تجارت لاک پشت در پایتون

سیستم تجارت لاک پشت توسط ریچارد دنیس ابداع شد و در دهه 1980 برای معامله گران کار کرد. اما به نظر می رسد که این سیستم برای منعکس کردن شرایط جدید بازار و اکنون مؤثر است. گفته می شود ، روندها هنوز هم اتفاق می افتد که به این معنی است که مجموعه ای از فرصت های معاملاتی وجود دارد.

هسته اصلی استراتژی معاملات لاک پشت این است که در یک شکستن 55 روزه در مورد معاملات آتی قرار بگیرد. یک شکست 55 روزه زمانی است که قیمت بیش از قیمت 55 روز گذشته بالا یا پایین است. استراتژی کامل پیچیده تر است ، اما در این مقاله ، من برنامه استراتژی را در پایتون کدگذاری کرده ام و در سهام مانند شرکت اپل ، شرکت کیندر مورگان و شرکت فورد موتور معامله می کنم.

کد پایتون

مرحله 1: کتابخانه های لازم را وارد کنید

# برای دریافت داده های قیمت بسته از داده های وارداتی pandas_datareader به عنوان واردات pdr yfinance به عنوان yf yf. pdr_override () # نقشه برداری نمودارهای واردات matplotlib. pyplot به عنوان واردات plt seabo # دستکاری داده ها به عنوان np واردات به عنوان pandas به عنوان pd واردات می شود.

مرحله 2: یک تابع را برای محاسبه عملکرد استراتژی در سهام تعریف کنید

• ما نماد تیکر اپل ، کیندر مورگان و فورد موتور را به این عملکرد منتقل خواهیم کرد.

DEF Strategy_Performance (Stock_ticker):

• داده های مربوط به Stock_ticker را از Finance Yahoo دریافت کنید

سهام = pdr. get_data_yahoo (stock_ticker ، start = "2009-01-01" ، end = "2017-10-01")

• شکستن 5 روز و میانگین را محاسبه کنید

مقادیر 5 روز گذشته ، کم و متوسط گذشته در سهام قاب داده محاسبه و ذخیره می شوند. 5 پارامتر رایگان است که باید در پشتی بهینه شود. از عملکرد نورد پاندا برای محاسبه شکست و میانگین استفاده می شود.

# 5 روز سهام بالا ['High'] = Stock. close. shift (1) . rolling (پنجره = 5) . max () # 5 روز سهام پایین ['Low'] = Stock. close. shift (1.

• قوانین ورود

هنگامی که قیمت بسته شدن سهام از 55 روز گذشته بیشتر است ، پس از آن به سهام می رویم و وقتی قیمت بسته شدن سهام کمتر از 55 روز گذشته است ، ما در سهام کوتاه می رویم.

stock['long_entry'] = stock.Close>سهام.
 
قوانین خروج
 
اگر قیمت سهام از میانگین 55 روز گذشته عبور کند ، از موقعیت ها خارج خواهیم شد.
سهام ['long_exit'] = Stock. closeسهام
	
مواضع
اکنون سیگنال ورودی و خروج را در یک ستون ذخیره خواهیم کرد. موقعیت طولانی توسط 1 نشان داده شده است ، موقعیت کوتاه ب ا-1 نشان داده شده است و یا هیچ موقعیتی توسط 0 نشان داده نمی شود. اگر هیچ موقعیتی برای یک دوره زمانی با استفاده از روش Fillna وجود نداشته باشد ، موقعیت قبلی را به جلو خواهیم برد.
سهام ['positions_long'] = np. nan stock. loc [stock. long_entry ، 'positions_long'] = 1 stock. loc [stock. long_exit ، 'positions_long'] = 0 سهام ['positions_short'] = np. nan سهام. loc [stock. short_entry ، 'positions_short'] = -1 stock. loc [stock. short_exit ، 'positions_short'] = 0 سهام ['signal'] = stock. positions_long + stpositions_short_short stock. fillna (روش = 'ffill ')
	
بازگشت استراتژی
ما بازده ورود به سیستم سهام را محاسبه کرده ایم و با سیگنال (1 ، 1 یا 0) ضرب شده ایم تا بازده استراتژی را بدست آوریم.
daily_log_retus = np. log (stock. close/stock. close. shift (1)) daily_log_retus = daily_log_retus * stock. signal. shift (1) # توزیع توزیع چاپ "روزانه_لوگ_رنز) daily_log_retus. hist (bins = 50) plt. show () daily_log_retus. cumsum ()
هیستوگرام برگشتی روزانه
مرحله 3: یک سبد سهام ایجاد کنید و عملکرد استراتژی را برای هر سهام محاسبه کنید
نمونه کارها = ['aapl' ، 'kmi' ، 'f'] cum_daily_retu = pd. dataframe () برای سهام موجود در نمونه کارها: cum_daily_retu [سهام] = استراتژی_پرکورس (سهام) # چاپ روزانه تجمعی چاپ ("بازده های جمع آوری شده روزانه")cum_daily_retu. plot () # نمایش طرح plt. show ()
نتیجه
اگر می خواهید استراتژی را اصلاح کنید ، می توانید این کد را کپی کنید و باید از آنجا بسیار ساده باشد. می توانید سهام بیشتری را در نمونه کارها اضافه کرده و عملکرد استراتژی را در آن سهام ارزیابی کنید.
یکی از محدودیت های نتایج این است که هزینه معامله را شامل نمی شود. همچنین درک این نکته مهم است که استراتژی فوق شامل ریسک خوبی است. شما در حال خرید یا فروش سهام بر اساس خرید یا فروش اخیر توسط سایر شرکت کنندگان در بازار هستید.
این مقاله در مورد استراتژی سرمایه گذاری با ارزش کمی در پایتون بهترین جنبه های ارزش و سرمایه گذاری کمی را ترکیب می کند و آنها را برای یک رویکرد کاملاً منحصر به فرد برای نمایش سهام برای سرمایه گذاری اعمال می کند.
بروزرسانی - ما متوجه شده ایم که برخی از کاربران هنگام بارگیری داده های بازار از سیستم عامل های مالی Yahoo و Google با چالش هایی روبرو هستند. در صورتی که به دنبال یک منبع جایگزین برای داده های بازار هستید ، می توانید از Quandl برای همین استفاده کنید.
سلب مسئولیت: کلیه سرمایه گذاری ها و تجارت در بورس سهام شامل ریسک است. هرگونه تصمیم برای قرار دادن معاملات در بازارهای مالی ، از جمله تجارت در سهام یا گزینه ها یا سایر ابزارهای مالی ، یک تصمیم شخصی است که فقط باید پس از تحقیقات کامل از جمله ریسک شخصی و ارزیابی مالی و مشارکت کمکهای حرفه ای به میزان شما اتخاذ شودباور کنیداستراتژی های معاملاتی یا اطلاعات مرتبط با آن که در این مقاله ذکر شده است فقط برای اهداف اطلاعاتی است.
پرونده در بارگیری: تجارت لاک پشت - کد پایتون