تست پشتی میانگین متقاطع متحرک سه گانه در پایتون.

هنگامی که دو میانگین متحرک از هم عبور می کنند ، ما سیگنال می گیریم که ممکن است روند تغییر کند. این به یک متقاطع گفته می شود. یکی از سیگنال های شناخته شده به نام صلیب طلایی نامیده می شود و زمانی است که یک میانگین متحرک کوتاه مدت از میانگین حرکت بلند مدت از زیر به بالا عبور می کند. به طور مشابه ، یک صلیب مرگ زمانی است که یک میانگین متحرک کوتاه مدت از میانگین حرکت بلند مدت از بالا به زیر عبور می کند. در این مقاله ، ما در مورد یک متقاطع سه گانه با میانگین های کوتاه مدت ، میان مدت و بلند مدت حرکت خواهیم کرد.

من به تازگی کتاب جدیدی را پس از موفقیت شاخص های فنی جدید در پایتون منتشر کرده ام. این توضیحات کامل تر و افزودن استراتژی های معاملاتی پیچیده با صفحه GitHub اختصاص داده شده به کد به روز شده است. اگر احساس می کنید که این مورد علاقه شما است ، احساس راحتی کنید به لینک زیر مراجعه کنید ، یا اگر ترجیح می دهید نسخه PDF را خریداری کنید ، می توانید با من در LinkedIn تماس بگیرید.

کتاب استراتژی های معاملاتی

Amazon. com: کتاب استراتژی های تجارت: 9798532885707: Kaabar ، Sofien: Books

مفهوم میانگین حرکت

میانگین حرکت به ما کمک می کند تا روند را تأیید و سوار کنیم. آنها شناخته شده ترین شاخص فنی هستند و این به دلیل سادگی و سابقه اثبات شده آنها در افزودن ارزش به تجزیه و تحلیل است. ما می توانیم از آنها برای یافتن سطح پشتیبانی و مقاومت ، توقف و اهداف و درک روند اساسی استفاده کنیم. این تطبیق پذیری آنها را به ابزاری ضروری در زرادخانه تجارت ما تبدیل می کند.

همانطور که از نام آن پیداست ، این ساده ساده ساده شماست که در همه جای آمار و اساساً هر بخش دیگری در زندگی ما استفاده می شود. این به سادگی مقادیر کل مشاهدات تقسیم بر تعداد مشاهدات است. از نظر ریاضی ، می توان آن را به شرح زیر نوشت:

ما می توانیم از پایتون برای کدگذاری یک میانگین متحرک ساده به راحتی در پی این عملکرد استفاده کنیم:

def ma (داده ، نگاه ، چه ، کجا): برای من در محدوده (len (data)):تلاش كردن:داده ها [i ، Where] = (Data [i - Lookback + 1: I + 1 ، What] . Mean ()) به جز indexerror:عبورداده های بازگشت

میانگین های متحرک نمایی

برخلاف میانگین متحرک ساده که وزن مساوی را به تمام مشاهدات می بخشد ، میانگین متحرک نمایی وزن بیشتری را به مشاهدات اخیر می بخشد. این واکنش بیش از میانگین حرکت ساده با توجه به حرکات اخیر واکنش نشان می دهد.

از نظر ریاضی ، می توان آن را به شرح زیر نوشت:

ضریب هموار سازی اغلب 2 است. توجه داشته باشید که اگر ضریب هموار سازی (همچنین به عنوان آلفا نیز شناخته می شود) را افزایش دهیم ، مشاهدات جدیدتر وزن بیشتری خواهند داشت. در زبان پایتون می توانیم تابعی را تعریف کنیم که EMA را به شرح زیر محاسبه می کند:

def ema (داده ها ، آلفا ، جستجو ، چه ، کجا): # آلفا عامل صاف کننده است# پنجره دوره بازگشت است# ستونی که باید میانگین آن محاسبه شود چیست؟# کجا برای قرار دادن میانگین متحرک نمایی کجا قرار دارد alpha = alpha / (Lookback + 1. 0)بتا = 1 - آلفا # مقدار اول یک SMA ساده استdata = ma (داده ، نگاه ، چه ، کجا) # محاسبه اول EMAداده ها [Lookback + 1 ، Where] = (Data [Lookback + 1 ، What] * Alpha) + (داده [Lookback ، Where] * Beta) # محاسبه بقیه EMAبرای من در محدوده (Lookback + 2 ، len (data)):تلاش كردن:داده ها [i ، کجا] = (داده [i ، چه] * alpha) + (داده [i - 1 ، جایی] * بتا) به جز indexerror:عبورداده های بازگشت

اکنون می توانیم سه مورد از آنها را کد کنیم. به عنوان مثال ، یک میانگین حرکت 2 دوره ، 3 دوره و 5 دوره ای در حال حرکت است. کد زیر این فرض را انجام می دهد که ما آرایه ای داریم که حاوی داده های OHLC با چند ستون خالی برای ذخیره است.

my_ohlc_array = ema (my_ohlc_array ، 2 ، 2 ، 3 ، 4)my_ohlc_array = ema (my_ohlc_array ، 2 ، 3 ، 3 ، 5)my_ohlc_array = ema (my_ohlc_array ، 2 ، 5 ، 3 ، 6)

نه ، ما می توانیم به ارائه شهود متقاطع و نحوه کدگذاری آن بپردازیم. سرانجام ، ما باید بررسی کنیم که آیا این یک استراتژی معتبر است یا نه با آزمایش مجدد آن.

اگر به شاخص های فنی تر نیز علاقه مند هستید و از پایتون برای ایجاد استراتژی استفاده می کنید ، بنابراین کتاب پرفروش من در مورد شاخص های فنی ممکن است به شما علاقه مند باشد:

شاخص های فنی جدید در پایتون

Amazon. com: شاخص های فنی جدید در پایتون: 9798711128861: Kaabar ، آقای Sofien: کتاب

برنامه نویسی استراتژی

همانطور که قبلاً نیز گفته شد ، هنگام حرکت به طور متوسط در حال حرکت از یکدیگر ، متقاطع رخ می دهد. ما می توانیم یک عملکرد سیگنال را کدگذاری کنیم که به دنبال قوانین زیر ، ایده یک متقاطع سه گانه را آزمایش می کند:

• هر زمان که میانگین متحرک کوتاه مدت از میانگین حرکت میان مدت از زیر به بالا عبور کند ، در حالی که میانگین میانگین حرکت میان مدت بالاتر از میانگین حرکت بلند مدت است ، بلند شوید (خرید). این مورد باید هر زمان که میانگین متحرک کوتاه مدت قبلی زیر میانگین میانگین میانگین میانی قبلی باشد ، اتفاق بیفتد.
• هر زمان که میانگین متحرک کوتاه مدت از میانگین حرکت میان مدت از بالا به زیر عبور می کند ، کوتاه بروید (فروش) در حالی که میانگین متحرک میان مدت زیر میانگین حرکت بلند مدت است. این مورد باید هر زمان که میانگین متحرک کوتاه مدت قبلی بالاتر از میانگین متحرک میان مدت قبلی باشد ، اتفاق بیفتد.

اکنون ، برای آزمون پشتی تنظیمات زیر را انتخاب خواهیم کرد:

• میانگین متحرک نمایی کوتاه مدت 13.
• میانگین حرکت میانگین نمایی میان مدت 21.
• میانگین حرکت نمایی بلند مدت 34.

به ما اجازه دهید چگونه یک عملکرد سیگنال را کدگذاری کنیم که می تواند برای ارائه سیگنال ها استفاده شود. به یاد داشته باشید که ما ارزش 1 را برای خرید سیگنال ها (سفارشات) و ارز ش-1 به سیگنال های فروش کوتاه (سفارشات) اختصاص می دهیم.

DEF سیگنال (داده ، اول ، دوم ، سوم ، خرید ، فروش): برای من در محدوده (len (data)): if Data[i, first]> Data[i, second] and Data[i, second]>داده ها [i ، سوم] و داده ها [i - 1 ، اول]داده [i ، خرید] = 1 اگر داده [من ، اول]داده ها [i - 1 ، دوم]:داده ها [i ، فروش] = -1# متغیر داده به آرایه OHLC اشاره دارد# اولین متغیر EMA کوتاه مدت است# متغیر دوم EMA میان مدت است# متغیر سوم EMA بلند مدت است

ما این بار با مجبور کردن الگوریتم برای نزدیک شدن به یک نسبت ریسک-پاداش 3. 0 که روش دیگری برای گفتن است ، از یک سیستم مدیریت ریسک برتر استفاده خواهیم کرد. این همان چیزی است که من از آن به عنوان یک نسبت پاداش ریسک نظری در جدول زیر یاد می کنم. در حالی که ما در مورد عناصر عملکرد بحث می کنیم ، می توانیم موارد دیگر را به سرعت معرفی کنیم:

• نسبت ضربه ، تعداد معاملات با سودآوری در کل تعداد معاملات گرفته شده و بسته است.
• انتظار یک اندازه گیری وزنی از سود مورد انتظار است. از میانگین سود ، از دست دادن متوسط و نسبت ضربه تاریخی برای تعیین یک متریک با وزن احتمالی نتیجه بعدی استفاده می کند.
• ضریب سود به سادگی سود ناخالص نسبت به کل ضرر ناخالص است. ارزش بیش از یک بدان معنی است که سود ما از ضررهای ما بیشتر بود.
• نسبت پاداش ریسک تحقق یافته ، نگاه سریع به عملکرد مدیریت ریسک است. این میانگین سود هر تجارت است که بر اساس میانگین ضرر در هر تجارت تقسیم می شود.
• با توجه به یک نسبت ریسک-پاداش ریسک تحقق یافته ، نسبت HIT یکنواخت حداقل نسبت این سیستم سودآور است.

به نظر می رسد نتایج کمی بالاتر از متوسط در GBPUSD ارائه می دهد اما به طور کلی ، با استفاده از این پارامترها ، استراتژی متقاطع سه گانه به نظر نمی رسد که به خوبی انجام شود. ما همچنین می توانیم آن را با میانگین حرکت ساده با همان شرایط امتحان کنیم:

• هر زمان که میانگین متحرک ساده کوتاه مدت از میانگین حرکت ساده میان مدت از زیر تا بالا عبور کند ، طولانی بروید (خرید) در حالی که میانگین حرکت ساده میان مدت بالاتر از میانگین حرکت ساده طولانی مدت است. این مورد باید هر زمان که میانگین متحرک ساده کوتاه مدت کوتاه مدت زیر میانگین حرکت ساده متوسط متوسط باشد ، باشد.
• هر زمان که میانگین متحرک ساده کوتاه مدت از میانگین حرکت ساده میان مدت از بالا به زیر می رود ، کوتاه شوید (فروش) در حالی که میانگین متحرک ساده میان مدت زیر میانگین حرکت ساده طولانی مدت است. این مورد باید هر زمان که میانگین حرکت ساده کوتاه مدت کوتاه مدت بالاتر از میانگین حرکت ساده متوسط متوسط باشد ، باشد.

ما می توانیم ببینیم که استراتژی متقاطع سه گانه با استفاده از میانگین های متحرک ساده در هنگام استفاده از همان شرایط در داده های ساعتی جفت های پشتی. این به ما زوایای زیادی می دهد تا کاوش کنیم:

• ما می توانیم سعی کنیم دوره های جستجو را در میانگین های متحرک بهینه کنیم.
• ما می توانیم به جای دو نوع استفاده شده در آزمونهای پشتی ، از میانگین های متحرک با وزن خطی یا صاف استفاده کنیم.
• ما می توانیم شرایط ورود و خروج معاملات را اصلاح کنیم.
• ما می توانیم تنظیمات مدیریت ریسک را با تغییر دادن نسبت نظری ریسک-ریسک تغییر دهیم.

نتیجه

اصلی ترین راه حل این مقاله این است که متقاطع ، به همان اندازه مشهور هستند ، ممکن است کمی دیر به مهمانی باشد. اما با وجود امکانات و ترکیب های عظیم ، ما هرگز نمی توانیم با اطمینان بگوییم که این استراتژی کار نمی کند. من شخصاً استراتژی های متضاد را ترجیح می دهم و در مقاله قبلی شاخص های خوبی را ارائه داده ام. اما وظیفه من این است که به تحقیق در مورد هر شاخصی که در آن وجود دارد ادامه دهم و ایده ، نتایج ، کد و نتیجه گیری من را به عموم ارائه دهم.

اگر مقالات من را دنبال کنید ، متوجه خواهید شد که من بیشتر در مورد چگونگی انجام این کار به جای اینجا تأکید می کنم و من همچنین توابع را ارائه می دهم که کد قابل تکرار کامل نیست. در صنعت مالی ، شما باید خود را از سایر اطلاعات و داده های اگزوژن ترکیب کنید ، فقط در این صورت ، به هنر تحقیق و تجارت تسلط خواهید داشت.

همیشه نوعی سوگیری در آزمون برگشتی وجود خواهد داشت. وظیفه ما به عنوان محقق و تاجر این است که آنها را به حداقل برسانیم تا احتمال تحقق را به حداکثر برسانیم. البته همه ما با این ضرب المثل آشنا هستیم که تاریخ تکرار نمی شود یا اینکه گذشته بازتابی برای سودهای آینده نیست، اما گذشته بهترین چیزی است که در مبارزه با آینده داریم. اگر توانستید حداقل برخی از نکات بالا را در نظر بگیرید، احتمالاً در مسیر درستی قرار دارید. به یاد داشته باشید، یافتن استراتژی شما یک فرآیند یک شبه نیست، صبور باشید.

من همیشه به شما توصیه می کنم که تست های برگشتی مناسب را انجام دهید و خطرات مربوط به معاملات را درک کنید. به عنوان مثال، نتایج فوق نشان دهنده نیستند، زیرا اسپردی که ما استفاده کرده ایم بسیار رقابتی است و ممکن است به طور مداوم در دنیای تجارت خرده فروشی به عنوان سخت در نظر گرفته شود (اما غیرممکن نیست). با این حال، با اسپردهای پیشنهادی/فروشی سازمانی، ممکن است بتوان هزینه ها را کاهش داد، مانند اینکه یک استراتژی سیستماتیک با فرکانس متوسط بسیار سودآور باشد. شما هرگز نباید انتظار بازگشت تضمینی داشته باشید و این تنها مسئولیت شماست که سیگنال های خود را تولید کنید.