Trendföljande strategier

Finansiell handel i Python

Chelsea Yang

Data Science Instructor

Två typer av handelsstrategier

Trendföljande

Satsar på att pristrenden fortsätter i samma riktning
Använder trendindikatorer som rörliga medelvarden, ADX m.fl. för att konstruera handelssignaler

Medelvärdesåtergång

Satsar på att priset tenderar att återgå mot medelvärdet
Använder indikatorer som RSI, Bollinger Bands m.fl. för att konstruera handelssignaler

MA-korsningsstrategi

Trenden är din vän.

Två EMA-korsning:
- Köpsignal: det kortsiktiga EMA korsar över det långsiktiga EMA
- Säljsignal: det kortsiktiga EMA korsar under det långsiktiga EMA

Beräkna indikatorerna

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()

Konstruera signalen

# 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

Rita signalen

# 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'])

Graf över EMA-korsningssignal

Definiera strategin med signalen

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

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

Backtesta den signalbaserade strategin

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

Rita backtestresultaten

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

Backtestresultat för MA-korsning

Nu kör vi en övning!

Finansiell handel i Python