Trendfolgestrategien

Finanzhandel mit Python

Chelsea Yang

Data Science Instructor

Zwei Arten von Handelsstrategien

Trendfolge

Setze darauf, dass der Preistrend in dieselbe Richtung weiterläuft
Nutze Trendindikatoren wie gleitende Durchschnitte, ADX usw., um Handelssignale zu erzeugen

Mean Reversion

Setze darauf, dass der Preis zum Mittelwert zurückkehrt
Nutze Indikatoren wie RSI, Bollinger-Bänder usw., um Handelssignale zu erzeugen

MA-Crossover-Strategie

The trend is your friend.

Zwei EMA-Crossovers:
- Long-Signal: die kurzfristige EMA kreuzt über die langfristige EMA
- Short-Signal: die kurzfristige EMA kreuzt unter die langfristige EMA

Indikatoren berechnen

import talib
# Calculate the indicators
EMA_short = talib.EMA(price_data['Close'],
                      timeperiod=10).to_frame()
EMA_long = talib.EMA(price_data['Close'], 
                     timeperiod=40).to_frame()

Signal konstruieren

# Create the signal DataFrame
signal = EMA_long.copy()
signal[EMA_long.isnull()] = 0


# Construct the signal
signal[EMA_short > EMA_long] = 1

signal[EMA_short < EMA_long] = -1

Signal plotten

# Plot the signal, price and MAs
combined_df = bt.merge(signal, price_data, EMA_short, EMA_long)
combined_df.columns = ['Signal', 'Price', 'EMA_short', 'EMA_long']

combined_df.plot(secondary_y=['Signal'])

EMA-Crossover-Signalplot

Strategie mit dem Signal definieren

# Define the strategy
bt_strategy = bt.Strategy('EMA_crossover',

                          [bt.algos.WeighTarget(signal),
                           bt.algos.Rebalance()])

Signalbasierte Strategie backtesten

# Create the backtest and run it
bt_backtest = bt.Backtest(bt_strategy, price_data)
bt_result = bt.run(bt_backtest)

Backtest-Ergebnisse plotten

# Plot the backtest result
bt_result.plot(title='Backtest result')

MA-Crossover-Backtest-Ergebnis

Lass uns üben!

Finanzhandel mit Python