Bouw een op SMA gebaseerde signaalstrategie

Het is tijd om je eerste signaalgebaseerde strategie te bouwen en te backtesten. Hoewel eenvoudig, kunnen dit soort strategieën effectief zijn en vormen ze ook de basis voor complexere strategieën met extra signalen en informatie.

Het implementeren van een prijsvergelijkingssignaal met bt is een eenvoudig proces. Je downloadt eerst historische prijsgegevens van het aandeel, berekent de SMA (simple moving average), implementeert een op SMA gebaseerd signaal, en backtest het vervolgens met de prijsgegevens van het aandeel.

Het pakket bt is alvast voor je geïmporteerd. De historische prijsgegevens van het Apple-aandeel zijn vooraf geladen in price_data.

Deze oefening maakt deel uit van de cursus

Financieel traden in Python

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Calculate the SMA
sma = price_data.____

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Financieel traden in Python

SkillTag.level.intermediateSkillTag.label

4.8+

257 reviews

Begin de cursus gratis

What is financial trading, why do people trade, and what’s the difference between technical trading and value investing? This chapter answers all these questions and more. You’ll also learn useful tools to explore trading data, generate plots, and how to implement and backtest a simple trading strategy in Python.

Exercise 1: What is financial trading Exercise 2: The concept of trading Exercise 3: Plot a time series line chart Exercise 4: Plot a candlestick chart Exercise 5: Getting familiar with your trading data Exercise 6: Resample the data Exercise 7: Plot a return histogram Exercise 8: Calculate and plot SMAs Exercise 9: Financial trading with bt Exercise 10: The bt process Exercise 11: Define and backtest a simple strategy

Let's dive into the world of technical indicators—a useful tool for constructing trading signals and building strategies. You’ll get familiar with the three main indicator groups, including moving averages, ADX, RSI, and Bollinger Bands. By the end of this chapter, you’ll be able to calculate, plot, and understand the implications of indicators in Python.

Exercise 1: Trend indicator MAs Exercise 2: Calculate and plot two EMAs Exercise 3: SMA vs. EMA Exercise 4: Strength indicator: ADX Exercise 5: Understand the ADX Exercise 6: Calculate the ADX Exercise 7: Visualize the ADX Exercise 8: Momentum indicator: RSI Exercise 9: Understand the RSI Exercise 10: Calculate the RSI Exercise 11: Visualize the RSI Exercise 12: Volatility indicator: Bollinger Bands Exercise 13: Understand Bollinger Bands Exercise 14: Implement Bollinger Bands

You’re now ready to construct signals and use them to build trading strategies. You’ll get to know the two main styles of trading strategies: trend following and mean reversion. Working with real-life stock data, you’ll gain hands-on experience in implementing and backtesting these strategies and become more familiar with the concepts of strategy optimization and benchmarking.

Exercise 1: Tradingsignalen Exercise 2: Begrijp trading-signalen Exercise 3: Bouw een op SMA gebaseerde signaalstrategie

Huidige oefening

Exercise 4: Bouw een op EMA gebaseerde signaalstrategie Exercise 5: Trendvolgende strategieën Exercise 6: Stel een EMA-crossover-signaal samen Exercise 7: Bouw en backtest een trendvolgende strategie Exercise 8: Mean-reversionstrategie Exercise 9: Koppel de signalen aan de strategieën Exercise 10: Maak een RSI-gebaseerd signaal Exercise 11: Bouw en backtest een mean reversion-strategie Exercise 12: Strategie-optimalisatie en benchmarken Exercise 13: Voer een strategie-optimalisatie uit Exercise 14: Voer een benchmark van je strategie uit

How is your trading strategy performing? Now it’s time to take a look at the detailed statistics of the strategy backtest result. You’ll gain knowledge of useful performance metrics, such as returns, drawdowns, Calmar ratio, Sharpe ratio, and Sortino ratio. You’ll then tie it all together by learning how to obtain these ratios from the backtest results and evaluate the strategy performance on a risk-adjusted basis.

Exercise 1: Strategy return analysis Exercise 2: Review return results of a backtest Exercise 3: Plot return histograms of a backtest Exercise 4: Compare return results of multiple strategies Exercise 5: Drawdown Exercise 6: Review performance with drawdowns Exercise 7: Calculate and review the Calmar ratio Exercise 8: Sharpe ratio and Sortino ratio Exercise 9: Evaluate strategy performance by Sharpe ratio Exercise 10: Evaluate strategy performance by Sortino ratio Exercise 11: Congratulations!