Medie mobili come indicatori di trend

Trading finanziario con Python

Chelsea Yang

Data Science Instructor

Cosa sono gli indicatori tecnici?

Calcoli matematici su dati storici di mercato
Presuppongono un mercato efficiente: il prezzo incorpora tutta l'informazione pubblica
Aiutano a capire gli schemi dei prezzi passati

Tipi di indicatori

Indicatori di trend: misurano direzione o forza del trend
- Esempio: medie mobili (MA), Average Directional Movement Index (ADX)
Indicatori di momentum: misurano la velocità del movimento dei prezzi
- Esempio: Relative Strength Index (RSI)
Indicatori di volatilità: misurano l'ampiezza delle deviazioni dei prezzi
- Esempio: Bande di Bollinger

Il pacchetto TA-Lib

TA-Lib : Technical Analysis Library

Include oltre 150 implementazioni di indicatori tecnici

import talib

Indicatori di media mobile

SMA: Simple Moving Average
EMA: Exponential Moving Average

Caratteristiche:
- Si muovono con il prezzo
- Smussano i dati per indicare meglio la direzione del prezzo

Simple Moving Average (SMA)

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

# Calcola due SMA
stock_data['SMA_short'] = talib.SMA(stock_data['Close'], timeperiod=10)
stock_data['SMA_long'] = talib.SMA(stock_data['Close'], timeperiod=50)

# Stampa le ultime cinque righe
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

Rappresentare la SMA

import matplotlib.pyplot as plt

# Traccia le SMA con il prezzo
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')

# Personalizza e mostra il grafico
plt.legend()
plt.title('SMAs')
plt.show()

Grafico delle SMA

Exponential Moving Average (EMA)

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

$multiplier = 2 / (n + 1)$

# Calcola due EMA
stock_data['EMA_short'] = talib.EMA(stock_data['Close'], timeperiod=10)
stock_data['EMA_long'] = talib.EMA(stock_data['Close'], timeperiod=50)
# Stampa le ultime cinque righe
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

Rappresentare la EMA

import matplotlib.pyplot as plt
# Traccia le EMA con il prezzo
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')

# Personalizza e mostra il grafico
plt.legend()
plt.title('EMAs')
plt.show()

Grafico delle EMA

SMA vs. EMA

L'EMA è più sensibile ai movimenti di prezzo recenti

Un grafico che mostra SMA vs EMA calcolate con la stessa finestra di lookback

Esercitiamoci!

Trading finanziario con Python