Strategie podążające za trendem

Financial Trading w Pythonie

Chelsea Yang

Data Science Instructor

Dwa rodzaje strategii handlowych

Podążanie za trendem

Zakład, że trend cenowy będzie kontynuowany
Sygnały transakcyjne budowane na wskaźnikach trendowych, takich jak średnie kroczące, ADX itp.

Powrót do średniej

Zakład, że cena powróci do średniej
Sygnały transakcyjne budowane na wskaźnikach takich jak RSI, wstęgi Bollingera itp.

Strategia przecięcia MA

Trend jest Twoim przyjacielem.

Przecięcie dwóch EMA:
- Sygnał długi: krótkoterminowa EMA przecina długoterminową EMA od dołu
- Sygnał krótki: krótkoterminowa EMA przecina długoterminową EMA od góry

Obliczanie wskaźników

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()

Konstruowanie sygnału

# 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

Wykres sygnału

# 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'])

Wykres sygnału EMA_crossover

Definiowanie strategii z sygnałem

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

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

Backtesting strategii opartej na sygnale

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

Wykres wyników backtestingu

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

Wynik backtestingu MA_crossover

Czas na ćwiczenia!

Financial Trading w Pythonie