Wskaźniki MA trendu

Financial Trading w Pythonie

Chelsea Yang

Data Science Instructor

Czym są wskaźniki techniczne?

Obliczenia matematyczne oparte na historycznych danych rynkowych
Zakładają, że rynek jest efektywny i cena uwzględnia wszystkie publiczne informacje
Pomagają traderom analizować historyczne wzorce cen

Rodzaje wskaźników

Wskaźniki trendu: mierzą kierunek lub siłę trendu
- Przykład: Średnie ruchome (MA), Średni wskaźnik kierunkowy (ADX)
Wskaźniki momentum: mierzą prędkość zmian cen
- Przykład: Wskaźnik siły względnej (RSI)
Wskaźniki zmienności: mierzą wielkość odchyleń cen
- Przykład: Wstęgi Bollingera

Pakiet TA-Lib

TA-Lib: biblioteka analizy technicznej

Zawiera ponad 150 implementacji wskaźników technicznych

import talib

Wskaźniki średniej ruchomej

SMA: prosta średnia ruchoma
EMA: wykładnicza średnia ruchoma

Cechy charakterystyczne:
- Podążają za ceną
- Wygładzają dane, ułatwiając identyfikację kierunku ceny

Prosta średnia ruchoma (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

Wykres 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()

Wykres SMA

Wykładnicza średnia ruchoma (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

Wykres 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()

Wykres EMA

SMA vs. EMA

EMA jest bardziej czuła na ostatnie ruchy cen

Wykres porównujący SMA i EMA obliczone dla tego samego okna wstecznego

Czas na ćwiczenia!

Financial Trading w Pythonie