Jak handlować ze wskaźnikiem GannHiLoActivator Wskaźnik składa się z pojedynczej linii, która przepływa powyżej ceny (powyżej świec) lub poniżej. W zależności od pozycji na linii wskaźnikowej inwestorzy określają, czy nadszedł czas na Sprzedaż lub Kupno. Sygnały GannHiLoActivator należy odczytać w następujący sposób: - Linia wskaźnika znajduje się poniżej trendu wzrostowego ceny, czasu zakupu, braku sprzedaży. - Linia wskaźnika przewyższa trend zniżkowy, czas sprzedaży, brak zakupów. - Za każdym razem, gdy linia wskaźnika zmienia swoją pozycję na przeciwny czas, aby zamknąć istniejące transakcje i zainicjować transakcje w przeciwnym kierunku. Uwaga: Sygnały wskaźników są potwierdzane tylko wtedy, gdy świece cenowe są zamknięte. Na przykład. na wykresach godzinnych, w ciągu 1 godziny linia GannHiLoActivator może zmieniać jej położenie, wielokrotnie przewijając się nad, pod i z powrotem. Dlatego, dopóki godzinna świeca się nie zamknie, nie należy podejmować żadnych działań. Wskaźnik GannHiLoActivator pomaga identyfikować i śledzić trendy we wszystkich ramach czasowych. Może pomóc utrzymać się dłużej w handlu, a nie panikować. Jednocześnie bardzo szybko reaguje na zmiany trendów. Jednak, jak każdy wskaźnik tendencji, jest on podatny na dryfowanie na bocznych rynkach. I choć w odróżnieniu od innych wskaźników będzie mniej fałszywych sygnałów, niezwykle trudno byłoby z niego skorzystać na różnych rynkach. Wyjaśnienia dotyczące średniej ruchomej (EMA) Jak już wspomnieliśmy w poprzedniej lekcji, proste średnie ruchome mogą być zniekształcone przez skoki. We8217 zaczniemy od przykładu. Let8217 mówią, że wykreślamy 5-okresową SMA na dziennym wykresie EURUSD. Cena zamknięcia za ostatnie 5 dni jest następująca: Prosta średnia krocząca zostałaby obliczona w następujący sposób: (1,3172 1,3231 1,3164 1,3186 1,3293) 5 1,3209 Prosty, prawda, a co jeśli w dniu 2 pojawił się raport informujący o tym, że euro spadać na deski. Powoduje to, że kurs EURUSD spadnie i zamknie się na poziomie 1,3000. Let8217 zobaczą, jaki efekt będzie miał ten 5-okresowy SMA. Prosta średnia krocząca byłaby obliczana następująco: wynik prostej średniej kroczącej byłby dużo niższy i dałoby to pogląd, że cena faktycznie spadała, podczas gdy w rzeczywistości dzień 2 był tylko jednorazowym wydarzeniem spowodowane złymi wynikami raportu ekonomicznego. Chodzi nam o to, że czasami prosta średnia krocząca może być zbyt prosta. Gdyby był sposób, w jaki można by odfiltrować te kolce, aby nie dostać złego pomysłu. Hmm8230 Zaczekaj minutę8230 Tak, istnieje sposób It8217s o nazwie Exponential Moving Average Exponential moving averages (EMA) dają większą wagę ostatnim miesiącom. W naszym przykładzie powyżej, EMA przykładałby większą wagę do cen z ostatnich dni, które byłyby Dniami 3, 4 i 5. Oznaczałoby to, że skok w Dniu 2 byłby mniejszy i nie miałby tak dużej wartości wpływ na średnią ruchomą, jak gdybyśmy obliczyli dla prostej średniej ruchomej. Jeśli o tym pomyśleć, ma to wiele sensu, ponieważ to, co robi, kładzie większy nacisk na to, co ostatnio robią traderzy. Wykładnicza średnia ruchoma (EMA) i prosta średnia ruchoma (SMA) Obok siebie Let8217s rzucają okiem na wykres 4-godzinny USDJPY, aby podkreślić, jak prosta średnia ruchoma (SMA) i wykładnicza średnia ruchoma (EMA) wyglądałyby obok siebie na wykresie. Zwróć uwagę, że czerwona linia (30 EMA) wydaje się być bliżej ceny niż niebieska linia (30 SMA). Oznacza to, że dokładniej przedstawia ostatnie działania cenowe. Prawdopodobnie możesz zgadnąć, dlaczego tak się dzieje. To dlatego, że wykładnicza średnia ruchoma kładzie większy nacisk na to, co działo się ostatnio. Kiedy handlujesz, o wiele ważniejsze jest zobaczenie, co inwestorzy robią TERAZ, a raczej to, co robili w zeszłym tygodniu lub w zeszłym miesiącu. Zapisz swoje postępy, logując się i oznaczając ukończoną lekcję. Analiza techniczna za pomocą R W tym poście przyjrzyj się, w jaki sposób przedsiębiorca może użyć R do obliczenia podstawowych wskaźników analizy technicznej. R jest bezpłatnym środowiskiem analizy statystycznej i językiem programowania open source. Jest dostępny dla systemów operacyjnych Windows, Mac OS i Linux. Instalacja jest łatwa i szybka. Aby pobrać i zainstalować instrukcje, wejdź na: cran. r-project. org. Opracowując strategię handlową, warto mieć możliwość analizowania i wizualizacji danych oraz szybkiego testowania zasad generowania handlu oraz ich wariantów i modeli przy minimalnym obrocie. Podczas gdy wiele platform transakcyjnych, takich jak Interactive Brokers, itp. Zapewnia dostęp do danych historycznych za pośrednictwem interfejsu API lub pobierania plików w prostym formacie 8211, analizując, że strategie handlu danymi i prototypowania często wymagają napisania setek linii kodu w językach programowania takich jak Java lub C, lub pisanie kłopotliwe, trudne do sprawdzenia formuły w Excelu. Wymaga to znacznych inwestycji czasowych, niezależnie od tego, jak doświadczasz programisty. Natomiast język programowania wyższego poziomu, taki jak R lub Matlab, w połączeniu z ich interaktywnymi środowiskami programistycznymi, pozwala użytkownikom na krojenie, dzielenie i analizowanie danych w ułamku czasu, jaki zajmuje C, C lub Java. Ilość kodu potrzebna do opracowania strategii handlowej w R jest zazwyczaj mniejsza o rząd wielkości. W tym przykładzie korzystamy z prostego pliku oddzielonego przecinkami, zawierającego kolumny otwarte, wysokie, niskie i bliskie ceny (a. k.a. OHLC), a także wartości woluminu i znacznika czasu dla SPY ETF. W tym poście dobrze pokazać, jak korzystać z bezpłatnej biblioteki R, aby obliczyć średnią ruchomą średnią (SMA), wykładniczą średnią ruchomą (EMA), Bollinger Bands (BBands), RSI i wskaźniki analizy technicznej MACD. Dodamy obliczone wskaźniki jako nowe kolumny do naszego pliku wejściowego, aby można było je wykorzystać do dalszej analizy lub prototypowania strategii handlowej w Excelu, R lub dowolnym innym przyjaznym dla CSV pakiecie oprogramowania do wyboru. Instalowanie biblioteki analizy technicznej dla R 1. Aby obliczyć analizę techniczną za pomocą R, będziemy używać bezpłatnej biblioteki o otwartym kodzie o nazwie 8220TTR8221 (Techniczne reguły handlowe). Ten krok zawiera instrukcje dotyczące instalowania biblioteki TTR, zakładając, że już zainstalowałeś R na twoim komputerze. Te kroki należy wykonać tylko raz na instalację R na komputerze. Aby zainstalować bibliotekę na komputerze: 1) Uruchom środowisko R na komputerze, a następnie w menu wybierz: Pakiety 038 Dane - Instalator pakietów 2) W Instalatorze pakietów wpisz 8220TTR8221 w polu Wyszukiwanie paczki, a następnie kliknij przycisk 8220Pobierz listę8221. 3) Wybierz pakiet 8220TTR8221 i kliknij 8220Install Selected8221. Ładowanie danych historycznych (dane wejściowe) W celach demonstracyjnych będziemy używać dziennych cen historycznych dla ETF SPY od września 2017 r. Do maja 2017 r. Kliknij tutaj, aby pobrać plik danych. Ten plik wejściowy dla tego przykładu został wygenerowany przy użyciu IB Historical Data Downloader. 2. Zaczniemy od otwarcia powłoki R i załadowania biblioteki TTR, która jest wolnym rozszerzeniem R, zawierającym funkcje do obliczania niektórych z najbardziej powszechnych wskaźników. 3. Następnym krokiem jest zaimportowanie naszego pliku danych z historycznymi cenami do środowiska R. Będziemy ładować dane z przykładowego pliku CSV do środowiska R i przechowywać w nim ramkę danych, która jest typem zmiennej R do przechowywania danych w formacie tabeli w pamięci. Aby wyświetlić kilka pierwszych wierszy tabeli danych: Domyślnie wyświetla pierwsze 6 wierszy danych wraz z nazwami kolumn (nagłówek tabeli). Aby zobaczyć, ile wierszy masz w tabeli danych: Pokazuje to, że mamy 187 rekordów danych w naszym pliku danych SPY, przez 187 dni handlu między 3 września 2017 8211 31 maja 2017. Możemy również wyświetlać nazwy kolumn tabeli przy użyciu funkcji nazw zmiennych w następujący sposób: Średnie kroczące 4. Pozwala teraz obliczyć 20-dniową średnią ruchomej średniej (SMA) kolumny ZAMKNIJ cenę za pomocą biblioteki TTR R funkcja SMA: Teraz zobaczmy pierwsze 50 wartości tablicy sma20: Tutaj użyliśmy funkcji SMA z TTR biblioteka, którą wczytaliśmy powyżej, nakazująca obliczenie średniej z 20 dni (wartość parametru n) kolumny ZAMKNIJ z danych ramki danych. Funkcja zwraca tablicę wartości SMA i przechowuje ją w nowej zmiennej o nazwie sma20. Możesz uzyskać pomoc przy pomocy szczegółowego opisu funkcji i jej parametrów. a następnie nazwa funkcji, jak poniżej. Zawsze dobrze jest przeczytać strony pomocy dotyczące używanych funkcji, ponieważ będą one zawierały wszystkie opcjonalne parametry, których można użyć do dostrojenia danych wyjściowych. Ponadto wiele funkcji ma odmiany lub powiązane funkcje, które mogą być przydatne w różnych okolicznościach i zostaną wymienione na stronie pomocy. 5. Obliczanie wykładniczej średniej ruchomej jest podobnie łatwe, wystarczy użyć innej funkcji, tym razem EMA (). Zauważ, że obliczamy EMA dla 14-okresowej długości pasm Bollingera 6. Aby obliczyć wskaźnik Bollinger Bands używamy funkcji BBands. Istnieje wiele opcjonalnych parametrów, które są wymagane, więc dobrze podać kilka przykładów. W poniższym przykładzie wywołujemy BBandy przekazujące dane ramek danych za pomocą zapytania, które określa, że chcemy użyć wartości z kolumny ZAMKNIĘCIE, tak jak robiliśmy powyższe obliczenia SMA i EMA powyżej. Drugi parametr sd przyjmuje liczbę odchyleń standardowych dla górnego i dolnego pasma. Ponieważ nie przekazujemy wartości dla n 8211, BBands domyślnie używa 20-okresowej średniej ruchomej. Dane wyjściowe zawierają kilka kolumn: dn dla dolnego pasma, mavg dla średniej ruchomej, dla górnego pasma i pctB, które określają cenę bezpieczeństwa8217 w odniesieniu do górnego i dolnego pasma Bollingera, szczegółowy opis można znaleźć tutaj. B równa się 1, gdy cena jest w górnym paśmie B równa się 0, gdy cena znajduje się w niższym paśmie B powyżej 1, gdy cena jest wyższa niż górna granica B jest mniejsza niż 0, gdy cena jest niższa niż dolna granica B wynosi powyżej .50, gdy cena jest powyżej środkowego pasma (20-dniowego SMA) B jest poniżej .50, gdy cena jest poniżej środkowego pasma (20-dniowa SMA) bb20 BBands (dane, sd2.0) 6.1 Teraz we8217d lubimy tworzyć nową ramkę danych zawierającą wszystkie dane wejściowe dane z ramki 8216data8217 oraz dane Bollinger Bands, które właśnie obliczyliśmy. Funkcja data. frame () pobiera dowolną liczbę ramek danych i łączy je szeregowo z nową ramką danych, dzięki czemu elementy z odpowiednich wierszy są połączone w wyniku. 6.2 Linie wykresu Bollinger: linie (dataPlusBBDATETIME, allDataCLOSE) linie (dataPlusBBCLOSE, col 8216red8217) linie (danePlusBBup, col 8216purple8217) linie (dataPlusBBdn, col 8216brown8217) linie (dataPlusBBmavg, col 8216blue8217) 6.3 Alternatywnie, możemy dokładnie określić, jaki rodzaj ruchu średnia powinna być podstawą dla pasm Bollingera za pomocą parametru funkcji maType, który po prostu przyjmuje nazwę funkcji średniej ruchomej. Zobacz stronę pomocy SMA, aby zobaczyć różne typy średnich ruchomych obsługiwanych w bibliotece TTR. Na przykład, jeśli chcesz obliczyć pasmo Boluser EMA, możesz przekazać EMA do maType. Zauważ, że w tym przykładzie nadpisujemy domyślny parametr długości dla średniej ruchomej, wykorzystując tym razem średnią 14-okresową. bbEMA BBands (dane, sd2.0, n14, maTypeEMA) Wskaźnik względnej siły RSI 8211 7. RSI. Do obliczenia RSI używamy funkcji RSI (). Możesz użyć polecenia RSI w powłoce R, aby uzyskać szczegóły dotyczące parametrów funkcji. Zasadniczo jest bardzo podobny do funkcji, które wykorzystaliśmy powyżej do generowania średnich ruchomych. Ma dwa wymagane parametry: szeregi czasowe (np. Kolumna ZAMKNIJ z naszej ramki danych danych oraz n wartość całkowita dla długości wskaźnika RSI rsi14 RSI (dane, n14) Tutaj pierwszym parametrem dla funkcji RSI są: dane, które jest instrukcją, która mówi o wymianie kolumny CLOSE z tabeli danych i zwraca ją jako listę wartości, a drugi parametr to n14, gdzie nazwa parametru to n, a wartość 14 wskazuje, że chcemy obliczyć 14-dniową Wartości RSI w cenach zamknięcia 8. Funkcja MACD przyjmuje kilka argumentów: szereg danych wejściowych (np. Cena ZAMKNIĘCIA) liczba okresów dla szybkiej średniej kroczącej Liczba okresów dla wolno ruchomej średniej liczby okresów dla linii sygnału Możesz także opcjonalnie podaj średnią ruchomą, którą chcesz zastosować dla średnich ruchomych MACD Zobacz zrzut ekranu na stronie pomocy poniżej (możesz również użyć polecenia MACD w powłoce R, aby otworzyć stronę pomocy samemu): Oblicz standard (12,26,9) Wskaźnik MACD wykorzystujący tę funkcję. Dobrze, jeśli korzystasz ze sta Poza prostymi średnimi ruchomymi, dobrze określ funkcję SMA w parametrze maType: MACD MACD (dane, nFast12, nSlow26, nSig9, maTypeSMA) Połącz wszystkie dane razem 9. Teraz łączymy wszystkie wskaźniki obliczone powyżej z oryginalnymi danymi wejściowymi w pojedyncza ramka danych: funkcja data. frame () pobiera dowolną liczbę ramek danych i łączy je w rzędy, aby elementy z odpowiednich wierszy były sklejane w wynikowym pliku data. frame allData. Napisz do pliku tekstowego I na koniec zapisujemy zawartość ramki danych allData do pliku wartości rozdzielonych przecinkami. Używamy funkcji write. table (), która zawiera dużą liczbę opcjonalnych parametrów. Szczegółowa strona pomocy dostępna jest przy pomocy polecenia write. table w powłoce R. write. table (allData, filespywithindicators. csv, na, sep, row. names FALSE) Kiedy wywołujemy funkcję write. table (), przekazujemy następujące argumenty: allData 8211 jest to po prostu odwołanie do ramki danych zawierającej dane do zapisywane do pliku wyjściowego. plik 8230 8211 jest to ścieżka i nazwa pliku, który tworzymy. na 8211 zapewnia, że komórki w ramce danych, które zawierają wartość R NA będą zawierać puste wartości w pliku wynikowym. Niektóre komórki mają NA dla wierszy, w których nie ma wystarczających danych, aby wygenerować odpowiednią wartość wskaźnika (na przykład pierwsze 19 wierszy dla 20-dniowego SMA). sep, 8211 ustawia separator kolumn na przecink (stąd plik wartości rozdzielonych przecinkami). Aby utworzyć plik oddzielony tabulatorami (naprawdę preferowany format dla poważnych systemów oprogramowania) 8211 use: sep t. row. names FALSE 8211 ważne jest ustawienie tej wartości, w przeciwnym razie pierwsza kolumna w pliku wyjściowym będzie zawierała numery wierszy. Wynikowy plik jest dostępny tutaj. Kliknij prawym przyciskiem myszy i wybierz 8220 Zapisz zapisany plik As8221 Pobrany plik można otworzyć w Excelu lub edytorze tekstu. 10. W bibliotece TTR dostępnych jest więcej funkcji i funkcji. Możesz dowiedzieć się więcej, korzystając ze strony pomocy TTR: CONCLUSION R zapewnia wygodne i wszechstronne środowisko do analizy danych i obliczeń. Oprócz tysięcy darmowych otwartych źródeł statystycznych, matematycznych bibliotek i algorytmów, R zawiera wiele funkcji i bibliotek do odczytywania i zapisywania danych z plików, baz danych, adresów URL, usług sieciowych itp. To, w połączeniu ze zwięzłością języka , to potężne połączenie, które może pomóc inwestorom zaoszczędzić cenny czas. Handlowcy mogą znacznie skrócić czas potrzebny do prototypowania i strategii historycznych transakcji handlowych za pomocą R. Istnieją również metody integracji R z głównymi językami programowania, takimi jak Java i C. Don8217t waha się opublikować komentarz lub wysłać jako wiadomość za pośrednictwem formularza Kontakt, jeśli masz pytania dotyczące tego materiału. Wreszcie, we8217d chciałbym wspomnieć o kilku książkach, które były bardzo pomocne w naszych wysiłkach na rzecz rozwoju. Pierwsza książka 8211 8220Quantitative Trading z R8221 to świetne połączenie analizy danych finansowych i zastosowania R do analizy historycznej, eksploracji danych i analizy. Ma wiele świetnych przykładów kodu i przechodzi przez szereg użytecznych pakietów R. Jest to dobra książka poziomu zaawansowania na poziomie średnio zaawansowanym dla osób, które chciałyby zbudować i przetestować własne strategie handlowe. Druga książka 8211 8220Mastering R for Quantitative Finance8221 8211 jest prawdziwym klejnotem. Zawiera bardziej zaawansowane informacje dla przedsiębiorców z dobrym zrozumieniem instrumentów pochodnych i silniejszym zapleczem matematycznym. Okazało się, że ta książka to świetna kontynuacja 8220Quantitative Trading z R8221. Oprócz wspaniałych próbek i pakietów kodu R, zawiera on przegląd szeregu zaawansowanych (i praktycznych) modeli i algorytmów finansowania ilościowego, a także pozwala od razu zmoczyć stopy za pomocą kodu R. Trading Geeks świadczy usługi konsultingowe w zakresie strategii handlowej i rozwoju oprogramowania dla niezależnych handlowców, spółek osobowych i funduszy hedgingowych. Proszę zapytać o więcej informacji lub bezpłatną wycenę projektu za pośrednictwem formularza kontaktowego po prawej stronie.
No comments:
Post a Comment