آیا شاخص های فنی موثر هستند؟

شاخص های فنی، زیرمجموعه ای از تحلیل تکنیکال، به سیگنال های مبتنی بر الگوی معمولاً وابسته به قیمت یا حجم اوراق بهادار اشاره دارد. این اندیکاتورها روندهای داده های تاریخی را به منظور پیش بینی حرکت قیمت در آینده تجزیه و تحلیل می کنند. اما آیا آنها واقعا موثر هستند؟

قبل از ورود به کد و نتایج، بیایید به بررسی انواع شاخص ها و هدف آن ها بپردازیم. شاخص های اولیه شامل میانگین های متحرک، نوسانگرها و محورها هستند.

میانگین متحرک: میانگین متحرک (MA) یک شاخص فنی ساده است که داده های قیمت گذاری تاریخی را با ایجاد یک میانگین قیمت به طور منظم به روز می کند. میانگین در یک دوره زمانی خاص گرفته می شود، چه 30 دقیقه، 30 روز یا هر دوره زمانی دیگری که معامله گر ترجیح می دهد. اینها اغلب نویز در حرکات قیمت را مسدود می کنند و روند کلی از نحوه حرکت امنیت را در اختیار معامله گر قرار می دهند.

نوسانگرها: نوسانگرها اندیکاتورهایی هستند که اغلب برای شناسایی روندهای حرکتی استفاده می شوند که نوسانات آنها توسط نوار بالایی و پایینی محدود می شود. معامله گران با شناسایی اینکه چگونه اوراق بهادار در گذشته تحت یک حرکت مشابه عمل کرده اند، بسته به اینکه معتقدند سهام بیش از حد است یا کمتر از ارزش گذاری شده، تصمیم گیری کنند.

Pivots: شاخص های Pivot شامل اطلاعاتی در مورد سطوح حمایت و مقاومت است که به معامله گران کمک می کند تا جایی که ممکن است امنیت به عقب بازگردد یا پیشرفت کند، تجسم کنند. این اندیکاتورها همچنین به شناسایی و تایید معاملات در صورت استفاده همراه با سایر ابزارهای تحلیل کمک می کنند.

برخی از محبوب ترین شاخص ها عبارتند از متقاطع میانگین متحرک (20، 50 و 200 روز)، باندهای بولینگر، شاخص قدرت نسبی، واگرایی میانگین متحرک همگرایی (MACD) و شاخص کانال کالا (CCI).

بنابراین برای پاسخ به این سوال، من تصمیم گرفتم یک برنامه پایتون ایجاد کنم که این 5 شاخص محبوب را برای هر دوره امنیتی و زمانی بک تست می کند. به منظور صرفه جویی در زمان و بهینه سازی حجم اطلاعاتی که می توانم در این مقاله قرار دهم، فقط ساختار پشت برنامه را توضیح می دهم و بیشتر روی خروجی ها تمرکز می کنم. با این اوصاف، لطفاً اگر اصلاً سؤالی دارید، با من تماس بگیرید!

پیوند کد کامل این مقاله را می توانید در این GitHub Gist بیابید.

بک تست کردن شاخص های فنی با استفاده از پایتون

اول از همه ، ما باید بسته هایی را که برای بقیه برنامه استفاده خواهیم کرد وارد کنیم. بسته های اصلی شامل Numpy ، Pandas ، Talib و Yfinance هستند. Numpy و Pandas در تجزیه و تحلیل داده ها کمک می کنند در حالی که Talib و YFINANCE به ما امکان می دهند تا به راحتی شاخص های فنی را محاسبه کرده و داده های قیمت گذاری تاریخی را دریافت کنیم. به راحتی می توانید هر یک از این ماژول ها را با استفاده از PYPI ، مدیر بسته Pythons بارگیری کنید!

ما می توانیم سهام و تعداد سالها را با بیانیه های ورودی تنظیم کنیم ، بنابراین لازم نیست هر بار که آن را اجرا کنید ، کد را تغییر دهید تا نمادهای دیگر/دوره های زمانی را بررسی کنید. سرانجام ، ما می توانیم لیست سیگنال ها را روی 5 شاخص تنظیم کنیم و آماری دیگر را که به دست خواهیم آورد در لیست های خالی قرار دهیم.

در این بخش از کد ، ما در واقع وارد پشتی می شویم! ما می توانیم لیست اصلی سیگنالهایی را که در ابتدا ایجاد کرده ایم حلقه کنیم و هر یک از استراتژی ها را تنظیم کنیم.

In this particular example, the short SMA is an average of 20 days while the long SMA is 50 days. We can create the variables position, counter, and percentChange in order to implement and track the strategy. Next, we can create our signals for buying (20 SMA> 50 SMA) and selling (50 SMA>20 SMA) امنیت.

سرانجام ، ما می توانیم آماری را در مورد نحوه عملکرد استراتژی جمع آوری کنیم. این آمار شامل تعداد معاملات ، درصد تغییر ، آخرین قیمت خرید ، آخرین قیمت فروش ، میانگین سود و ضرر در هر تجارت ، حداکثر سود و ضرر در هر تجارت ، نسبت سود/ضرر و نرخ موفقیت برای سیگنال ها است.

پس از اتمام تمام سیگنال ها (فقط این روند را با خرید و فروش سیگنال های شاخص های دیگر تکرار کنید) ، می توانیم با لیست آماری که با کد زیر به دست آورده ایم ، یک Dataframe Pandas ایجاد کنیم.

برای اینکه واقعاً دریابیم که آیا یک استراتژی مؤثر است ، ما باید آن را با نحوه امنیت خود در همان دوره (خرید و نگه داشتن) مقایسه کنیم. به عنوان مثال ، اگر گروههای بولینگر 200 ٪ بازده ایجاد کنند اما امنیت خود 250 ٪ به دست آورد ، بدیهی است که ما باید یا استراتژی را تغییر دهیم یا آن را به طور کلی رها کنیم.

در حال حاضر ، ما یک DataFrame کامل داریم که شامل تمام آمار در مورد چگونگی استراتژی های انجام شده در مدت زمان تعیین شده است و بنابراین در نهایت زمان آن برای پاسخ به این سؤال است: آیا شاخص های فنی مؤثر هستند؟

پاسخ به سوال قدیمی

پاسخ این است که، بستگی دارد .

من می دانم ، من قول داده ام که پاسخ مشخصی به چگونگی شاخص های فنی مؤثر بدهم اما پاسخ واقعاً به بسیاری از عوامل بستگی دارد. تجزیه و تحلیل فنی در مورد احتمال و احتمال وجود دارد ، نه تضمین می کند. اگر یک شاخص بیشتر از این کار کند ، حتی اگر تمام وقت کار نکند ، هنوز هم می تواند در تولید سود مؤثر باشد.

در بیشتر موارد (حدود 78 ٪) وقتی من کد را با صدها تیک مختلف اجرا کردم ، خرید و نگه داشتن استراتژی پیشرو در بازده نبود. با این حال ، استراتژی هایی که در بازده منجر می شود بسیار متفاوت است و بنابراین یک نشانگر واحد وجود ندارد که هر بار فوق العاده بهتر از سایرین عمل کند.

اما به چه معنی است؟

بر اساس نتایج من ، هنوز هم در استفاده از شاخص های فنی در یک استراتژی معاملاتی پتانسیل وجود دارد ، اما باید از چندین شاخص تشکیل شود و برای تولید مداوم سود به طور کامل برای تیکرهای مختلف در طی طیف وسیعی از آنها به طور کامل از آن استفاده شده است.

یک استراتژی واقعی و قابل اعتماد برای تجارت بسیار سخت است و شما نمی توانید فقط به یک نمودار اعتماد کنید تا همه چیزهایی را که باید بدانید به شما بگویید. و من به عنوان یک فرد آگاه از ریسک ، من شخصاً بهترین استفاده از وقت و تلاش خود را برای سرمایه گذاری مداوم در صندوق های شاخص به جای زمان بندی بازار پیدا می کنم.

اخلاق داستان: اکنون که به ساختار نحوه استفاده از شاخص های پشتی در پایتون دسترسی دارید ، تصمیم آگاهانه ای برای خودتان بگیرید. خیلی ممنون از خواندن و امیدوارم لذت برده باشید!

به هر حال ، اگر می خواهید از این شاخص های مشابه بدون کد استفاده کنید ، می توانید این وب سایت را که ایجاد کردم برای کمک به سرمایه گذاران بررسی کنید (ممکن است مدتی طول بکشد تا در ابتدا بارگیری شود زیرا در هروکو مستقر شده است).

سلب مسئولیت: مطالب موجود در این مقاله صرفاً برای اهداف آموزشی است و نباید به عنوان مشاوره سرمایه گذاری حرفه ای در نظر گرفته شود. با اختیار خود سرمایه گذاری کنید.

اگر از این مقاله لذت بردید ، به جامعه سرمایه گذاری رایگان من در زمینه شرکت بپیوندید و برخی از مقاله های دیگر من را در زیر ببینید!