Ea Que Segue Bollinger Bandas

Como negociar com o indicador de GannHiLoActivator O indicador consiste em uma única linha que flui acima do preço (acima das velas) ou abaixo. Dependendo da posição na linha de indicador comerciantes determinar se é hora de vender ou comprar. Os sinais de GannHiLoActivator devem ser lidos como segue: - A linha de indicador está abaixo da tendência ascendente do preço, hora de comprar, nenhuma venda. - A linha do indicador está acima da tendência de baixa do preço, hora de vender, nenhuma compra. - Sempre que a linha de indicador muda sua posição para o tempo oposto para fechar negócios existentes e iniciar negócios na direção oposta. Nota: Os sinais indicadores são confirmados somente quando as velas de preços estão fechadas. Por exemplo. Em gráficos horários, durante o curso de 1 hora GannHiLoActivator linha pode mudá-lo posição lançando acima, abaixo e voltar várias vezes. Portanto, até que uma vela de hora em hora se fecha, nenhuma ação deve ser tomada. O indicador GannHiLoActivator ajuda a identificar e seguir tendências em todos os prazos. Ele pode ajudar a ficar mais tempo em um comércio e não pânico. Ao mesmo tempo, é muito rápido para reagir às mudanças de tendência. No entanto, como qualquer indicador de tendência, é propenso a drifts laterais do mercado. E, embora ao contrário de outros indicadores itll dar menos sinais falsos, seria extremamente difícil lucrar com ele durante os mercados de alcance. Exponencial Moving Average (EMA) Explicado Como dissemos na lição anterior, médias móveis simples podem ser distorcidas por picos. Vamos começar com um exemplo. Let8217s dizem que traçamos um SMA de 5 períodos no gráfico diário do EURUSD. Os preços de fechamento para os últimos 5 dias são os seguintes: A média móvel simples seria calculada da seguinte forma: (1.3172 1.3231 1.3164 1.3186 1.3293) 5 1.3209 Simplesmente, certo Bem, e se houvesse um noticiário no dia 2 que faz com que o euro Para cair através da placa. Isso faz com que o EURUSD mergulhe e feche em 1.3000. Vamos ver o efeito que isso teria sobre o período 5 SMA. A média móvel simples seria calculada da seguinte forma: O resultado da média móvel simples seria muito menor e lhe daria a noção de que o preço estava realmente diminuindo, quando, na realidade, o Dia 2 era apenas um evento único Causado pelos maus resultados de um relatório econômico. O ponto que estamos tentando fazer é que às vezes a média móvel simples pode ser muito simples. Se só houvesse uma maneira que você poderia filtrar esses picos para que você wouldn8217t obter a idéia errada. Hmm8230 Espere um minuto8230 Sim, há uma maneira It8217s chamado Exponential Moving Average Médias móveis exponenciais (EMA) dar mais peso para os períodos mais recentes. Em nosso exemplo acima, a EMA colocaria mais peso nos preços dos dias mais recentes, que seriam os dias 3, 4 e 5. Isso significaria que o pico no dia 2 seria de menor valor e não teria tão grande Um efeito sobre a média móvel como seria se tivéssemos calculado para uma média móvel simples. Se você pensar nisso, isso faz muito sentido porque o que isso faz é colocar mais ênfase no que os comerciantes estão fazendo recentemente. A média móvel móvel exponencial (EMA) ea média móvel simples (SMA) de lado a lado Let8217s dão uma olhada no gráfico de 4 horas do USDJPY para destacar como uma média móvel simples (SMA) e média móvel exponencial (EMA) iria olhar lado a lado Em um gráfico. Observe como a linha vermelha (a EMA 30) parece ser preço mais próximo do que a linha azul (a 30 SMA). Isso significa que representa com mais precisão a ação de preço recente. Você provavelmente pode adivinhar por que isso acontece. It8217s porque a média móvel exponencial coloca mais ênfase no que tem acontecido ultimamente. Ao negociar, é muito mais importante ver o que os comerciantes estão fazendo AGORA, em vez do que eles estavam fazendo na semana passada ou no mês passado. Salve seu progresso, assinando e marcando a lição completeTechnical Analysis com R Neste post bem dar uma olhada em como um comerciante poderia usar R para calcular alguns indicadores de análise técnica básica. R é um ambiente livre de análise estatística de código aberto e linguagem de programação. Ele está disponível para sistemas operacionais Windows, Mac OS e Linux. A instalação é fácil e rápida. Para obter instruções de download e instalação, vá para: cran. r-project. org. Ao desenvolver uma estratégia de negociação é útil para ser capaz de analisar e visualizar dados e ser capaz de testar suas regras de geração de comércio e suas variações e modelos de forma rápida e com turn-around mínimo. Enquanto muitas plataformas de negociação, tais como Corretores Interativos, etc. fornecem acesso a dados históricos através de API ou download direto de arquivos, analisando que as estratégias de negociação de dados e prototipagem muitas vezes requerem escrever centenas de linhas de código em linguagens de programação como Java ou C ou escrever Difíceis de testar no Excel. Isso requer um investimento de tempo significativo, independentemente de como o programador de experiência que você é. Em contraste, uma linguagem de programação de nível superior, como R ou Matlab, juntamente com seus ambientes de programação interativos, permitem aos usuários cortar, cortar e analisar dados em uma fração do tempo que leva com C, C ou Java. A quantidade de código necessário para desenvolver uma estratégia de negociação em R é tipicamente uma ordem de magnitude menor também. Neste exemplo, utilize um arquivo separado com uma vírgula simples contendo colunas de preços abertas, altas, baixas e fechadas (a. k.a. OHLC), juntamente com valores de volume e timestamp para SPY ETF. Neste post bem demonstrar como usar uma biblioteca R livre para calcular Média Simples Movente (SMA), Exponential Moving Average (EMA), Bollinger Bands (BBands), RSI e MACD indicadores de análise técnica. Anexaremos indicadores calculados como novas colunas ao nosso arquivo de entrada para que possa ser usado para análise adicional ou prototipagem de estratégia de negociação no Excel, R ou qualquer outro pacote de software compatível com CSV de sua escolha. Instalando a Biblioteca de Análise Técnica para R 1. Para calcular a Análise Técnica com R, usaremos uma biblioteca livre de código aberto chamada 8220TTR8221 (Regras Técnicas de Negociação). Esta etapa inclui instruções para instalar a biblioteca TTR, supondo que você já tenha instalado R no seu computador. Essas etapas só precisam ser executadas uma vez por instalação R em um computador. Para instalar a biblioteca no seu computador: 1) Inicie o ambiente R no seu computador e, em seguida, no menu selecione: Pacotes 038 Data - Package Installer 2) No Package Installer, digite 8220TTR8221 no campo Package Search e clique no botão 8220Get List8221. 3) Selecione o pacote 8220TTR8221 e clique em 8220Install Selected8221. Carregando Dados Históricos (Entrada) Para fins de demonstração, usaremos os preços históricos diários para SPY ETF de setembro de 2013 até maio de 2014. Clique aqui para baixar o arquivo de dados. Este arquivo de entrada para este exemplo foi gerado usando o IB Historical Data Downloader. 2. Vamos começar abrindo shell R e carregando a biblioteca TTR, que é uma extensão R livre que contém funções para calcular alguns dos indicadores mais comuns. 3. O próximo passo é importar nosso arquivo de dados com preços históricos no ambiente R. Vamos carregar dados do arquivo CSV de exemplo no ambiente R e armazená-lo um quadro de dados, que é um tipo de variável R para armazenar dados em formato de tabela na memória. Para exibir primeiras linhas da tabela de dados: Por padrão, as primeiras 6 linhas de dados são exibidas juntamente com os nomes das colunas (cabeçalho da tabela). Para ver quantas linhas você tem na tabela de dados: Isto mostra que temos 187 registros de dados em nosso arquivo de dados SPY, para 187 dias de negociação entre 3 de setembro de 2013 8211 31 de maio de 2014. Também podemos listar nomes de colunas de tabela usando funções de colnames Como segue: Médias móveis 4. Agora vamos calcular a média simples de 20 dias (SMA) da coluna de preço CLOSE usando as bibliotecas TTR Função R SMA: Agora, vamos ver os primeiros 50 valores da matriz sma20: Aqui usamos a função SMA da TTR Biblioteca que carregamos acima, dizendo-lhe para calcular a média de 20 dias (valor do parâmetro n), da coluna CLOSE a partir de dados de quadro de dados. A função retorna um array de valores SMA e armazena-o em uma nova variável chamada sma20. Você pode chamar a ajuda com uma descrição detalhada da função e seus parâmetros usando. Seguido pelo nome da função, conforme abaixo. É sempre uma boa idéia para ler páginas de ajuda para as funções que você está usando, uma vez que irá listar todos os parâmetros opcionais que você pode usar para ajustar a saída. Além disso, muitas funções têm variações ou funções relacionadas, que podem ser úteis em várias circunstâncias e serão listadas na página de ajuda. 5. Calculando a média móvel exponencial é similarmente fácil, apenas use uma função diferente, esta vez EMA (). Observe que calculamos EMA para Bollinger Bands de 14 períodos de duração. Para calcular o Bollinger Bands, usamos a função BBands. Há uma série de parâmetros opcionais que é preciso, para fornecer vários exemplos. No exemplo abaixo nós chamamos de BBands passando dados de quadro de dados com uma consulta que especifica que queremos usar valores da coluna CLOSE, assim como fizemos acima para cálculos SMA e EMA acima. O segundo parâmetro sd toma o número de desvios padrão para as bandas superior e inferior. Uma vez que não passam valor para n 8211 BBands usa 20-período média móvel por padrão. A saída contém várias colunas: dn para banda inferior, mavg para a média móvel, para cima para a banda superior, e pctB, que quantifica o preço de um security8217s em relação à banda Bollinger superior e inferior, uma descrição detalhada dele pode ser encontrada aqui. B é igual a 1 quando o preço está na banda superior B é igual a 0 quando o preço está na banda inferior B está acima de 1 quando o preço está acima da banda superior B está abaixo de 0 quando o preço está abaixo da banda inferior B está acima de .50 quando o preço é Acima da faixa média (20-dia SMA) B está abaixo de .50 quando o preço está abaixo da faixa média (20-dia SMA) bb20 BBands (dados, sd2.0) 6.1 Agora we8217d gostaria de criar um novo quadro de dados contendo todas as entradas Dados do quadro 8216data8217, mais dados Bollinger Bands que acabamos de calcular. A função data. frame () toma qualquer número de quadros de dados e os une rowwise-wise em um novo quadro de dados, de modo que elementos de linhas correspondentes são unidos juntos no resultado. 6.2 Linha Bollinger Bands: linhas (dataPlusBBDATETIME, allDataCLOSE) linhas (dataPlusBBCLOSE, col 8216red8217) linhas (dataPlusBBdn, col 8216brown8217) linhas (dataPlusBBdn, col 8216brown8217) 6.3 Como alternativa, podemos especificar explicitamente que tipo de movimento Média deve ser usada como a base para Bandas de Bollinger usando o parâmetro de função maType, que simplesmente toma um nome de função de média móvel. Consulte a página de ajuda do SMA para ver diferentes tipos de médias móveis suportadas na biblioteca TTR. Por exemplo, se você gostaria de calcular um EMA Bollinger Bands, você pode passar EMA para maType. Observe que neste exemplo estamos substituindo o parâmetro de comprimento padrão para a média móvel, usando a média de 14 períodos dessa vez. BbEMA BBands (dados, sd2.0, n14, maTypeEMA) RSI 8211 Indicador de Força Relativa 7. RSI. Para calcular RSI usamos a função RSI (). Você pode usar o comando RSI no shell R para obter detalhes dos parâmetros da função. Basicamente, é muito semelhante às funções que usamos acima para gerar médias móveis. Ele tem dois parâmetros necessários: séries temporais (como a coluna CLOSE da nossa estrutura de dados de dados e n valor inteiro para o comprimento do indicador RSI) rsi14 RSI (dados, n14) Aqui o primeiro parâmetro para a função RSI é: data, which É uma instrução que diz tomar a coluna denominada CLOSE da tabela de dados e devolvê-la como uma lista de valores eo segundo parâmetro é n14, onde o nome do parâmetro é n eo valor 14 indica que queremos calcular o valor de 14 dias RSI valores sobre os preços de fechamento 8. A função MACD leva vários argumentos: série de dados de entrada (como o preço FECHADO) número de períodos para o número médio rápido de períodos para a média lenta número médio de períodos para a linha de sinal Você também pode opcionalmente Especifique a função de média móvel que deseja usar para as médias móveis do MACD Veja uma captura de tela da página de ajuda abaixo (você também pode usar o comando MACD no shell R para abrir a página de ajuda você mesmo): Permite calcular um padrão (12,26,9) Indicador MACD utilizando esta função. Ndard simples médias móveis, portanto, bem especificar função SMA no parâmetro maType: macd MACD (dados, nFast12, nSlow26, nSig9, maTypeSMA) Juntar todos os dados juntos 9. Agora, juntamos todos os indicadores calculados acima com os dados de entrada original em Uma única moldura de dados: A função data. frame () toma qualquer número de quadros de dados e os une em linha-sábio, de modo que os elementos das linhas correspondentes sejam colados juntos na data. frame allData resultante. Escrever para o arquivo de texto E, finalmente, escrevemos o conteúdo do quadro de dados allData para um arquivo de valores separados por vírgulas. Usamos a função write. table (), que contém um grande número de parâmetros opcionais. Uma página de ajuda detalhada está disponível usando o comando write. table no shell R. Write. table (allData, filespywithindicators. csv, na, sep, row. names FALSE) Quando chamamos a função write. table () passamos os seguintes argumentos: allData 8211 isto é simplesmente uma referência ao quadro de dados contendo dados a serem Escrito para o arquivo de saída. Arquivo 8230 8211 este é o caminho eo nome do arquivo que estamos criando. Na 8211 certifica-se de que as células na moldura de dados que contêm valor R NA conterão valores vazios no arquivo de saída. Algumas células têm NA para linhas onde não havia dados suficientes para gerar um valor indicador correspondente (por exemplo, primeiro 19 linhas para 20-dia SMA). Sep, 8211 define o separador de coluna para vírgula (daí o arquivo de valores separados por vírgulas). Para criar um arquivo separador de tabelas (realmente um formato preferido para sistemas de software sérios) use: sep t. Row. names FALSE 8211 é importante definir esse valor, caso contrário, a primeira coluna no arquivo de saída conterá números de linha. O arquivo resultante está disponível aqui. Clique com o botão direito do mouse e selecione 8220Save Linked File As8221 O arquivo baixado pode ser aberto no Excel ou no editor de texto. 10. Há mais funções e recursos disponíveis na biblioteca TTR. Você pode descobrir mais trazendo a página de ajuda TTRs: CONCLUSÃO R fornece um ambiente conveniente e versátil para análise de dados e cálculos. Além de milhares de bibliotecas e algoritmos matemáticos livres de código aberto, R contém um grande número de funções e bibliotecas para ler e gravar dados de arquivos, bancos de dados, URLs, Serviços da Web, etc. Isso, combinado com a concisão da linguagem , É uma poderosa combinação que pode ajudar os comerciantes a economizar tempo precioso. Os comerciantes podem reduzir significativamente o tempo necessário para o protótipo e backtest estratégias de negociação usando R. Há também métodos para integrar R com as principais linguagens de programação como Java e C. Don8217t hesite em postar um comentário ou enviar como uma mensagem via Fale conosco formulário se Você tem alguma dúvida sobre este material. Finalmente, gostaríamos de mencionar alguns livros que foram muito úteis em nossos esforços de desenvolvimento. O primeiro livro 8211 8220Quantitative Trading com R8221 é uma grande mistura de insights de análise de dados financeiros e aplicação de R para backtesting, exploração de dados e análise. Ele tem um número de grandes exemplos de código e vai sobre um número de pacotes R úteis. Este é um bom livro de nível de intro-para-intermediário para pessoas que gostariam de construir e backtest suas próprias estratégias de negociação. O segundo livro 8211 8220Mastering R para Quantitative Finance8221 8211 é uma verdadeira jóia. Ele contém informações mais avançadas para os comerciantes com uma boa compreensão dos instrumentos derivados e fundo matemático mais forte. Descobrimos que este livro é um ótimo acompanhamento para o 8220Quantitative Trading com R8221. Além de grandes amostras de código R e pacotes que contém visões gerais de um número avançado (e prático) quantitativa financiar modelos e algoritmos, e permite que você obtenha seus pés molhados com código R imediatamente. Trading Geeks fornece serviços de consultoria na estratégia de negociação e desenvolvimento de software para comerciantes independentes, parcerias e hedge funds. Por favor, pergunte para obter mais informações ou uma cotação gratuita para o seu projeto via Fale conosco formulário à direita.