Einen Indikator implementieren – I

Jetzt geht es an die Mechanik der Implementierung eines Indikators im Rahmen der quantstrat-Bibliothek. In dieser Übung lernst du, wie du deiner Strategie einen Indikator hinzufügst. Dafür verwendest du die Strategie aus den vorherigen Aufgaben, strategy.st. Als ersten Indikator fügst du einen einfachen gleitenden 200-Tage-Durchschnitt (SMA) hinzu.

Um einen Indikator zu deiner Strategie hinzuzufügen, verwendest du add.indicator(). Setze strategy auf den Namen deiner Strategie, name auf den Namen einer Funktion in Anführungszeichen und arguments auf die Argumente der benannten Funktion als Liste. Wenn dein Funktionsname zum Beispiel SMA wäre, enthält arguments die Argumente für die Funktion SMA:

add.indicator(strategy = strategy.st, 
              name = "SMA", 
              arguments = list(x = quote(Cl(mktdata)), n = 500), 
              label = "SMA500")

Wenn du in deinem add.indicator()-Aufruf auf dynamische Marktdaten verweist, setze mktdata in die Funktion quote(), da mktdata innerhalb von quantstrat erzeugt wird und je nach verwendetem Instrument wechselt. quote() stellt sicher, dass sich die Daten während der Ausführung deiner Strategie dynamisch anpassen können.

In dieser Übung fügst du deiner bestehenden Strategie strategy.st einen 200-Tage-SMA hinzu. Die Pakete quantstrat und quantmod sind bereits geladen.

Diese Übung ist Teil des Kurses

Finanzhandel in R

Anleitung zur Übung

Verwende add.indicator() für deine bestehende Strategie strategy.st. Orientiere dich eng am Beispielcode.
Übergib die Funktion SMA als name-Argument.
Gib die gewünschten Argumente für SMA an: den Schlusskurs von mktdata und eine Lookback-Periode n von 200 Tagen.
Vergib das Label "SMA200" für deinen Indikator.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Add a 200-day SMA indicator to strategy.st
add.indicator(strategy = ___, 
              
              # Add the SMA function
              name = ___, 
              
              # Create a lookback period
              arguments = list(___), 
              
              # Label your indicator SMA200
              label = ___)

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

Finanzhandel in R

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

In diesem Kapitel lernst du, was Trading bedeutet, welche Handelsphilosophien es gibt und welche Fallstricke im Handel lauern. Es deckt sowohl Momentum- als auch Oszillationsstrategien ab und stellt typische Begriffe vor, um diese Ansätze zu erkennen. Außerdem erfährst du, was Overfitting ist und wie du es vermeidest, wie du Finanzdaten beziehst und visualisierst und wie du einen bekannten Indikator im Handel nutzt.

Exercise 1: Warum handeln Menschen?Exercise 2: Arten von Trading-Philosophien erkennen – I Exercise 3: Arten von Trading-Philosophien erkennen – II Exercise 4: Handelsphilosophien erkennen – III Exercise 5: Fallstricke verschiedener Handelssysteme Exercise 6: Wie man Overfitting verhindert Exercise 7: Finanzdaten abrufen Exercise 8: Finanzdaten plotten Exercise 9: Indikatoren zu Finanzdaten hinzufügen Exercise 10: Einen gleitenden Durchschnitt zu Finanzdaten hinzufügen

Bevor du eine Strategie aufbaust, musst du im Paket quantstrat einige Einstellungen initialisieren. In diesem Kapitel lernst du, wie das geht. Du arbeitest dich durch Funktionen zur Initialisierung der Zeitzone, Währung und der Instrumente, mit denen du arbeitest, sowie durch quantstrats Frameworks für Analysen. Danach weißt du, wie du eine quantstrat-Initialisierungsdatei aufsetzt und bei Bedarf änderst.

Exercise 1: Eine Strategie einrichten I Exercise 2: Initialisierungseinstellungen verstehen – I Exercise 3: Initialisierungseinstellungen verstehen – II Exercise 4: Eine Strategie einrichten II Exercise 5: Einstellungen zur Initialisierung verstehen – III Exercise 6: Initialisierungseinstellungen verstehen – IV

Indikatoren sind zentral für deine Handelsstrategie. Sie sind Transformationen von Marktdaten und helfen, das Gesamtverhalten besser zu verstehen – meist auf Kosten einer Verzögerung gegenüber dem Markt. Hier arbeitest du mit Trendindikatoren und Oszillatoren. Du lernst außerdem, vorgefertigte Indikatoren aus anderen Bibliotheken zu nutzen und einen eigenen zu implementieren.

Exercise 1: Einführung in Indikatoren Exercise 2: Die Funktionen SMA und RSI Exercise 3: Visualisiere einen Indikator und errate seinen Zweck – I Exercise 4: Visualisiere einen Indikator und errate seinen Zweck – II Exercise 5: Funktionsweise von Indikatoren Exercise 6: Einen Indikator implementieren – I

Aktuelle Übung

Exercise 7: Einen Indikator implementieren – II Exercise 8: Einen Indikator implementieren – III Exercise 9: Überblick über die Struktur von Indikatoren Exercise 10: Programmiere deinen eigenen Indikator – I Exercise 11: Programmiere deinen eigenen Indikator – II Exercise 12: Wende deinen eigenen Indikator an

Beim Aufbau einer quantstrat-Strategie möchtest du verstehen, wie der Markt mit Indikatoren interagiert und wie Indikatoren miteinander zusammenspielen. In diesem Kapitel lernst du, wie Indikatoren in quantstrat Signale erzeugen. Signale entstehen durch Interaktionen von Marktdaten mit Indikatoren oder zwischen Indikatoren. Es gibt vier Signaltypen in quantstrat: sigComparison, sigCrossover, sigThreshold und sigFormula. Am Ende dieses Kapitels weißt du, was diese Signale leisten und wie du sie einsetzt.

Exercise 1: Einführung in Signale Exercise 2: Signal oder nicht? – I Exercise 3: Signal oder nicht? – II Exercise 4: sigComparison und sigCrossover Exercise 5: sigComparison verwenden Exercise 6: sigCrossover verwenden Exercise 7: sigThreshold Exercise 8: sigThreshold verwenden – I Exercise 9: sigThreshold() verwenden – II Exercise 10: sigFormula Exercise 11: sigFormula() verwenden Exercise 12: Signale kombinieren – I Exercise 13: Signale kombinieren – II

In diesem Kapitel lernst du, wie du eine Handelsaktion gestaltest, sobald du dich entscheidest, auf ein Signal zu reagieren. Es vermittelt die Grundlagen zu Regeln und dazu, wie man Positionen eröffnet und schließt. Außerdem erfährst du, wie du Eingaben an Order-Sizing-Funktionen übergibst. Am Ende kennst du das Grundprinzip, wie Regeln funktionieren, und weißt, wo du weiterführende Informationen findest.

Exercise 1: Einführung in Regeln Exercise 2: Mit add.rule() eine Exit-Regel implementieren Exercise 3: sigcol in add.rule() angeben Exercise 4: sigval in add.rule() festlegen Exercise 5: Weitere Regelmechaniken Exercise 6: orderqty in add.rule() festlegen Exercise 7: `ordertype` in add.rule() festlegen Exercise 8: orderside in add.rule() festlegen Exercise 9: Weitere Regelmechaniken II Exercise 10: replace in add.rule() festlegen Exercise 11: "prefer" in add.rule() angeben Exercise 12: Mit add.rule() eine Einstiegsregel implementieren Exercise 13: Funktionen zur Order-Größenbestimmung Exercise 14: Eine Rule mit einer Order-Sizing-Funktion implementieren

Nachdem eine quantstrat-Strategie erstellt wurde, ist es entscheidend, ihre Leistung zu analysieren. Dieses Kapitel zeigt dir genau das. Du lernst, wichtige Handelsstatistiken zu lesen und die Performance deiner Strategie im Zeitverlauf zu betrachten. Außerdem erfährst du, wie du das Chance-Risiko-Verhältnis über die sogenannte Sharpe Ratio auf zwei verschiedene Arten berechnest. Das ist das letzte Kapitel.

Exercise 1: Deine Strategie analysieren Exercise 2: Deine Strategie ausführen Exercise 3: Profitfaktor Exercise 4: Prozent positiv Exercise 5: Deine Strategie visualisieren Exercise 6: chart.Posn() verwenden Exercise 7: Einen Indikator zu einem chart.Posn()-Chart hinzufügen Exercise 8: Weitere Analysen Exercise 9: Cash-Sharpe-Ratio Exercise 10: Liefert die Sharpe-Ratio auf Renditebasis in quantstrat