Bouw een op EMA gebaseerde signaalstrategie

Eerder heb je een op SMA gebaseerde signaalstrategie geïmplementeerd. Je vraagt je echter af of de EMA (exponentieel voortschrijdend gemiddelde) een betere keuze is, omdat die gevoeliger is voor recente prijsbewegingen. Je wilt ook de talib-bibliotheek gebruiken om de indicator te berekenen. Nadat je bent overgestapt op een op EMA gebaseerde signaalstrategie, voer je een vergelijkbare backtest uit met de koersdata van Apple.

De pakketten bt en talib zijn voor je geïmporteerd. Ook zijn de historische koersgegevens van het Apple-aandeel vooraf geladen in price_data.

Deze oefening maakt deel uit van de cursus

Financieel traden in Python

Bekijk cursus

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

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

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Financieel traden in Python

SkillTag.level.intermediateSkillTag.label

4.8+

276 reviews

Begin gratis met de cursus

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 Exercise 4: Bouw een op EMA gebaseerde signaalstrategie

Huidige oefening

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!