Trading-Signale

Finanzhandel mit Python

Chelsea Yang

Data Science Instructor

Was sind Trading-Signale?

Auslöser für Long- oder Short-Positionen basierend auf vordefinierten Kriterien
Können aufgebaut werden mit:
- Einem technischen Indikator
- Mehreren technischen Indikatoren
- Einer Kombination aus Marktdaten und Indikatoren
Häufig im algorithmischen Handel verwendet

Ein Signalbeispiel

Signal: Preis > SMA (long, wenn der Preis über die SMA steigt)

Ein Diagramm eines Signals, das Handelseinstiege nahelegt.

So setzt du Signale in bt um

Daten laden und Indikatoren berechnen
Die signalbasierte Strategie definieren
- bt.algos.SelectWhere()
- bt.algos.WeighTarget()
Einen Backtest erstellen und ausführen
Das Backtest-Ergebnis prüfen

Das Signal konstruieren

# Preisdaten per Ticker abrufen
price_data = bt.get('aapl', start='2019-11-1', end='2020-12-1')

# SMA berechnen
sma = price_data.rolling(20).mean()

Alternativ kannst du talib für die Berechnung verwenden:

# SMA berechnen
import talib
sma =  talib.SMA(price_data['Close'], timeperiod=20)

Eine signalbasierte Strategie definieren

# Die signalbasierte Strategie definieren
bt_strategy = bt.Strategy('AboveEMA',
                          [bt.algos.SelectWhere(price_data > sma),
                           bt.algos.WeighEqually(),
                           bt.algos.Rebalance()])

Zur Vereinfachung nehmen wir an:
- Handel mit einem Asset zurzeit
- Kein Slippage und keine Kommissionen
  - Slippage: Differenz zwischen erwartetem Preis und Ausführungspreis eines Trades
  - Kommission: Gebühren, die Broker bei der Ausführung erheben

Die signalbasierte Strategie backtesten

# Backtest erstellen und ausführen
bt_backtest = bt.Backtest(bt_strategy, price_data)
bt_result = bt.run(bt_backtest)

Das Backtest-Ergebnis plotten

# Backtest-Ergebnis plotten
bt_result.plot(title='Backtest result')

Diagramm des Backtest-Ergebnisses

Lass uns üben!

Finanzhandel mit Python