چگونه شاخص فنی خود را توسعه دهید و چگونه آن را آزمایش مجدد کنید.

توجه ویراستاران Towards Data Science: در حالی که ما به نویسندگان مستقل اجازه می دهیم مقالاتی را مطابق با قوانین و دستورالعمل های ما منتشر کنند، اما سهم هر نویسنده را تأیید نمی کنیم. شما نباید بدون مشورت حرفه ای به آثار نویسنده اعتماد کنید. برای جزئیات بیشتر به شرایط Reader ما مراجعه کنید.

من به تازگی کتاب جدیدی را پس از موفقیت در شاخص های فنی جدید در پایتون منتشر کرده ام. این شامل توضیحات کامل تر و افزودن استراتژی های پیچیده معاملاتی با صفحه Github است که به کد به روز شده پیوسته اختصاص داده شده است. اگر احساس می کنید که این مورد برایتان جالب است، از لینک زیر دیدن کنید، یا اگر ترجیح می دهید نسخه PDF را بخرید، می توانید در لینکدین با من تماس بگیرید.

کتاب استراتژی های معاملاتی

Amazon. com: The Book of Trading Strategies (9798532885707): Kaabar, Sofien: Books

شاخص های فنی در اطراف ما هستند. بسیاری از آنها مانند شاخص قدرت نسبی و MACD معروف هستند در حالی که برخی دیگر مانند شاخص قدرت نسبی و کانال کلتنر کمتر شناخته شده هستند. این اندیکاتورها برای کمک به معاملات ایجاد شده اند و گاهی اوقات می توانند در شرایط بازار خاص مفید باشند. به عنوان مثال، RSI زمانی که بازارها در حال تغییر هستند به خوبی کار می کند. شاخص های فنی مطمئناً در نظر گرفته نشده اند که قهرمان یک استراتژی تجاری سودآور باشند.

هدف ما این است که ببینیم آیا می توانیم برای یک شاخص فنی ایده ای بیاندیشیم و اگر چنین است، چگونه می توانیم به فرمول آن برسیم. مبارزه به همین جا ختم نمی شود، ما همچنین باید اثربخشی آن را مجدداً آزمایش کنیم، به هر حال، می توانیم به راحتی هر فرمولی را توسعه دهیم و بگوییم که یک شاخص داریم و سپس آن را به عنوان جام مقدس به بازار عرضه کنیم.

ما سعی خواهیم کرد نتایج تست برگشتی اندیکاتور جدید خود را با نتایج RSI مقایسه کنیم، از این رو دید نسبی از کار خود به ما ارائه می دهیم. اگر دوست دارید قبل از شروع، استراتژی های معاملاتی بیشتری را در رابطه با RSI ببینید، در اینجا مقاله ای وجود دارد که آن را از دیدگاه متفاوت و جالبی ارائه می دهد:

ایجاد یک استراتژی معاملاتی با استفاده از RSI و باندهای بولینگر. ایده های جدید با استفاده از پایتون

تعداد زیادی از معامله گران از شاخص معروف قدرت نسبی برای کمک به تصمیم گیری های خود استفاده می کنند، و اگرچه…

طوفان فکری و تدوین ایده

اولین قدم در ایجاد یک اندیکاتور این است که انتخاب کنید کدام نوع باشد؟آیا این یک شاخص پیروی از روند است؟شاید برعکس؟آیا به زمان بندی یا نوسانات مربوط می شود؟آیا محدود خواهد بود یا نامحدود؟

برای ساده تر کردن روند تولید سیگنال ما ، بیایید بگوییم که ما یک نشانگر متضاد را انتخاب خواهیم کرد. این بدان معنی است که ما سعی خواهیم کرد یک شاخص ایجاد کنیم که در مورد مقادیر مکرر نوسان کند و یا ثابت یا تقریباً ثابت باشد (اگرچه این اصطلاح در آمار وجود ندارد). یکی از روشهای مورد علاقه من شروع ساده با استفاده از اختلافات است. این یک جهش بزرگ به سمت ثابت بودن و گرفتن ایده در مورد بزرگی تغییر در طول زمان است. اما ، برای جالب تر کردن چیزها ، ما مقدار فعلی را از آخرین مقدار کم نمی کنیم. از آنجا که من طرفدار اعداد فیبوناچی هستم ، چگونه می توانیم ارزش فعلی (یعنی قیمت بسته شدن امروز یا قیمت بسته شدن این ساعت را) منهای ارزش 8 دوره قبل را کم کنیم. بنابراین ، اولین قدم در این شاخص ، گسترش ساده ای است که می تواند از نظر ریاضی به شرح زیر با Delta (δ) به عنوان گسترش تعریف شود:

مرحله بعدی می تواند ترکیبی از تنظیم وزنه برداری یا افزودن یک اندازه گیری نوسانات مانند میانگین دامنه واقعی یا انحراف استاندارد تاریخی باشد. بیایید به روش ساده بچسبیم و انتخاب کنیم تا گسترش خود را با انحراف استاندارد 8 دوره ای از قیمت تقسیم کنیم. این امر باعث ایجاد نوسانات در رابطه با نیروی حرکت می شود که ما می خواهیم اندازه گیری کنیم. از این رو ، ما یک محاسبه تغییر استاندارد نورد را در قیمت بسته شدن محاسبه خواهیم کرد. این به عنوان مخرج در فرمول ما خدمت می کند. به یاد داشته باشید ، ما گفتیم که گسترش را با تغییر استاندارد نورد تقسیم خواهیم کرد. بیایید فرمول ریاضی خود را به روز کنیم. دانستن اینکه معادله انحراف استاندارد در زیر آمده است:

ما می توانیم x را به عنوان نتیجه ای که تاکنون داریم (شاخصی که ساخته می شود) در نظر بگیریم. نتیجه این است که گسترش تقسیم شده توسط انحراف استاندارد همانطور که در زیر نشان داده شده است:

آخرین کاری که اکنون باید انجام دهیم این است که آیا ارزش ما را صاف کنیم یا نه. بعضی اوقات ، ما می توانیم از محاسبات خاص مقادیر خرد و شدید دریافت کنیم. خوشبختانه ، ما می توانیم با استفاده از میانگین های متحرک ، این مقادیر را صاف کنیم. همانطور که می خواهیم سازگار باشیم ، چگونه می توانیم میانگین 8 دوره ای را که تاکنون داریم ، انجام دهیم؟این بدان معنی است که ما به سادگی میانگین متحرک X را محاسبه خواهیم کرد.

برای اطلاعات بیشتر در مورد میانگین های حرکت ، این مقاله را در نظر بگیرید که نحوه کدگذاری آنها را نشان می دهد:

چگونه می توان انواع مختلفی از میانگین های متحرک را در پایتون کدگذاری کرد.

کدگذاری انواع مختلفی از میانگین های متحرک در پایتون.

اکنون می توانیم بگوییم که ما یک نشانگر آماده برای تجسم ، تفسیر و آزمایش مجدد داریم. قبل از انجام این کار ، بیایید ببینیم که چگونه می توانیم این نشانگر را در پایتون کدگذاری کنیم با فرض اینکه ما یک آرایه OHLC داریم.

برای من در محدوده (لن (دارایی)): # محاسبه گسترشدارایی [i ، 4] = دارایی [i ، 3] - دارایی [i - 8 ، 3]  # محاسبه انحراف استاندارددارایی [i ، 5] = دارایی [i - 8: i + 1 ، 3] . std ()  # تنظیم نوسانات گسترشدارایی [i ، 6] = دارایی [i ، 4] / دارایی [i ، 5] # صاف کردن و گرفتن مقادیر نشانگردارایی [i ، 7] = دارایی [i - 7: i + 1 ، 6] . mean ()

تجسم نشانگر

تفسیر بصری یکی از اولین عناصر اصلی یک شاخص خوب است. در زیر نشانگر ما در مقابل تعدادی از جفت های FX قرار دارد.

به نظر می رسد که ما ممکن است بتوانیم سیگنال هایی را در حدود 2. 5 و-2. 5 بدست آوریم (می توان با 70 و 30 سطح در RSI مقایسه کرد). از این رو ، شرایط معاملاتی خواهد بود:

• هر زمان که نشانگر ب ه-2. 5 برخورد کند ، بخرید.
• هر زمان که نشانگر به 2. 5 برسد ، بفروشید (کوتاه بروید).
• حتی از طریق ما این تکنیک را آزمایش نمی کنیم ، اما به نظر می رسد که روش واگرایی نیز روی این شاخص کار می کند.

اکنون ، در تمام شفافیت ، این مقاله در مورد ارائه یک شاخص سودآور جدید و نوآورانه نیست. این فقط یک روش آموزشی برای فکر کردن در مورد یک شاخص و ایجاد آن است.

آخرین مورد قبل از ادامه کار با پشت. چگونه در مورد ما این شاخص را نامگذاری می کنیم؟من همیشه وسوسه می شوم که نام جالبی مانند سیکلون یا Cerberus را ارائه دهم ، اما معتقدم اگر آن را مطابق آنچه انجام می دهیم ، حرفه ای تر به نظر برسد. بنابراین ، این شاخص گسترش می یابد که قبل از آنکه نتیجه را صاف کند ، با انحراف استاندارد نورد تقسیم می شود. بنابراین یک نام معقول می تواند نشانگر حرکت تنظیم شده با Valatiliy (VAMI) باشد.

تست پشت و مقایسه

وقت آن است که حقیقت را در مورد آنچه ما ایجاد کرده ایم پیدا کنیم. تست برگشت تضمین می کند که ما در مسیر درست قرار داریم. برای مقایسه ، ما همچنین استراتژی استاندارد RSI را پشت سر خواهیم گذاشت (خواه لمس کردن سطح 30 یا 70 می تواند یک نقطه معکوس یا تصحیح را فراهم کند). توجه داشته باشید که دوره برگزاری هر دو استراتژی 6 دوره است.

در اینجا چند نمونه از نمودارهای سیگنال آورده شده پس از انجام آزمون پشتی آورده شده است. توجه داشته باشید که فلش های سبز سیگنال های خرید هستند در حالی که فلش های قرمز سیگنال های کوتاه (فروش) هستند.

از لحاظ بصری ، VAMI از RSI بهتر عمل می کند و گرچه این خبر خوب است ، به این معنی نیست که VAMI یک شاخص عالی است ، فقط به این معنی است که RSI ما را هنگام استفاده به تنهایی ناامید می کند ، اما به نظر می رسد VAMI در حال انجام یک کار استکار خوب در جفت های Audcad و Eurcad. معیارهای عملکرد در زیر در کنار معیارهای عملکرد از استراتژی RSI به شرح زیر است (برای اطلاعات بیشتر به پیوند در ابتدای مقاله مراجعه کنید).

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: