Crie recursos de média móvel e RSI
Queremos adicionar dados históricos aos nossos modelos de Machine Learning para fazer previsões melhores, mas incluir muitos passos de tempo históricos é complicado. Em vez disso, podemos condensar informações dos pontos anteriores em um único passo de tempo usando indicadores.
Uma média móvel é um dos indicadores mais simples — é a média dos pontos de dados anteriores. Essa é a função talib.SMA() da biblioteca TAlib.
Outro indicador técnico comum é o índice de força relativa (RSI). Ele é definido por:
\(RSI = 100 - \frac{100} {1 + RS}\)
\(RS = \frac{\text{ganho médio em } n \text{ períodos}} {\text{perda média em } n \text{ períodos}}\)
Os períodos n são definidos em talib.RSI() pelo argumento timeperiod.
Um período comum para o RSI é 14, então vamos usar esse valor como uma das configurações nos nossos cálculos.
Este exercicio faz parte do curso
Machine Learning para Finanças em Python
Instruções do exercicio
- Crie uma lista de nomes de recursos (comece com uma lista contendo apenas
'5d_close_pct'). - Use períodos de 14, 30, 50 e 200 para calcular médias móveis com
talib.SMA()a partir dos preços de fechamento ajustado (lng_df['Adj_Close']). - Normalize as médias móveis pelo fechamento ajustado dividindo por
Adj_Close. - Dentro do loop, calcule o RSI com
talib.RSI()a partir deAdj_Close, usandoncomo o timeperiod.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
feature_names = ____ # a list of the feature names for later
# Create moving averages and rsi for timeperiods of 14, 30, 50, and 200
for n in [____]:
# Create the moving average indicator and divide by Adj_Close
lng_df['ma' + str(n)] = talib.SMA(lng_df['Adj_Close'].values,
timeperiod=n) / lng_df[____]
# Create the RSI indicator
lng_df['rsi' + str(n)] = talib.____(lng_df['Adj_Close'].____, timeperiod=____)
# Add rsi and moving average to the feature name list
feature_names = feature_names + ['ma' + str(n), 'rsi' + str(n)]
print(feature_names)