Moving Average Strategie Backtest

Moving Averages Strategies. By Casey Murphy Senior Analyst Verschiedene Investoren verwenden gleitende Durchschnitte aus verschiedenen Gründen Einige verwenden sie als ihr primäres analytisches Werkzeug, während andere sie einfach als Vertrauensbauer verwenden, um ihre Investitionsentscheidungen zu sichern. In diesem Abschnitt werden wir einige vorstellen Verschiedene Arten von Strategien - die Einbindung in Ihren Trading-Stil ist bis zu Ihnen. Crossovers Ein Crossover ist die grundlegendste Art von Signal und ist bei vielen Händlern bevorzugt, weil es alle Emotionen entfernt Die grundlegendste Art von Crossover ist, wenn der Preis für ein Vermögenswert Bewegt sich von einer Seite eines gleitenden Durchschnitts und schließt auf der anderen Preisübergänge werden von Händlern verwendet, um Verschiebungen in der Dynamik zu identifizieren und können als Grundeintrags - oder Ausstiegsstrategie verwendet werden. Wie Sie in Abbildung 1 sehen können, kann ein Kreuz unter einem gleitenden Durchschnitt sein Signalisieren den Beginn eines Abwärtstrends und würde wahrscheinlich von den Händlern als ein Signal verwendet werden, um irgendwelche vorhandenen langen Positionen zu schließen. Umgekehrt kann eine Nähe über einem gleitenden Durchschnitt von unten möglich sein Den Anfang eines neuen Aufwärtstrends zu markieren. Der zweite Typ der Crossover tritt auf, wenn ein kurzfristiger Durchschnitt einen langfristigen Durchschnitt überschreitet. Dieses Signal wird von den Händlern verwendet, um zu ermitteln, dass sich der Impuls in eine Richtung verschiebt und dass sich eine starke Bewegung wahrscheinlich annähert Ein Kaufsignal wird generiert, wenn der kurzfristige Mittelwert über dem Langzeitdurchschnitt liegt, während ein Verkaufssignal durch einen kurzfristigen Durchschnittsübergang unterhalb eines Langzeitdurchschnitts ausgelöst wird. Wie Sie aus der folgenden Tabelle sehen können, ist dieses Signal Sehr objektiv, weshalb es so beliebt ist. Triple Crossover und die Moving Average Ribbon Zusätzliche gleitende Durchschnitte können dem Diagramm hinzugefügt werden, um die Gültigkeit des Signals zu erhöhen Viele Händler werden die Fünf-, 10- und 20-Tage-Bewegung platzieren Im Durchschnitt auf ein Diagramm und warten, bis der Fünf-Tage-Durchschnitt durch die anderen kreuzt dies ist in der Regel das primäre Kaufzeichen Warten auf die 10-Tage-Durchschnitt über den 20-Tage-Durchschnitt überqueren wird oft als Bestätigung, eine Taktik, die oft reduziert die Numbe R der falschen Signale Die Erhöhung der Anzahl der gleitenden Durchschnitte, wie sie in der Triple-Crossover-Methode gesehen wird, ist eine der besten Möglichkeiten, um die Stärke eines Trends zu beurteilen und die Wahrscheinlichkeit, dass der Trend weitergehen wird. Das ist die Frage, was passieren würde, wenn Sie Hielt Hinzufügen von bewegten Durchschnitten Einige Leute argumentieren, dass, wenn ein gleitender Durchschnitt nützlich ist, dann 10 oder mehr muss noch besser Dies führt uns zu einer Technik, die als das gleitende durchschnittliche Band bekannt ist. Wie Sie aus der folgenden Tabelle sehen können, werden viele gleitende Durchschnitte platziert Das gleiche Diagramm und werden verwendet, um die Stärke des aktuellen Tendenz zu beurteilen Wenn alle sich bewegenden Mittelwerte in die gleiche Richtung bewegen, wird der Trend stark gesagt Umkehrungen werden bestätigt, wenn die Durchschnitte kreuzen und in die entgegengesetzte Richtung gehen Umwandlungsbedingungen werden durch die Anzahl der in den gleitenden Durchschnitten verwendeten Zeiträume berücksichtigt. Je kürzer die in den Berechnungen verwendeten Zeiträume sind, desto empfindlicher ist der Durchschnitt auf leichte Preisänderungen E die meisten häufigsten Bänder beginnt mit einem 50-Tage gleitenden Durchschnitt und fügt Mittelwerte in 10-Tage-Schritten bis zum letzten Durchschnitt von 200 Diese Art von Durchschnitt ist gut bei der Identifizierung langfristige Trends Umkehrungen. Filter Ein Filter ist jede Technik in technischen verwendet Analyse, um die Vertrauenswürdigkeit eines bestimmten Handels zu erhöhen Zum Beispiel können viele Investoren wählen, bis eine Sicherheit über einen gleitenden Durchschnitt hinausgeht und mindestens 10 über dem Durchschnitt liegt, bevor sie eine Bestellung aufgeben. Dies ist ein Versuch, sicherzustellen, dass die Crossover gültig ist Und um die Anzahl der falschen Signale zu reduzieren Der Nachteil über die Vermeidung von Filtern zu viel ist, dass einige der Gewinn aufgegeben wird und es könnte dazu führen, dass das Gefühl, wie Sie verpasst das Boot Diese negativen Gefühle wird im Laufe der Zeit sinken, wie Sie ständig die Kriterien anpassen Verwendet für Ihren Filter Es gibt keine Satzregeln oder Sachen, zum heraus zu schauen, wenn, wenn man es stellt, einfach ein zusätzliches Werkzeug, das Ihnen erlaubt, mit Vertrauen zu investieren. Moving Average Envelope Eine andere Strategie, die ich habe Ncorporates die Verwendung von gleitenden Durchschnitten ist bekannt als Umschlag Diese Strategie beinhaltet das Plotten von zwei Bändern um einen gleitenden Durchschnitt, gestaffelt durch eine bestimmte Prozentsatz Rate Zum Beispiel in der Tabelle unten, wird ein 5 Umschlag um einen 25-Tage-gleitenden Durchschnitt Traders platziert wird Beobachten Sie diese Bands, um zu sehen, ob sie als starke Bereiche der Unterstützung oder des Widerstands fungieren. Beachten Sie, wie die Bewegung oft die Richtung rückgängig macht, nachdem sie sich einer der Ebenen zugewandt hat. Ein Preis über die Band hinaus kann eine Periode der Erschöpfung signalisieren, und die Händler werden auf eine Umkehrung hinweisen Center Durchschnitt. Simple Moving Averages - Trading Backtests. What gleitenden durchschnittlichen Parameter sind die besten. Diese Website hat einen Ozean von gleitenden durchschnittlichen Backtests, die ich für die DAX, SP500 und auch USD EU Forex durchgeführt. Diese Tests wurden mit verschiedenen Signal-Strategien einfach durchgeführt Exponentielle und Crossover-Varianten und verschiedene Indizes für einen Zeitraum von 1000 Handelstagen. Im Gegensatz zu anderen Webseiten habe ich alle gleitenden durchschnittlichen Tag-Fenster-Werte von 1 - 1 getestet 000 Tage, für die Cross-Over-Strategien auch in Kombination. Diese Daten sind auch unqiue, wie ich versucht, realistische Tests durchzuführen, simulieren die Kauf verkaufen Spread und Steuern zum Vergleich mit einem Referenz-Buy-Hold-Strategie. Eine schnell reagierende Fenster-Wert sieht gut aus In der Theorie und mit einem einfachen Test Aber die Ausbreitung, Gebühren und Steuern zerstören alle Leistungen in der praktischen Anwendung Das ist der Grund, warum diese realistischen Tests so wertvoll sind. Ich hoffe, diese Seite kann Ihnen helfen, mit Ihren Trades, genießen Sie es. Backtesting ein Moving Average Crossover In Python mit Pandas. Im vorherigen Artikel über Research Backtesting Umgebungen In Python Mit Pandas haben wir eine objektorientierte forschungsorientierte Backtesting-Umgebung erstellt und sie auf einer zufälligen Prognosestrategie getestet. In diesem Artikel werden wir die von uns gelieferten Maschinen nutzen Out-Forschung auf eine tatsächliche Strategie, nämlich die Moving Average Crossover auf AAPL. Moving Durchschnittliche Crossover-Strategie. Die Moving Average Crossover-Technik ist eine äußerst bekannte simplis Tic Impulsstrategie Es wird oft als das Hallo-Welt-Beispiel für den quantitativen Handel betrachtet. Die hier beschriebene Strategie ist lang-nur Zwei getrennte einfache gleitende Durchschnittsfilter werden mit unterschiedlichen Lookback-Perioden einer bestimmten Zeitreihe erzeugt. Signals zum Kauf des Assets treten auf Der kürzere Rückblick gleitender Durchschnitt übersteigt den längeren Rückblick gleitenden Durchschnitt Wenn der längere Durchschnitt später den kürzeren Durchschnitt übersteigt, wird der Asset zurück verkauft Die Strategie funktioniert gut, wenn eine Zeitreihe in einen Zeitraum von starkem Trend eintritt und dann langsam den Trend rückgängig macht. Für dieses Beispiel , Habe ich Apple, Inc AAPL als Zeitreihe gewählt, mit einem kurzen Rückblick von 100 Tagen und einem langen Rückblick von 400 Tagen Dies ist das Beispiel, das von der zipline algorithmischen Handelsbibliothek zur Verfügung gestellt wird. Wenn wir also unseren eigenen Backtester implementieren wollen, müssen wir Stellen Sie sicher, dass es die Ergebnisse in Zipline, als ein grundlegendes Mittel der Validierung. Machen Sie sicher, dass die vorherige Tutorial hier, was beschreibt, wie das ursprüngliche Objekt hallo Erarchie für den Backtester wird konstruiert, andernfalls wird der unten stehende Code nicht funktionieren Für diese spezielle Implementierung habe ich die folgenden Bibliotheken verwendet. Die Implementierung erfordert von dem vorherigen Tutorial Der erste Schritt besteht darin, die notwendigen Module und Objekte zu importieren. Im vorherigen Tutorial Wir werden die strategische abstrakte Basisklasse unterteilen, um MovingAverageCrossStrategy zu produzieren, die alle Details enthält, wie man die Signale erzeugt, wenn die gleitenden Mittelwerte von AAPL einander kreuzen. Das Objekt erfordert ein kurzes Fenster und ein langes Fenster, auf dem die Werte betrieben werden sollen Wurden auf Defaults von 100 Tagen bzw. 400 Tagen gesetzt, die die gleichen Parameter sind, die im Hauptbeispiel der Zipline verwendet werden. Die bewegten Durchschnitte werden durch die Verwendung der Pandas Rollingmean Funktion auf den Stäben erstellt. Schließen Sie den Schlusskurs der AAPL-Aktie Bewegungsdurchschnitte wurden konstruiert, die Signalreihe wird erzeugt, indem die Spalte gleich 1 0 gesetzt wird, wenn die kurze Bewegung a Die Verteilung ist größer als der lange gleitende Durchschnitt oder 0 0 ansonsten. Von diesem können die Aufträge generiert werden, um Handelssignale darzustellen. Das MarketOnClosePortfolio wird von Portfolio subkassiert, das in gefunden wird. Es ist fast identisch mit der im vorherigen Tutorial beschriebenen Implementierung Die Ausnahme, dass die Trades nun auf einer Close-to-Close-Basis statt einer Open-to-Open-Basis durchgeführt werden. Einzelheiten darüber, wie das Portfolio-Objekt definiert ist, finden Sie im vorherigen Tutorial. Ich habe den Code zur Vollständigkeit verlassen und Um dieses Tutorial selbst zu halten. Jetzt, dass die MovingAverageCrossStrategy und MarketOnClosePortfolio Klassen definiert wurden, wird eine Hauptfunktion aufgerufen, um alle Funktionalität zusammen zu binden Zusätzlich wird die Performance der Strategie über eine Kurve der Eigenkapitalkurve untersucht. Das Pandas DataReader-Objekt lädt OHLCV-Preise der AAPL-Aktie für den Zeitraum vom 1. Januar 1990 bis zum 1. Januar 2002 zu, an welcher Stelle die Signale DataFrame erstellt werden Langzeit-Signale Nachfolgend wird das Portfolio mit einer Anfangskapitalbasis von 100.000 USD generiert und die Renditen werden auf der Eigenkapitalkurve berechnet. Der letzte Schritt ist die Verwendung von matplotlib, um eine zweidimensionale Darstellung der beiden AAPL-Preise zu zeichnen, die mit den gleitenden Durchschnitten überlagert ist Und kaufen Verkaufssignale, sowie die Equity-Kurve mit dem gleichen Kauf Verkaufssignale Der Plotter-Code wird genommen und geändert aus dem Zipline-Implementierungsbeispiel. Die grafische Ausgabe des Codes ist wie folgt Ich habe von der IPython-Paste-Befehl verwendet, um dies zu setzen Direkt in die IPython-Konsole, während in Ubuntu, so dass die grafische Ausgabe in Sicht Die rosa upticks repräsentieren den Kauf der Aktie, während die schwarzen Abschlüsse vertreten verkaufen es zurück. AAPL Moving Average Crossover Performance von 1990-01-01 bis 2002-01- 01.Sie können gesehen werden, die Strategie verliert Geld über den Zeitraum, mit fünf Round-Trip-Trades Dies ist nicht überraschend angesichts der Verhalten von AAPL über den Zeitraum, die auf einem leichten Abwärtstrend war, gefolgt von Ein erheblicher Aufschwung ab 1998 Die Rückblickperiode der gleitenden Durchschnittssignale ist ziemlich groß und dies hat den Gewinn des Endhandels beeinflusst, der sonst die Strategie rentabel gemacht hat. In den folgenden Artikeln werden wir ein anspruchsvolleres Mittel zur Leistungsanalyse schaffen, Sowie die Beschreibung der Optimierung der Lookback-Perioden der einzelnen gleitenden durchschnittlichen Signale. Just Getting Started mit quantitativen Trading.