Trendartikulerande glidande medelvärden

Finansiell handel i Python

Chelsea Yang

Data Science Instructor

Vad är tekniska indikatorer?

Matematiska beräkningar baserade på historiska marknadsdata
Utgår från att marknaden är effektiv och att priset speglar all offentlig information
Hjälper traders att förstå historiska prismönster

Typer av indikatorer

Trendindikatorer: mäter en trends riktning eller styrka
- Exempel: Glidande medelvärden (MA), Average Directional Movement Index (ADX)
Momentumindikatorer: mäter hur snabbt priset rör sig
- Exempel: Relative Strength Index (RSI)
Volatilitetsindikatorer: mäter storleken på prisavvikelser
- Exempel: Bollinger Bands

Paketet TA-Lib

TA-Lib: Technical Analysis Library

Innehåller 150+ implementerade tekniska indikatorer

import talib

Indikatorer för glidande medelvärden

SMA: Simple Moving Average (enkelt glidande medelvärde)
EMA: Exponential Moving Average (exponentiellt glidande medelvärde)

Egenskaper:
- Följer priset
- Jämnar ut data för att tydligare visa prisriktningen

Simple Moving Average (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

Plotta 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()

Graf över SMA

Exponential Moving Average (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

Plotta 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()

Graf över EMA

SMA vs. EMA

EMA är känsligare för de senaste prisrörelserna

Graf som jämför SMA och EMA beräknade med samma tidsfönster

Nu kör vi en övning!

Finansiell handel i Python