Glidande medelvärde strategi backtest

Flytta medelvärden Strategies. By Casey Murphy Senior Analyst Olika investerare använder glidande medelvärden av olika anledningar Vissa använder dem som deras primära analytiska verktyg, medan andra bara använder dem som förtroendebyggare för att säkerhetskopiera sina investeringsbeslut. I det här avsnittet ska vi presentera några Olika typer av strategier - att integrera dem i din handelsstil är upp till dig. Crossovers En crossover är den mest grundläggande typen av signal och är gynnad bland många handlare eftersom det tar bort alla känslor. Den mest grundläggande typen av crossover är när priset på en tillgång Flyttar från ena sidan av ett glidande medelvärde och stänger på den andra. Prisövergångar används av handlare för att identifiera skift i momentum och kan användas som en grundläggande inmatnings - eller utgångsstrategi. Som du kan se i Figur 1 kan ett kors under ett glidande medelvärde Signera början på en downtrend och skulle sannolikt användas av handlare som en signal för att stänga ut alla befintliga långa positioner Omvänt kan ett nära ett glidande medelvärde underifrån suggas Är början på en ny uptrend. Den andra typen av crossover inträffar när ett kortsiktig medelvärde passerar genom ett långsiktigt medelvärde. Denna signal används av handlare för att identifiera att momentet förskjuts i en riktning och att ett starkt drag sannolikt närmar sig En köpsignal genereras när kortsiktigt medelvärde överstiger det långsiktiga genomsnittet, medan en säljsignal utlöses av en kortsiktig medelkorsning under ett långsiktigt genomsnitt. Som du kan se från tabellen nedan är denna signal Mycket objektivt, vilket är anledningen till att det är så populärt. Triple Crossover och Moving Average Ribbon Ytterligare glidmedel kan läggas till i diagrammet för att öka signalens giltighet. Många handlare kommer att placera fem, 10 och 20 dagars rörelse Medelvärden på ett diagram och vänta tills femdagarsgenomsnittet korsar sig upp genom de andra är det generellt det primära köpteckenet. Vänta på att 10-dagarsgenomsnittet att korsa över 20-dagarsmedlet används ofta som bekräftelse, en taktik som ofta minskar numbe R av falska signaler Att öka antalet glidande medelvärden, vilket ses i triple crossover-metoden, är ett av de bästa sätten att mäta styrkan i en trend och sannolikheten för att trenden fortsätter. Detta ber om frågan Vad skulle hända om du Håller med att lägga glidande medelvärden Vissa människor hävdar att om ett glidande medel är användbart så måste 10 eller mer vara ännu bättre. Det leder oss till en teknik som kallas glidande medelband. Som du kan se från tabellen nedan är många glidande medelvärden placerade på Samma diagram och används för att bedöma styrkan i den nuvarande trenden När alla rörliga medelvärden flyttar i samma riktning sägs trenden vara starka. Återgångar bekräftas när medelvärdet går över och leder i motsatt riktning. Förändrade förhållanden redovisas av antalet tidsperioder som används i glidande medelvärden Ju kortare tidsperioderna används i beräkningarna, desto känsligare är medelvärdet för små prisförändringar En av th E vanligaste band börjar med ett 50-dagars glidande medelvärde och lägger medelvärden i steg om 10 dagar upp till det slutliga medeltalet 200. Denna typ av medel är bra för att identifiera långsiktiga trender. Omvänd filter Ett tekniskt tekniskt tekniskt Analys för att öka sitt förtroende för en viss handel Till exempel kan många investerare välja att vänta tills en säkerhet passerar över ett glidande medelvärde och är minst 10 över genomsnittet innan en beställning görs. Detta är ett försök att se till att crossover är giltigt Och för att minska antalet falska signaler Nackdelen om att förlita sig på filter för mycket är att en del av vinsten ges upp och det kan leda till att du känner att du saknat båten. Dessa negativa känslor kommer att minska med tiden då du ständigt anpassar kriterierna Används för ditt filter Det finns inga uppsatta regler eller saker att titta på när du filtrerar det s bara ett extra verktyg som låter dig investera med confidence. Moving Average Envelope En annan strategi som jag Ncorporates användningen av glidande medelvärden kallas ett kuvert Denna strategi innebär att man planerar två band runt ett glidande medelvärde, förskjutet av en viss procentsats. Till exempel i ett 5-kuvert placeras ett 5 kuvert runt ett 25-dagars glidande medelvärde. Titta på dessa band för att se om de fungerar som starka områden av stöd eller motstånd Lägg märke till hur rörelsen ofta vrider riktning efter att ha närmar sig en av nivåerna. Ett prisförflyttning bortom bandet kan signalera en period av utmattning, och handlare kommer att titta på en vändning mot Center average. Simple Moving Averages - Trading backtests. What flytta genomsnittliga parametrar är bäst. Denna webbplats har ett hav av rörliga genomsnittliga backtests som jag utförde för DAX, SP500 och även USD EU Forex. These tester gjordes med hjälp av olika signalstrategier enkelt Exponentiella och crossover-varianter och olika index för en tidsperiod på 1000 handelsdagar. Till skillnad från andra webbplatser testade jag alla glidande medelvärden för dagfönster från 1 till 1 000 dagar för övergångsstrategierna också i kombination. Denna data är också unqiue när jag försökte utföra realistiska tester som simulerar köpförsäljningsspridningen och skatterna för jämförelse med en referenshandelsstrategi. Ett snabbt reagerande fönstervärde ser bra ut I teorin och med ett enkelt test Men spridningen, avgifter och skatter kommer att förstöra all prestanda i praktisk tillämpning Det är därför dessa realistiska tester är så värdefulla. Jag hoppas att den här webbplatsen kan hjälpa dig med dina affärer, njuta av det. Backtesting a Moving Average Crossover I Python med pandaer. I den föregående artikeln om Research Backtesting Environments I Python With Pandas skapade vi en objektorienterad forskningsbaserad backtestingmiljö och testade den på en slumpmässig prognosstrategi. I den här artikeln kommer vi att använda sig av den maskin som vi introducerade för att bära Utforskning av en verklig strategi, nämligen den Moving Average Crossover på AAPL. Moving Average Crossover Strategy. The Moving Average Crossover-tekniken är en extremt välkänd enkelhet Tic momentumstrategi Det anses ofta Hello World-exemplet för kvantitativ handel. Strategin som beskrivs här är långsiktig Två separata enkla glidande medelfilter skapas med olika tidsgränser för en viss tidsserie. Signaler för att köpa tillgången uppstår när Det kortare utkastet glidande medelvärdet överstiger det längre återkommande glidmedelet. Om det längre genomsnittet därefter överstiger det kortare genomsnittet säljs tillgången. Strategin fungerar bra när en tidsserie går in i en period med stark trend och sedan sakta tillbaka trenden. För detta exempel , Jag har valt Apple, Inc AAPL som tidsserie med en kort lookback på 100 dagar och en lång återgång på 400 dagar. Detta är exemplet från zipline algoritmiska handelsbiblioteket. Om vi ​​vill implementera vår egen backtester behöver vi därför Se till att det matchar resultaten i zipline, som ett grundläggande sätt att validera. Var noga med att följa den tidigare handledningen här som beskriver hur det ursprungliga objektet hi Erarkin för backtesteren är konstruerad, annars kommer koden nedan inte att fungera För denna speciella implementering har jag använt följande bibliotek. Implementeringen av kräver från den tidigare handledningen Det första steget är att importera nödvändiga moduler och objekt. Som i tidigare handledning Vi kommer att subklassera abstrakta basklassen för att producera MovingAverageCrossStrategy som innehåller alla detaljer om hur man genererar signalerna när de rörliga genomsnittsvärdena för AAPL passerar varandra. Objektet kräver en shortwindow och en longwindow för att kunna använda värdena Har ställts till standardvärden på 100 dagar respektive 400 dagar, vilka är samma parametrar som används i huvudexemplet för zipline. De rörliga medelvärdena skapas genom att använda pandas rollingmean-funktionen på staplarna Stäng slutkursen för AAPL-aktien När den enskilde Rörliga medelvärden har konstruerats, signalen Serien genereras genom att kolumnen är lika med 1 0 när den korta rörelsen a Verage är större än det långrörande medlet eller 0 0 annars. Från detta kan positioneringsorder genereras för att representera handelssignaler. MarketOnClosePortfolio är subclassed från Portfolio som finns i. Det är nästan identiskt med implementeringen som beskrivs i föregående handledning, med Undantaget att handeln nu utförs på nära håll, snarare än en öppen till grund För mer information om hur Portfolio-objektet definieras, se den tidigare handledningen. Jag har lämnat in koden för fullständighet och För att hålla denna handledning självuppbyggd. Nu när klasserna MovingAverageCrossStrategy and MarketOnClosePortfolio har definierats kommer en huvudfunktion att kallas för att knyta all funktionalitet tillsammans. Dessutom kommer strategins resultat att undersökas med hjälp av en kurva på aktiekurvan. Pandas DataReader-objektet hämtar OHLCV-priser på AAPL-lager för perioden 1 januari 1990 till 1 januari 2002, vid vilken tidpunkt signalerna DataFrame skapas för att generera Långsiktiga signaler Därefter genereras portföljen med en initialkapitalbaserad kapital på 100 000 USD och avkastningen beräknas på egenkapitalkurvan. Det sista steget är att använda matplotlib för att rita en tvåsiffrigt plot av båda AAPL-priserna, överlagrade med de glidande medelvärdena Och köp säljsignaler, liksom egenkapitalkurvan med samma köpförsäljningssignaler. Plottingskoden tas och modifieras från zipline-implementeringsexemplet. Kodens grafiska utmatning är enligt följande. Jag använde IPython-klistraget för att sätta detta Direkt in i IPython-konsolen i Ubuntu, så att den grafiska produktionen förblev i sikte. De rosa uppstötningarna representerar att köpa beståndet, medan de svarta downtickarna representerar att sälja den tillbaka. AAPL Moving Average Crossover Performance från 1990-01-01 till 2002-01- 01. Som kan ses, förlorar strategin pengar under perioden, med fem rundturer. Detta är inte förvånande med tanke på AAPL: s beteende under perioden, vilket var en liten nedåtgående trend följt av En signifikant uppgång som började 1998 Utseendeperioden för de rörliga genomsnittliga signalerna är ganska stor och det påverkar resultatet av den slutliga handeln, vilket annars kan ha gjort strategin lönsam. I efterföljande artiklar kommer vi att skapa ett mer sofistikerat sätt att analysera prestanda, Samt beskriva hur man optimerar återkallningsperioderna för de individuella rörliga genomsnittliga signalerna. Bara komma igång med kvantitativ handel.