Фильтры технических индикаторов

Фильтры технических индикаторов являются важными инструментами в мире алгоритмической торговли (также известной как алго-трейдинг или электронная торговля). Эти фильтры используют статистические методологии и аналитику данных для помощи трейдерам в принятии более обоснованных решений. Интегрируя технические индикаторы, трейдеры могут отфильтровать рыночный шум и определить наиболее перспективные торговые возможности.

Понимание фильтров технических индикаторов

Фильтры технических индикаторов — это алгоритмы, которые анализируют исторические рыночные данные, такие как цена и объем, для выявления паттернов и трендов. Эти паттерны помогают трейдерам прогнозировать будущие рыночные движения. Обычно технические индикаторы можно разделить на три основных типа:

Индикаторы тренда: Они помогают идентифицировать направление рынка. Примеры включают скользящие средние (SMA и EMA) и индекс среднего направления (ADX).
Индикаторы импульса: Они измеряют скорость изменения цены актива. Примеры включают индекс относительной силы (RSI) и схождение-расхождение скользящих средних (MACD).
Индикаторы волатильности: Они оценивают степень вариации цены за данный период. Примеры включают полосы Боллинджера и средний истинный диапазон (ATR).

Используя эти технические индикаторы в алго-торговых стратегиях, торговая система может автоматически генерировать сигналы покупки или продажи на основе предопределенных критериев, повышая эффективность и производительность торгового процесса.

Типы фильтров технических индикаторов

Скользящие средние (MA)

Скользящие средние являются одними из самых простых и часто используемых фильтров технических индикаторов. Усредняя цены активов за определенный период, эти индикаторы сглаживают краткосрочные колебания и подчеркивают долгосрочные тренды.

Простое скользящее среднее (SMA): Рассчитывается путем сложения цен закрытия за определенный период и деления на количество периодов.
Экспоненциальное скользящее среднее (EMA): Придает больший вес последним ценам, что делает его более чувствительным к новой информации.

Пример реализации:

def SMA(prices, period):
    return sum(prices[-period:]) / period

def EMA(prices, period):
    ema = []
    k = 2 / (period + 1)
    ema.append(prices[0])  # начиная с первой цены для простоты
    for price in prices[1:]:
        ema.append(price * k + ema[-1] * (1 - k))
    return ema

Индекс относительной силы (RSI)

RSI — это осциллятор импульса, который измеряет скорость и изменение ценовых движений. Он варьируется от 0 до 100 и обычно используется для определения перекупленных или перепроданных условий.

Уровни выше 70 часто указывают на перекупленность.
Уровни ниже 30 часто указывают на перепроданность.

Пример реализации:

def RSI(prices, period=14):
    deltas = [prices[i] - prices[i-1] for i in range(1, len(prices))]
    seed = deltas[:period]

    up = sum([x for x in seed if x > 0]) / period
    down = -sum([x for x in seed if x < 0]) / period
    rs = up / down

    rsi = [100 - 100 / (1 + rs)]

    for delta in deltas[period:]:
        if delta > 0:
            up_val = delta
            down_val = 0
        else:
            up_val = 0
            down_val = -delta

        up = (up * (period - 1) + up_val) / period
        down = (down * (period - 1) + down_val) / period

        rs = up / down
        rsi.append(100 - 100 / (1 + rs))

    return rsi

Схождение-расхождение скользящих средних (MACD)

MACD — это индикатор импульса, который показывает взаимосвязь между двумя скользящими средними цены ценной бумаги. Он рассчитывается путем вычитания 26-периодной EMA из 12-периодной EMA.

Линия MACD = 12-периодная EMA - 26-периодная EMA
Сигнальная линия = 9-периодная EMA линии MACD
Гистограмма = Линия MACD - Сигнальная линия

Пример реализации:

def MACD(prices, short_period=12, long_period=26, signal_period=9):
    short_ema = EMA(prices, short_period)
    long_ema = EMA(prices, long_period)
    macd_line = [short - long for short, long in zip(short_ema, long_ema)]
    signal_line = EMA(macd_line, signal_period)
    histogram = [macd - signal for macd, signal in zip(macd_line, signal_line)]

    return macd_line, signal_line, histogram

Полосы Боллинджера

Полосы Боллинджера — это полосы волатильности, размещенные выше и ниже скользящего среднего. Они состоят из:

Средней полосы, являющейся простым скользящим средним.
Верхней полосы на MA плюс два раза дневное стандартное отклонение.
Нижней полосы на MA минус два раза дневное стандартное отклонение.

Пример реализации:

import numpy as np

def Bollinger_Bands(prices, period=20, num_of_sd=2):
    sma = SMA(prices, period)
    rolling_std = np.std(prices[-period:])

    upper_band = sma + (rolling_std * num_of_sd)
    lower_band = sma - (rolling_std * num_of_sd)

    return upper_band, sma, lower_band

Средний истинный диапазон (ATR)

ATR измеряет рыночную волатильность, разлагая весь диапазон цены актива за данный период. Истинный диапазон:

Истинный диапазон: Максимум из (Максимум - Минимум, Максимум - Предыдущее закрытие, Предыдущее закрытие - Минимум)
ATR: Среднее истинного диапазона за указанный период.

Пример реализации:

def ATR(highs, lows, closes, period=14):
    tr_list = [max(h-l, abs(h-pc), abs(l-pc)) for h, l, pc in zip(highs, lows, closes[1:])]
    atr = [sum(tr_list[:period]) / period]

    for tr in tr_list[period:]:
        atr.append((atr[-1] * (period - 1) + tr) / period)

    return atr

Практические применения

Сигналы входа и выхода

Фильтры технических индикаторов в основном используются для генерации сигналов входа и выхода в алго-торговых системах. Например, если линия MACD пересекает сигнальную линию сверху, она может генерировать сигнал покупки, в то время как пересечение снизу может генерировать сигнал продажи.

Управление рисками

Технические индикаторы также применяются в управлении рисками. Например, полосы Боллинджера могут помочь определить волатильность и тем самым определить уровни стоп-лосса, обеспечивая минимизацию потенциальных потерь.

Оптимизация портфеля

Продвинутые технические индикаторы могут помочь в оптимизации портфеля, оценивая силу различных активов в портфеле, тем самым помогая перераспределить капитал в сторону более высокодоходных активов.

Реальные реализации

QuantConnect

QuantConnect — это платформа количественной торговли, известная интеграцией различных технических индикаторов в свою структуру алгоритмической торговли. Трейдеры могут внедрять и тестировать свои стратегии, используя широкий спектр встроенных технических индикаторов. Посетите QuantConnect здесь.

MetaTrader

MetaTrader 4 и MetaTrader 5 — популярные торговые платформы, которые поддерживают алгоритмическую торговлю. Они содержат множество встроенных технических индикаторов и предоставляют возможности для разработки пользовательских индикаторов и торговых ботов с использованием языков MQL4 и MQL5. Посетите MetaTrader здесь и здесь.

TradingView

TradingView — это еще одна мощная платформа, которая интегрирует технические индикаторы с функциями социальных сетей, позволяя трейдерам делиться идеями и стратегиями. Платформа поддерживает пользовательское написание сценариев через Pine Script, обеспечивая продвинутую алгоритмическую торговлю. Посетите TradingView здесь.

Заключение

Фильтры технических индикаторов незаменимы для стратегий алгоритмической торговли, предлагая сложные инструменты для анализа рыночных данных и генерации действенных торговых сигналов. От скользящих средних до полос Боллинджера эти фильтры облегчают более точное принятие решений и эффективное управление рисками. По мере развития технологий будет развиваться и интеграция и применение продвинутых технических индикаторов, укрепляя их роль в будущем финансовой торговли.