Calculer et tracer deux EMA

Une EMA sur 12 périodes et une EMA sur 26 périodes sont deux moyennes mobiles utilisées pour calculer un indicateur plus complexe appelé MACD (Moving Average Convergence Divergence). Le MACD transforme ces deux EMA en indicateur de momentum en soustrayant la plus longue EMA de la plus courte. Avant d'en apprendre davantage sur le MACD, vous souhaitez d'abord vous familiariser avec ses composantes. Vous décidez de calculer deux EMA à partir des cours quotidiens de l'action Google et de les tracer sur un seul graphique.

Les données historiques quotidiennes du titre Google ont été chargées dans stock_data. Aussi, talib a été importé pour vous, et matplotlib.pyplot a été importé sous le nom plt.

Cette activité fait partie du cours

Négociation financière en Python

Instructions de l’exercice

Calculez une EMA sur 12 jours du prix de clôture Close et enregistrez-la dans une nouvelle colonne EMA_12.
Calculez une EMA sur 26 jours du prix de clôture Close et enregistrez-la dans une nouvelle colonne EMA_26.
Tracez l'EMA sur 12 jours et l'EMA sur 26 jours avec le prix de clôture Close.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Calculate 12-day EMA
stock_data['EMA_12'] = ____(stock_data['____'], ____)
# Calculate 26-day EMA
stock_data['EMA_26'] = ____

# Plot the EMAs with price
____(stock_data['____'], label='EMA_12')
____(stock_data['____'], label='EMA_26')
____(stock_data['____'], label='Close')

# Customize and show the plot
plt.legend()
plt.title('EMAs')
plt.show()

Modifier et exécuter le code

Cette activité fait partie du cours

Négociation financière en Python

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Qu'est-ce que la négociation financière, pourquoi négocie-t-on et quelle est la différence entre la négociation technique et l'investissement axé sur la valeur? Ce chapitre répond à toutes ces questions et plus encore. Vous apprendrez aussi des outils pratiques pour explorer des données de négociation, créer des graphiques et voir comment implanter et soumettre à un contrôle rétrospectif une stratégie simple en Python.

Exercise 1: Qu'est-ce que le négociant financier ?Exercise 2: La notion de trading Exercise 3: Tracer un graphique linéaire de série chronologique Exercise 4: Tracer un graphique en chandeliers Exercise 5: Familiarisez-vous avec vos données de négociation Exercise 6: Rééchantillonner les données Exercise 7: Tracer un histogramme des rendements Exercise 8: Calculer et tracer des SMA Exercise 9: Négociation financière avec bt Exercise 10: Le processus bt Exercise 11: Définir et rétrotester une stratégie simple

Plongeons dans l'univers des indicateurs techniques — un outil utile pour construire des signaux de négociation et élaborer des stratégies. Vous vous familiariserez avec trois grands groupes d'indicateurs, notamment les moyennes mobiles, l'ADX, le RSI et les bandes de Bollinger. À la fin de ce chapitre, vous serez en mesure de calculer, de tracer et de comprendre les implications des indicateurs en Python.

Exercise 1: Moyennes mobiles : indicateurs de tendance Exercise 2: Calculer et tracer deux EMA

Exercice en cours

Exercise 3: SMA vs EMA Exercise 4: Indicateur de force : ADX Exercise 5: Comprendre l'ADX Exercise 6: Calculer l'ADX Exercise 7: Visualiser l'ADX Exercise 8: Indicateur de momentum : RSI Exercise 9: Comprendre le RSI Exercise 10: Calculer le RSI Exercise 11: Visualiser le RSI Exercise 12: Indicateur de volatilité : bandes de Bollinger Exercise 13: Comprendre les bandes de Bollinger Exercise 14: Mettre en œuvre les bandes de Bollinger

Vous êtes maintenant prêt à construire des signaux et à les utiliser pour créer des stratégies de négociation. Vous ferez connaissance avec les deux principaux styles de stratégies : suivi de tendance et retour à la moyenne. En travaillant avec des données boursières réelles, vous acquerrez une expérience pratique de l'implantation et du contrôle rétrospectif de ces stratégies et vous vous familiariserez davantage avec l'optimisation de stratégie et l'étalonnage.

Exercise 1: Signaux de négociation Exercise 2: Comprendre les signaux de négociation Exercise 3: Créer une stratégie de signaux basée sur la SMA Exercise 4: Créer une stratégie de signaux basée sur l'EMA Exercise 5: Stratégies de suivi de tendance Exercise 6: Construire un signal de croisement d'EMA Exercise 7: Concevoir et rétrotester une stratégie de suivi de tendance Exercise 8: Stratégie de retour à la moyenne Exercise 9: Faites correspondre les signaux aux stratégies Exercise 10: Construire un signal basé sur le RSI Exercise 11: Créer et rétrotester une stratégie de retour à la moyenne Exercise 12: Optimisation de stratégie et étalonnage Exercise 13: Procéder à une optimisation de stratégie Exercise 14: Effectuer une comparaison de stratégies (benchmarking)

Comment se comporte votre stratégie de négociation? Il est temps d'examiner en détail les statistiques issues du contrôle rétrospectif. Vous apprendrez des mesures de performance utiles, comme les rendements, les creux (drawdowns), le ratio de Calmar, le ratio de Sharpe et le ratio de Sortino. Vous lierez ensuite le tout en apprenant comment obtenir ces ratios à partir des résultats du contrôle rétrospectif et évaluer la performance de la stratégie en fonction du risque.

Exercise 1: Analyse du rendement de la stratégie Exercise 2: Passer en revue les rendements d'un test de performance (backtest)Exercise 3: Tracer des histogrammes des rendements d'un test rétroactif Exercise 4: Comparer les rendements de plusieurs stratégies Exercise 5: Recul maximal Exercise 6: Analyser la performance avec les creux (drawdowns)Exercise 7: Calculer et examiner le ratio de Calmar Exercise 8: Ratio de Sharpe et ratio de Sortino Exercise 9: Évaluer la performance de la stratégie avec le ratio de Sharpe Exercise 10: Évaluer la performance de la stratégie avec le ratio de Sortino Exercise 11: Félicitations !