Moyennes mobiles indicatrices de tendance

Trading financier en Python

Chelsea Yang

Data Science Instructor

Qu'est-ce qu'un indicateur technique ?

Calculs mathématiques basés sur des données de marché historiques
Supposent un marché efficient où le prix intègre toute l'information publique
Aident à analyser les schémas de prix passés

Types d'indicateurs

Indicateurs de tendance : mesurent la direction ou la force d'une tendance
- Exemple : moyennes mobiles (MA), Average Directional Movement Index (ADX)
Indicateurs de momentum : mesurent la vitesse du mouvement des prix
- Exemple : Relative Strength Index (RSI)
Indicateurs de volatilité : mesurent l'ampleur des écarts de prix
- Exemple : Bandes de Bollinger

Le package TA-Lib

TA-Lib : Technical Analysis Library

Contient plus de 150 implémentations d'indicateurs techniques

import talib

Indicateurs de moyennes mobiles

SMA : Simple Moving Average (moyenne mobile simple)
EMA : Exponential Moving Average (moyenne mobile exponentielle)

Caractéristiques :
- Évoluent avec le prix
- Lissent les données pour mieux indiquer la direction du prix

Simple Moving Average (SMA)

$ SMA = (P_1+P_2+...+P_n)/n $

# Calculate two SMAs
stock_data['SMA_short'] = talib.SMA(stock_data['Close'], timeperiod=10)
stock_data['SMA_long'] = talib.SMA(stock_data['Close'], timeperiod=50)

# Print the last five rows
print(stock_data.tail())

             Close  SMA_short  SMA_long
Date                                   
2020-11-24 1768.88    1758.77   1594.74
2020-11-25 1771.43    1760.65   1599.75
2020-11-27 1793.19    1764.98   1605.70
2020-11-30 1760.74    1763.35   1611.71
2020-12-01 1798.10    1765.02   1619.05

Tracer la SMA

import matplotlib.pyplot as plt

# Plot SMA with the price
plt.plot(stock_data['SMA_short'], 
         label='SMA_short')
plt.plot(stock_data['SMA_long'], 
         label='SMA_long')
plt.plot(stock_data['Close'], 
         label='Close')

# Customize and show the plot
plt.legend()
plt.title('SMAs')
plt.show()

Graphique des SMA

Exponential Moving Average (EMA)

$EMA_n = P_n \times multiplier + \text{previous EMA} \times (1-multiplier)$

$multiplier = 2 / (n + 1)$

# Calculate two EMAs
stock_data['EMA_short'] = talib.EMA(stock_data['Close'], timeperiod=10)
stock_data['EMA_long'] = talib.EMA(stock_data['Close'], timeperiod=50)
# Print the last five rows
print(stock_data.tail())

             Close  EMA_short  EMA_long
Date                                   
2020-11-24 1768.88    1748.65   1640.98
2020-11-25 1771.43    1752.79   1646.09
2020-11-27 1793.19    1760.13   1651.86
2020-11-30 1760.74    1760.24   1656.13
2020-12-01 1798.10    1767.13   1661.70

Tracer l'EMA

import matplotlib.pyplot as plt
# Plot EMA with the price
plt.plot(stock_data['EMA_short'], 
         label='EMA_short')
plt.plot(stock_data['EMA_long'], 
         label='EMA_long')
plt.plot(stock_data['Close'], 
         label='Close')

# Customize and show the plot
plt.legend()
plt.title('EMAs')
plt.show()

Graphique des EMA

SMA vs EMA

L'EMA est plus sensible aux mouvements de prix récents

Graphique comparant SMA et EMA avec la même fenêtre de calcul

Passons à la pratique !