Matcha signalerna med strategierna

Trendföljande handlare tror att trenden är din vän, medan mean reversion-handlare tror på att köpa när det råder rädsla och sälja när det råder girighet. Utifrån dessa olika synsätt konstruerar de olika handelssignaler.

Den här övningen är en del av kursen

Finansiell handel i Python

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Finansiell handel i Python

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

Vad är finansiell handel, varför handlar människor och vad skiljer teknisk handel från värdeinvestering? Det här kapitlet svarar på dessa frågor och mer därtill. Du lär dig också användbara verktyg för att utforska handelsdata, skapa diagram och implementera samt backtesta en enkel handelsstrategi i Python.

Exercise 1: Vad är finansiell handel Exercise 2: Begreppet trading Exercise 3: Rita ett linjediagram för en tidsserie Exercise 4: Rita ett candlestick-diagram Exercise 5: Lär känna dina handelsdata Exercise 6: Sampla om data Exercise 7: Rita ett avkastningshistogram Exercise 8: Beräkna och rita SMA Exercise 9: Finansiell handel med bt Exercise 10: bt-processen Exercise 11: Definiera och backtesta en enkel strategi

Nu dyker vi in i världen av tekniska indikatorer – ett användbart verktyg för att konstruera handelssignaler och bygga strategier. Du bekanta dig med de tre huvudgrupperna av indikatorer, däribland glidande medelvärden, ADX, RSI och Bollinger Bands. I slutet av kapitlet kan du beräkna, visualisera och tolka innebörden av indikatorer i Python.

Exercise 1: Trendindikatorer – glidande medelvärden Exercise 2: Beräkna och plotta två EMA:er Exercise 3: SMA vs. EMA Exercise 4: Styrkeindikator: ADX Exercise 5: Förstå ADX Exercise 6: Beräkna ADX Exercise 7: Visualisera ADX Exercise 8: Momentumindikator: RSI Exercise 9: Förstå RSI Exercise 10: Beräkna RSI Exercise 11: Visualisera RSI Exercise 12: Volatilitetsindikator: Bollinger Bands Exercise 13: Förstå Bollinger Bands Exercise 14: Implementera Bollinger Bands

Nu är du redo att konstruera signaler och använda dem för att bygga handelsstrategier. Du lär känna de två huvudstilarna inom handelsstrategier: trenföljning och mean reversion. Med verkliga aktiedata får du praktisk erfarenhet av att implementera och backtesta dessa strategier, och du fördjupar din förståelse för strategioptimering och benchmarking.

Exercise 1: Handelssignaler Exercise 2: Förstå handelssignaler Exercise 3: Bygg en signalstrategi baserad på SMA Exercise 4: Bygg en EMA-baserad signalstrategi Exercise 5: Trenddrivna strategier Exercise 6: Konstruera en EMA-korsningssignal Exercise 7: Bygg och backtesta en trenddföljande strategi Exercise 8: Mean reversionstrategi Exercise 9: Matcha signalerna med strategierna

Aktuell övning

Exercise 10: Konstruera en RSI-baserad signal Exercise 11: Bygg och backtesta en mean reversion-strategi Exercise 12: Strategioptimering och benchmarking Exercise 13: Genomför en strategioptimering Exercise 14: Utför en strategijämförelse

Hur presterar din handelsstrategi? Nu är det dags att granska den detaljerade statistiken från backtestresultaten. Du lär dig användbara prestationsmått, till exempel avkastning, drawdown, Calmar-kvot, Sharpe-kvot och Sortino-kvot. Avslutningsvis sätter du ihop allt du lärt dig genom att hämta dessa nyckeltal från backtestresultaten och utvärdera strategins prestanda på riskjusterad basis.

Exercise 1: Analys av strategins avkastning Exercise 2: Granska avkastningsresultaten från ett backtest Exercise 3: Rita avkastningshistogram för ett backtest Exercise 4: Jämför avkastningsresultat för flera strategier Exercise 5: Drawdown Exercise 6: Utvärdera prestanda med drawdowns Exercise 7: Beräkna och utvärdera Calmar-kvoten Exercise 8: Sharpe-kvot och Sortino-kvot Exercise 9: Utvärdera strategins prestanda med Sharpe-kvoten Exercise 10: Utvärdera strategiprestanda med Sortino-kvoten Exercise 11: Grattis!