از زمان انتشار عمومی API بدون تجارت کمیسیون ALPACA ، بسیاری از توسعه دهندگان و افراد با فن آوری به جامعه ما پیوستند تا در مورد جنبه های مختلف تجارت خودکار صحبت کنند. ما هیجان زده هستیم که بسیاری از آنها قبلاً شروع به اجرای الگوریتم ها در تولید کرده اند ، در حالی که برخی دیگر الگوریتم های خود را با ویژگی معاملات کاغذی ما آزمایش می کنند ، که به کاربران امکان می دهد در یک محیط شبیه سازی در زمان واقعی با API ما بازی کنند.

وقتی در اوایل سال جاری شروع به فکر کردن در مورد یک سرویس API تجاری کردیم ، ما فقط به دنبال بخش کوچکی از معاملات Algo بودیم. با این حال ، هرچه کاربران بیشتری با آنها صحبت کنیم ، بیشتر متوجه شدیم که موارد استفاده زیادی برای تجارت خودکار وجود دارد ، به خصوص هنگام در نظر گرفتن افق های زمانی مختلف ، ابزارها و اهداف.

امروز ، به عنوان یک جشن از راه اندازی عمومی ما و به عنوان یک پیام خوش آمدید برای کاربران جدید ما ، ما می خواهیم استراتژی های مختلف تجارت خودکار را برجسته کنیم تا ایده ها و فرصت هایی را که می توانید برای نیازهای خود کشف کنید ، ارائه دهیم.

لطفاً توجه داشته باشید که برخی از مفاهیم با دیگران همپوشانی دارند ، و همه موارد لزوماً در مورد یک استراتژی خاص به خودی خود صحبت نمی کنند ، و برخی از استراتژی ها ممکن است برای ارائه فعلی ALPACA کاربرد نداشته باشد.

(1) حرکت سریال زمان/میانگین برگشت

زمینه

(سری زمانی) حرکت و میانگین برگشت ، دو مفاهیم شناخته شده و خوب تحقیق شده در تجارت است. میلیاردها دلار توسط CTA با استفاده از این مفاهیم برای تولید آلفا و ایجاد جریان های متنوع بازده کار می شود.

آنچه هست

ایده اساسی پیش بینی سری زمانی پیش بینی ارزشهای آینده بر اساس مقادیر قبلاً مشاهده شده است. حرکت سری زمانی ، که به عنوان Trend Following نیز شناخته می شود ، به دنبال ایجاد بازده اضافی از طریق این انتظار است که بازده قیمت آینده یک دارایی در همان جهت باشد که بازگشت دارایی در برخی از دوره های بازپرداخت باشد.

استراتژی های پیروی از روند ممکن است اقدامات خاص قیمت مانند شکستن دامنه ، پرش نوسانات و مشخصات مشخصات حجم را تعریف و به دنبال آن باشد ، یا تلاش برای تعریف یک روند بر اساس میانگین متحرک که حرکات قیمت گذشته را صاف می کند. یکی از استراتژی های ساده و شناخته شده "متقاطع متوسط حرکت ساده" است که اگر ارزش متوسط حرکت کوتاه مدت آن را از ارزش متوسط در حال حرکت طولانی خود فراتر می برد ، یک سهام را خریداری می کند و در صورت وقوع حوادث معکوس می فروشد.

معناداری این انتظار است که بازده قیمت آینده یک دارایی در جهت مخالف بازگشت آن دارایی در برخی از دوره های جستجو باشد. یکی از محبوب ترین شاخص ها ، شاخص قدرت نسبی یا RSI است که سرعت و تغییر حرکات قیمت را با استفاده از مقیاس 0 تا 100 اندازه گیری می کند. گفته می شود که نشان دهنده دارایی بیش از حد است در حالی که گفته می شود مقدار RSI پایین تر نشان دهنده دارایی بیش از حد است.

برای اجرای

استراتژی های روند و معناداری به راحتی قابل درک است زیرا آنها به یک سری زمان دارایی واحد نگاه می کنند و سعی می کنند در مورد بازگشت آینده آن دارایی پیش بینی کنند ، اما روش های زیادی برای تفسیر رفتار گذشته وجود دارد. شما نیاز به دسترسی به داده های قیمت تاریخی خواهید داشت و ممکن است از یک کتابخانه ماشین حساب شاخص مانند TA-Lib بهره مند شوید. تقریباً هر کتابخانه چارچوب تجارت ، از جمله Pyalgotrade ، Backtrader و Pylivetrader می تواند از این نوع استراتژی ها پشتیبانی کند.

در اینجا آموزش Quantopian با نتیجه Backtest برای حرکت متقاطع متوسط است: