Construire une stratégie de signaux basée sur l’EMA

Précédemment, vous avez implémenté une stratégie de signaux basée sur la SMA. Cependant, vous vous demandez si l’EMA (moyenne mobile exponentielle) ne serait pas un meilleur choix, car elle réagit davantage aux mouvements récents des prix. Vous souhaitez également utiliser la bibliothèque talib pour calculer cet indicateur. Après être passé à une stratégie de signaux basée sur l’EMA, vous effectuerez un backtest similaire en utilisant les données du cours de l’action Apple.

Les packages bt et talib ont été importés pour vous. De plus, les données historiques du cours de l’action Apple ont été préchargées dans price_data.

Cet exercice fait partie du cours

Trading financier en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Calculate the EMA
ema['Close'] = ____(price_data['Close'], ____)

Modifier et exécuter le code

Cet exercice fait partie du cours

Trading financier en Python

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

Qu’est-ce que le trading financier, pourquoi trade-t-on, et quelle est la différence entre le trading technique et l’investissement de valeur ? Ce chapitre répond à toutes ces questions et bien plus encore. Vous apprendrez aussi à explorer des données de trading, à générer des graphiques, et à implémenter puis backtester une stratégie de trading simple en Python.

Exercise 1: Qu’est-ce que le trading financier Exercise 2: La notion de trading Exercise 3: Tracer une courbe temporelle Exercise 4: Tracer un graphique en chandeliers Exercise 5: Familiarisez-vous avec vos données de trading Exercise 6: Rééchantillonner les données Exercise 7: Tracer un histogramme des rendements Exercise 8: Calculer et tracer des SMA Exercise 9: Trading financier avec bt Exercise 10: Le processus bt Exercise 11: Définir et rétrotester une stratégie simple

Plongeons dans le monde des indicateurs techniques — un outil précieux pour construire des signaux et élaborer des stratégies. Vous vous familiariserez avec les trois grandes familles d’indicateurs, notamment les moyennes mobiles, l’ADX, le RSI et les bandes de Bollinger. À la fin de ce chapitre, vous saurez calculer, tracer et comprendre les implications des indicateurs en Python.

Exercise 1: Moyennes mobiles : indicateurs de tendance Exercise 2: Calculer et tracer deux EMA 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: Visualisez 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 bâtir des stratégies de trading. Vous découvrirez les deux principaux styles de stratégies : suivi de tendance et retour à la moyenne. En travaillant sur des données boursières réelles, vous gagnerez en pratique pour implémenter et backtester ces stratégies et vous vous familiariserez avec l’optimisation de stratégie et le benchmarking.

Exercise 1: Signaux de trading Exercise 2: Comprendre les signaux de trading Exercise 3: Créer une stratégie de signal basée sur la SMA Exercise 4: Construire une stratégie de signaux basée sur l’EMA

Exercice en cours

Exercise 5: Stratégies de suivi de tendance Exercise 6: Construire un signal de croisement d’EMA Exercise 7: Construire et backtester 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: Construire et backtester une stratégie de retour à la moyenne Exercise 12: Optimisation et comparaison des stratégies Exercise 13: Procéder à une optimisation de stratégie Exercise 14: Effectuer une mise en référence (benchmarking) de stratégie

Comment se comporte votre stratégie de trading ? Il est temps d’examiner en détail les statistiques issues du backtest. Vous découvrirez des métriques de performance utiles, comme les rendements, les pertes maximales (drawdowns), le ratio de Calmar, le ratio de Sharpe et le ratio de Sortino. Vous apprendrez ensuite à obtenir ces ratios à partir des résultats du backtest et à évaluer la performance de la stratégie en fonction du risque.

Exercise 1: Analyse des rendements de la stratégie Exercise 2: Examiner les rendements d’un backtest Exercise 3: Tracer des histogrammes de rendements d’un backtest Exercise 4: Comparer les rendements de plusieurs stratégies Exercise 5: Drawdown Exercise 6: Analyser la performance avec les drawdowns Exercise 7: Calculez et analysez 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 !