Cash[i+1]=stockprice[i-1]+Cash[i]#關注度低於q_20
stockprice[i]=0# 賣出
n=0
}else{
if(ldata[i]>q_80){
p=0.3;#如果高於關注度，設置買入股數的比率
up=(cdata[i]-cdata[i-1])/(cdata[i-1])#計算漲幅
從上式可以看出，如果關注度偏低，就執行買入策略，如果關注度偏高，就執行賣出策略，這一操作思想是完全根據投資者關注度有沒有達到設定的高標準，通過對高關注度定義執行買賣操作以獲取股票溢價。需要強調的是，這裡的買賣策略是簡化了的策略，是在不考慮其他因素的情況而僅僅根據關注度的高低執行的交易策略，以便將問題簡單化。
交易策略實施過程
每個策略必須有代表股票的交易策略圖。
三種策略最後的結果匯總，如下圖
項目收益均值收益為正次數平均交易次數收益與最大回撤比值均值數值1.831098.34911286.6%
三種策略下每隻股票的具體結果 116*3=348個具體結果
每個策略運行的是116隻股票，483個交易日的數據，買入和賣出股票是用有限關注（AT）進行衡量（以過去三個月關注度為參考）
##篩選出股票數據
index= which(substr(a,1,4)=="SH60"|substr(a,1,4)=="SZ00");
points(profitindex,ldata[sort(profitindex)],col="green")#5日均線
lines(cdata[(startdate+1): length(cdata)]/10 ,col="red")
#繪製收益曲線
#plot(profit,type="b")
最受歡迎的見解
1.R語言對S＆P500股票指數進行ARIMA + GARCH交易策略
2.R語言改進的股票配對交易策略分析SPY—TLT組合和中國股市投資組合
3.R語言時間序列：ARIMA GARCH模型的交易策略在外匯市場預測應用
4.TMA三均線期指高頻交易策略的R語言實現
5.r語言多均線量化策略回測比較
6.用R語言實現神經網絡預測股票實例
7.r語言預測波動率的實現：ARCH模型與HAR-RV模型
8.R語言如何做馬爾科夫轉換模型markov switching model
9.matlab使用Copula仿真優化市場風險