Handelssignaler

Finansiell handel i Python

Chelsea Yang

Data Science Instructor

Vad är handelssignaler?

Triggers för långa eller korta positioner i finansiella tillgångar baserat på fördefinierade kriterier
Kan konstrueras med:
- En teknisk indikator
- Flera tekniska indikatorer
- En kombination av marknadsdata och indikatorer
Används ofta inom algoritmisk handel

Ett signalexempel

Signal: Pris > SMA (lång position när priset stiger över SMA)

Ett diagram över en signal som indikerar handelsingångar.

Implementera signaler i bt

Hämta data och beräkna indikatorer
Definiera den signalbaserade strategin
- bt.algos.SelectWhere()
- bt.algos.WeighTarget()
Skapa och kör ett backtest
Granska backtestresultatet

Konstruera signalen

# Get price data by the stock ticker
price_data = bt.get('aapl', start='2019-11-1', end='2020-12-1')

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

Alternativt kan du använda talib för att beräkna indikatorn:

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

Definiera en signalbaserad strategi

# Define the signal-based strategy
bt_strategy = bt.Strategy('AboveEMA',
                          [bt.algos.SelectWhere(price_data > sma),
                           bt.algos.WeighEqually(),
                           bt.algos.Rebalance()])

Vi antar för enkelhetens skull:
- Handel med en tillgång i taget
- Ingen slippage eller courtage
  - Slippage: skillnaden mellan förväntat pris och faktiskt genomfört pris
  - Courtage: avgifter som mäklare tar ut vid handel

Backtest av den signalbaserade strategin

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

Visualisera backtestresultatet

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

Diagram över backtestresultatet

Nu kör vi en övning!

Finansiell handel i Python