MA як індикатори тренду

Фінансовий трейдинг у Python

Chelsea Yang

Data Science Instructor

Що таке технічні індикатори?

Математичні розрахунки на основі історичних ринкових даних
Припускають ефективний ринок: ціна враховує всю публічну інформацію
Допомагають зрозуміти минулі цінові патерни

Типи індикаторів

Індикатори тренду: вимірюють напрям або силу тренду
- Приклад: ковзні середні (MA), Average Directional Movement Index (ADX)
Індикатори імпульсу: вимірюють швидкість руху ціни
- Приклад: Relative Strength Index (RSI)
Індикатори волатильності: вимірюють величину відхилень ціни
- Приклад: смуги Боллінджера

Пакет TA-Lib

TA-Lib : бібліотека технічного аналізу

Містить 150+ реалізацій технічних індикаторів

import talib

Індикатори ковзної середньої

SMA: Simple Moving Average (проста ковзна середня)
EMA: Exponential Moving Average (експоненційна ковзна середня)

Властивості:
- Рухаються разом із ціною
- Згладжують дані, щоб краще показати напрям ціни

Проста ковзна середня (SMA)

$ SMA = (P_1+P_2+...+P_n)/n $

# Обчисліть дві SMA
stock_data['SMA_short'] = talib.SMA(stock_data['Close'], timeperiod=10)
stock_data['SMA_long'] = talib.SMA(stock_data['Close'], timeperiod=50)

# Виведіть останні пʼять рядків
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

Побудова SMA

import matplotlib.pyplot as plt

# Побудуйте SMA разом із ціною
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')

# Налаштуйте та покажіть графік
plt.legend()
plt.title('SMAs')
plt.show()

Графік SMAs

Експоненційна ковзна середня (EMA)

$EMA_n = P_n \times multiplier + \text{previous EMA} \times (1-multiplier)$

$multiplier = 2 / (n + 1)$

# Обчисліть дві EMA
stock_data['EMA_short'] = talib.EMA(stock_data['Close'], timeperiod=10)
stock_data['EMA_long'] = talib.EMA(stock_data['Close'], timeperiod=50)
# Виведіть останні пʼять рядків
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

Побудова EMA

import matplotlib.pyplot as plt
# Побудуйте EMA разом із ціною
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')

# Налаштуйте та покажіть графік
plt.legend()
plt.title('EMAs')
plt.show()

Графік EMA

SMA vs. EMA

EMA чутливіша до найсвіжішого руху ціни

Графік для порівняння SMA та EMA з однаковим вікном перегляду

Давайте потренуємось!

Фінансовий трейдинг у Python