Klicken Sie hier, um ein PDF dieses Beitrags zu erhalten

Dies ist ein Gastbeitrag von Troy Bombardia von sentimentrader.com

Die meisten Händler beginnen mit diskretionären Handelsstrategien zu handeln, da diese Strategien normalerweise leichter zu verstehen sind. Ziehen Sie einfach ein Diagramm hoch, legen Sie einige Indikatoren auf das Diagramm und voila! Ab dem ersten Tag können Sie den Markt verstehen, analysieren und kennenlernen! Da sich Ihre Handelserfahrung und Ihr Handelswissen im Laufe der Jahre ansammeln, möchten Sie Ihren Handel möglicherweise durch Betrachtung quantitativer Handelsstrategien verbessern. Diese Handelsstrategien sind schwieriger zu verstehen und können schwierig zu erstellen sein, wenn Sie keinen Hintergrund in Computerprogrammierung haben. Wenn Sie also an quantitativem Handel interessiert sind, werde ich Ihnen mitteilen, wie Quants wie ich Python für den Handel verwenden.

Was ist Python und warum nicht bei Excel bleiben?

Python ist eine Programmiersprache auf hoher Ebene, die benutzer- und anfängerfreundlicher ist als viele andere beliebte Programmiersprachen. Viele Quants schreiben Python-Code, um Strategien zu testen und ihre Trades auszuführen. Jetzt fragen Sie sich vielleicht: „Was ist, wenn ich Python nicht kenne? Es klingt schwierig zu lernen und ich kann mich einfach an Excel halten! “

Sie können sicherlich bei Excel bleiben. Excel eignet sich hervorragend zum Backtesting einfacher Handelsstrategien wie „Long gehen, wenn der S & P 500 über seinem gleitenden 200-Tage-Durchschnitt liegt, andernfalls verkaufen und in Bargeld umwandeln“.

Wie Drag-and-Drop-Website-Vorlagen ist Excel für Anfänger äußerst benutzerfreundlich. Jede Gleichung, die Sie berechnen, kann einfach durch Zeigen und Klicken auf andere Zellen erstellt werden. In der Zwischenzeit ist das Erstellen derselben Handelsstrategie mit Python komplizierter und erfordert ein tieferes Verständnis des Python-Codes. Warum also Python lernen und es für den Handel verwenden?

Excel eignet sich zwar hervorragend für Anfänger, ist jedoch nicht so skalierbar wie Python. Einige dieser Probleme können durch die Verwendung von Excel VBA behoben werden, aber VBA ist nicht so funktionsfähig wie Python:

  1. Nehmen wir an, ich möchte ein Handelsmodell testen, das gleichzeitig 1000 verschiedene Aktien betrachten und die 50 besten Aktien für den Handel auswählen kann. Das Backtesting eines solchen Modells in Excel wäre ein Albtraum, da es ewig dauern würde, 1000 Spalten mit Preisdaten zu bearbeiten. Das Backtesting einer solchen Strategie ist in Python viel einfacher.
  2. Nehmen wir an, ich möchte mein Handelsmodell optimieren (wobei ich auf die Kurvenanpassung achten muss). Ich habe dies kürzlich getan, um 65.000 Paare von MACD-Einstellungen zu testen, um die beste zu finden. Wenn Sie versuchen, dieses Excel auszuführen, dauert es Tage, wenn nicht Wochen, um die beste Einstellung zu finden. In Python müssen Sie jedoch nur einen kurzen Code schreiben. Lassen Sie Ihren Computer den Code ausführen und innerhalb weniger Minuten haben Sie die Antwort, nach der Sie suchen.

Warum Python anstelle anderer Programmiersprachen für den Handel?

Wenn Sie neu in der Programmierung sind, kann die schiere Anzahl der Programmiersprachen, die Sie für den quantitativen Handel verwenden können, entmutigend erscheinen. Python, C ++, C #, Java, R usw. Mit welcher Sprache sollten Sie beginnen?

Ich persönlich bevorzuge Python (und damit habe ich angefangen). Python ist eine der am häufigsten verwendeten Programmiersprachen im quantitativen Handel, da es sich um eine Hochsprache handelt (was bedeutet, dass der Code leichter zu verstehen und daher benutzerfreundlicher ist). Andere Programmiersprachen wie C ++ sind älter und als Mittelsprachen schwieriger zu erlernen / zu verwenden. Darüber hinaus verfügt Python über einige großartige Bibliotheken wie Pandas, die „Datenrahmen“ verwenden, die Excel-Tabellen sehr ähnlich sehen.

Neben Python ist Java wahrscheinlich eine der beliebtesten Programmiersprachen für den Handel, für Anfänger jedoch schwieriger zu erlernen.

Python + Pandas

Python für den Handel allein ist ziemlich schwer zu benutzen. Hier kommt die Pandas-Bibliothek für Python ins Spiel. Aus der Sicht eines Laien wandelt Pandas Daten im Wesentlichen in eine Tabelle (oder einen „Datenrahmen“) um, die wie eine Excel-Tabelle aussieht. Sobald die Marktpreisdaten wie eine Tabelle mit Pandas aussehen, können Sie Python-Code einfacher für Handelszwecke ausführen (z. B. zum Erstellen von Handelsmodellen). Dies bedeutet, dass Sie Python + Pandas zusammen verwenden müssen, um Python effektiv für den Handel zu verwenden.

So sehen Pandas aus:

Wie können Sie Python für den Handel verwenden?

Es gibt viele verschiedene Anwendungsfälle für Python beim Handel. Die bemerkenswertesten Anwendungsfälle sind:

Backtesting & Building Handelsmodelle

Viele Händler beginnen mit diskretionären Handelsstrategien. Das Problem beim diskretionären Handel ist jedoch, dass:

  1. Sie wissen nicht, wie gut Ihre Handelsstrategie im Laufe der Zeit und in verschiedenen Marktumgebungen funktioniert. Funktioniert es gut in einem Bullenmarkt, einem Bärenmarkt, einem unruhigen Markt, einem stark im Trend liegenden Markt?
  2. Auch wenn Ihre diskretionäre Handelsstrategie bisher gut funktioniert hat, woher wissen Sie, dass sie aufgrund von Geschicklichkeit und nicht aufgrund von Glück funktioniert? Z.B. Jede Strategie – sogar das Werfen einer Münze – hätte 2017 sehr gut funktioniert, wenn der Markt ohne Unterbrechung gestiegen wäre. Sich auf die eigene „Handelserfahrung“ zu verlassen, kann irreführend sein, denn wenn Sie nicht 10 bis 20 Jahre lang gehandelt haben, ist Ihre Erfahrung kurz. Ihre Strategie könnte bisher nicht aufgrund von Fähigkeiten erfolgreich gewesen sein, sondern weil das Marktumfeld und das Preismuster bisher genau so zu der Strategie passen, die Sie angewendet haben.

Hier kommt das quantitative Backtesting ins Spiel. Mit dem Backtesting können Sie sehen, wie gut Ihre Strategie in verschiedenen Marktumgebungen funktioniert, einschließlich Marktumgebungen, die Sie noch nicht persönlich erlebt haben. Kurz gesagt, Backtesting-Stresstests testen Ihre Strategie.

Sie können einfache Handelsmodelle in Excel problemlos zurücktesten. Wenn Sie jedoch Hunderte oder Tausende von Handelsstrategien testen möchten, können Sie dies mit Python schneller und maßstabsgetreuer tun. Darüber hinaus sind einige komplizierte Strategien (z. B. solche, die Hunderte von Märkten handeln) in Excel schwer zu testen, in Python jedoch leicht zu testen.

Handelsmodelle optimieren

Seien wir ehrlich – alle Händler optimieren ihre Strategie bis zu einem gewissen Grad. Eine Überoptimierung Ihrer Strategie oder Ihres Handelsmodells ist zwar schlecht, eine Optimierung ist jedoch immer noch eine gute Idee. Mit Python können Sie Ihre Strategie optimieren und nach den besten Indikatorparametern suchen für Schleifen. Während diese Optimierung in Excel Tage dauern kann, dauert sie mit Python nur wenige Minuten.

Trades automatisch ausführen

Und schließlich können Sie Python verwenden, um automatisch nach Handels-Setups zu suchen und Trades auszuführen. Auf diese Weise sparen Sie täglich Zeit bei der Marktanalyse und bei der Implementierung von Trades. Zum Beispiel arbeite ich gerade an einem Handelsmodell, das 2000 Aktien durchläuft und 50 Aktien gleichzeitig handelt. Können Sie sich vorstellen, jeden Tag 2000 Diagramme zu durchsuchen? Es wäre ein Albtraum! Darüber hinaus ist die Ausführung jedes der 50 Trades jeden Tag sehr zeitaufwändig. Es ist weitaus effizienter, wenn mein Programm die Handelsstrategie automatisch ausführt.

Vielen Dank für das Lesen dieses Beitrags! Wenn Sie nicht wissen, wie man programmiert, empfehle ich Ihnen dringend, diese Fähigkeit zu erlernen. Das Erlernen von Python im letzten Jahr hat mir beim Handel dramatisch geholfen, und es gibt unzählige kostenlose Online-Ressourcen oder Bücher, die Sie lesen können.

Dies ist ein Gastbeitrag von: Troy Bombardia, dem Sie auf Twitter unter folgen können @ Bullmarketsco und er ist auch ein Mitwirkender an der sentimentrader.com Webseite.





Quelle: New Trader U

Categories: Trading

0 Comments

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

%d Bloggern gefällt das: