Python Algorithmic Trading Library. PyAlgoTrade ist eine Python Algorithmic Trading Library mit Fokus auf Backtesting und Unterstützung für Papierhandel und Live-Trading Lassen Sie uns sagen, Sie haben eine Idee für eine Handelsstrategie und Sie möchten es mit historischen Daten zu bewerten und zu sehen, wie Es verhält sich PyAlgoTrade ermöglicht es Ihnen, dies mit minimalem Aufwand zu tun. Main features. Fully dokumentiert. Event driven. Supports Market, Limit, Stop und StopLimit orders. Supports Yahoo Finance, Google Finance und NinjaTrader CSV files. Supports jede Art von Zeitreihen-Daten Im CSV-Format, zB Quandl. Bitcoin Trading-Unterstützung durch Bitstamp. Technische Indikatoren und Filter wie SMA, WMA, EMA, RSI, Bollinger Bands, Hurst Exponent und andere. Performance Metriken wie Sharpe Ratio und Drawdown-Analyse. Handling Twitter Veranstaltungen in Echtzeit. Event profiler. TA-Lib Integration. Very einfach zu skalieren horizontal, das heißt, mit einem oder mehreren Computern zu Backtest eine Strategie. PyAlgoTrade ist kostenlos, Open Source, und es ist unter dem Apach lizenziert E Lizenz, Version 2 0.Institutional-Klasse Datenmanagement Backtesting Strategie Deployment-Lösung - Aktien, Optionen, Futures, Währungen, Körbe und benutzerdefinierte synthetische Instrumente werden unterstützt - mehrere Daten mit geringer Latenzzeit unterstützt die Verarbeitung von Geschwindigkeiten in Millionen von Nachrichten pro Sekunde auf Terabyte Daten - C und basierte Strategie Backtesting und Optimierung - Unterstützung von mehreren Brokern unterstützt, Trading-Signale in FIX-Aufträge umgewandelt. QuantFACTORY - Institutional-Class Data Management Backtesting Strategie Deployment-Lösung - QuantDEVELOPER - Framework und IDE für Trading Strategies Entwicklung, Debugging, Backtesting und Optimierung, Verfügbar als Visual Studio-Plug-In - QuantDATACENTER - ermöglicht die Verwaltung eines historischen Data Warehouse und die Erfassung von Echtzeit - oder Ultra-Low-Latency-Marktdaten von Anbietern und Börsen - QuantENGINE - ermöglicht die Bereitstellung und Ausführung von vorkompilierten Strategien - Multi-Asset-, Multi - Periode niedrig Latenz Daten, mehrere Broker unterstützt. Institutional-clas S Data Management Backtesting Strategie Implementierungslösung - OpenQuant - C und Portfolio Level System Backtesting und Trading, Multi-Asset, Intraday Level Testing, Optimierung, WFA etc. Mehrere Broker und Datenfeeds unterstützt - QuantTrader - Produktionshandelsumgebung - QuantBase - zentralisiertes Datenmanagement - QuantRouter - Daten - und AuftragsroutingInstitutionelle Klassen-Datenmanagement-Backtesting-Strategie-Bereitstellungslösung - Multi-Asset-Lösung, mehrere unterstützte Daten-Feeds, Datenbank unterstützt alle Arten von RDBMS, die eine JDBC-Schnittstelle bereitstellen, zB Oracle, Microsoft SQL Server, Sybase, MySQL usw. - Clients können IDE verwenden, um ihre Strategie entweder in Java, Ruby oder Python zu skriptieren, oder sie können ihre eigene Strategie verwenden IDE - Multiple Broker Ausführung unterstützt, Trading-Signale in FIX-Aufträge umgewandelt. Institutional-Klasse Datenmanagement Backtesting Strategie Deployment-Lösung - Multi-Asset Lösung Forex, Optionen, Futures, Aktien, ETF s, Rohstoffe, synthetische Instrumente und Custom Derivat Spreads etc., mehrere Daten-Feeds unterstützt - Framework für Trading-Strategien Entwicklung, Debugging, Backtesting und Optimierung - Multi Broker Ausführung unterstützt, Trading-Signale in FIX-Aufträge IB, JPMorgan, FXCM etc. umgewandelt. Dedicated Software-Plattform integriert mit Tradestation s Daten für Backtesting und Auto - trading - tägliche Intraday-Daten haben wir für 43 Jahre, Futures für 61 Jahre - praktisch für Backtesting Preis basierte Signale technische Analyse, Unterstützung für EasyLanguage Programmiersprache - Unterstützung von US-Aktien ETFs, Futures, US-Indizes, deutsche Aktien, deutsche Indizes, Forex. - kostenlos für Tradestation Brokerage Kunden - 249 95 monatlich für Nicht-Profis Tradestation Software-Plattform nur, ohne Brokerage - 299 95 monatlich für Profis Tradestation Software-Plattform nur, ohne Brokerage. Dedicated Software-Plattform für Backtesting und Auto-Trading - Unterstützung von täglichen Intraday-Strategien, Portfolio-Level-Tests und Optimierung, Charting, Visualisierung, cu Stom Reporting, Multi-Thread-Analyse, 3D-Charting, WFA-Analyse etc. - am besten für Backtesting Preis basierte Signale technische Analyse - direkte Verbindung zu eSignal, Interactive Broker, IQFeed, myTrack, FastTrack, QP2, TC2000, alle DDE-kompatiblen Feed, MS, txtfiles Und mehr Yahoo Finance.- einmalige Gebühr 279 für Standard Edition oder 339 für Professional edition. Dedicated Software-Plattform für Backtesting und Auto-Trading - Portfolio-Level-System Backtesting und Trading, Multi-Asset, Intraday Level-Tests, Optimierung, Visualisierung etc - ermöglicht R-Integration, Auto-Trading in Perl-Skriptsprache mit allen zugrunde liegenden Funktionen, die in nativem C geschrieben wurden, vorbereitet für Server-Co-Location - native FXCM und Interactive Broker unterstützen.- freie FXCM-Unterstützung, 100 pro Monat für IB-Plattform, Kontakt für andere Optionen. Dedizierte Softwareplattform für Backtesting und Auto-Trading - Unterstützung von täglichen Intraday-Strategien, Portfolio Level Tests und Optimierung - am besten für Backtesting Preis basierte Signale technisch Nalyse, C-Scripting - Software-Erweiterungen unterstützt - Daten-Feeds Handling, Strategie-Ausführung etc.- 799 pro Lizenz, 150 jährliche Gebühr nach. Dedicated Software-Plattform für Backtesting, Optimierung, Performance-Attribution und Analytik - Axioma oder Drittanbieter-Datenfaktor-Analyse, Risiko Modellierung, Marktzyklusanalyse. Dedizierte Software-Plattform für Backtesting und Auto-Trading - am besten für Backtesting Preis basierte Signale technische Analyse, die Unterstützung von täglichen Intraday-Strategien, Portfolio-Level-Tests und Optimierung - Turtle Edition - Backtesting-Engine, Graphen, Berichte, EoD-Tests - Professional Edition - plus System-Editor, Forward-Forward-Analyse, Intraday-Strategien, Multi-Thread-Tests etc. - Pro Plus Edition - plus 3D-Oberflächen-Charts, Scripting etc. - Builder Edition - IB API, Debugger etc. - Turtle Edition 990 - Professional Edition 1,990 - Pro Plus Edition 2,990 - Builder Edition 3.990.Dedizierte Softwareplattform für Backtesting und Auto-Trading - Unterstützung der täglichen Intraday Str Ategies, Portfolio Level Testing und Optimierung, Charting, Visualisierung, Custom Reporting etc. - am besten für Backtesting Preis basierte Signale technische Analyse - direkte Verbindung zu Interactive Brokers, MB Trading, TD Ameritrade, FXCM und andere - Daten aus Textdateien, eSignal, Google Finance , Yahoo-Finanzen, IQFeed und andere.- Grundfunktionalität EoD-Funktionalität - frei - erweiterte Funktionalität - Leasing von 50 Monaten oder 995 Lifetime Lizenz. Dedizierte Software-Plattform für Backtesting und Auto-Trading - am besten für Backtesting Preis basierte Signale technische Analyse, unterstützt täglich intraday Strategien, Portfolio Level Tests und Optimierung, Charting, Visualisierung, benutzerdefinierte Berichterstattung - unterstützt C und Visual - direkte Link zu Interactive Broker, IQFeed, txtfiles und mehr Yahoo Finance.- Perpetual Lizenz - 499 - Leasing 50 pro Monat. Dedicated Software-Plattform für Backtesting Und Auto-Trading - Unterstützung von täglichen Intraday-Strategien, Portfolio-Level-Tests und Optimierung, Charting, Visualizati On, benutzerdefinierte Berichterstattung - technische und auch fundamentale Signale, Multi-Asset-Support.- 245 für Advanced Version kostenlose Datenanbieter - 595 für Premium Version unterstützen mehrere Datenanbieter und Broker. Dedizierte Software-Plattform für Backtesting und Auto-Trading - Unterstützung von täglichen Intraday-Strategien , Portfolio-Level-Tests und - Optimierung - am besten für Backtesting preisbasierte Signale technische Analyse - Einbaudaten für Aktien, Futures und Forex täglich US-Aktien ab 1990, tägliche Futures 31 Jahre, Forex ab 1983 etc. - Preise von 45 Monaten bis 295 Monaten Die Preise hängen von der Datenverfügbarkeit ab. Dedicated Software-Plattform für Backtesting und Auto-Trading - verwendet MQL4-Sprache, die hauptsächlich zum Handel von Forex-Markt - unterstützt mehrere Forex-Broker und Daten-Feeds - unterstützt die Verwaltung von mehreren Konten. Dedicated Software-Plattform für Backtesting und Auto-Trading - Unterstützung von täglichen Intraday-Strategien, Portfolio-Level-Tests und - Optimierung - am besten für das Backtesting von preisbasierten Signalen technisch Alyme, Unterstützung für EasyLanguage Programmiersprache - Unterstützung mehrerer Datenfeeds Bloomberg, Thomson Reuters, CSI, CQG, eSignal etc., direkte Unterstützung für mehrere Broker Interaktive Broker etc. - Multicharts 797 pro Jahr - Multicharts Lebensdauer 1.497 - Multicharts Pro 9.900 Bloomberg Thomson Reuters Daten Feed etc. Web basiertes Backtesting-Tool zum Testen von Aktienkommissionierungsstrategien - US-Aktien ETFs täglich - Punkt-in-Zeit-Grunddaten seit 1999 - lange kurze Strategien, Preise Fundamentaldaten getriebene Signale.- Designer - 139 Monate - Manager - 199 Monate - komplette Funktionalität. Portfolio Analytics mit hochfrequenten Marktdaten - Dieses Produkt ist für den Einsatz von niedrigen, mittleren und hochfrequenten Händlern Forscher Alle Berechnungen werden mit hochfrequenten Marktdaten, die niedrige und Hochfrequenz-Händler Forscher - Intraday-Backtesting, Portfolio-Risikomanagement, Prognose und Optimierung bei jedem Preis Sekunde, Minuten, Stunden, Ende des Tages Modell Eingänge voll kontrollierbar - 8k Markt Tick Datenquellen seit 2012 Aktien, Indizes ETFs, die an NASDAQ Clients gehandelt werden, können auch eigene Marktdaten hochladen, zB chinesische Aktien - 40 Portfolio-Metriken VaR, ETL, Alpha, Beta, Sharpe Ratio, Omega Ratio, etc. - unterstützt R, Matlab, Java Python - 10 Portfolio-Optimierungen. Web-basiertes Backtesting-Tool - US-Aktien Preise täglich intraday, seit 1998 Daten von QuantQuote - Forex-Daten von FXCM - Unterstützung von Interactive Brokers für Live-Trading. Web basierte Backtesting-Tool - US-Aktien und ETFs Preise täglich intraday, seit 2002 - Grunddaten von Morningstar über 600 Metriken - Unterstützung von Interactive Brokers für Live-Trading. Webbasierte Backtesting-Tools - einfach zu bedienen, Asset Allocation Strategies, Daten seit 1992 - Zeitreihenmomentum und gleitende durchschnittliche Strategien auf ETFs - Einfache Momentum und Simple Value Stock Picking Strategien. Webbasiertes Backtesting-Tool - bis zu 25 Jahre Daten für 49 Futures und S P500 Aktien - Toolbox in Python und Matlab - Quantiacs beherbergt algorithmische Handelswettbewerbe mit Investitionen von 500k bis 1 Million. Backtest Broker bietet leistungsstarke, einfache Web-basierte Backtesting-Software - Backtest in zwei Klicks - Durchsuchen Sie die Strategie-Bibliothek, oder bauen und optimieren Sie Ihre Strategie - Papierhandel, automatisierte Handel und Echtzeit-E-Mails Pro Backtest und weniger. Web Cloud-basierte Backtesting-Tool - FX Forex Währung Daten auf großen Paaren, gehen zurück zu 2007 - Second Minute Stündlich Daily Bars - Live-Handel kompatibel mit jedem Broker, der mit Metatrader 4 als Backend. Web basierte Backtesting-Tool zu verwenden Test-Equity-Faktor-Kommissionierung und Asset Allocation Strategien - Multi-Equity-Faktoren mit bewährten Alpha-Over-Markt-Cap-Benchmarks, mehrere Investment-Universen, Risikomanagement-Filter - Asset Allocation Strategien Backtests, Mischen Asset Allocation und Faktor Kommissionierung in ein Portfolio.- frei auf SP 100 Universum - 50 Monate oder 480 Jahre - breitere US-Investment-Universen, UK EU-Aktien, Asset Allocation Strategien. Web basierte Backtesting Screening-Tool - über 10 000 US Aktien, Daten bis zu 20 Jahre Geschichte - grundlegende technische Kriterien.- frei - begrenzte Funktionalität 1 Jahr Daten, keine gespeicherten Backtests etc - 50 pro Monat - volle Funktionalität. Freie Software-Umgebung für statistische Computing und Grafik, eine Menge von Quants bevorzugen Verwenden Sie es für seine außergewöhnliche offene Architektur und Flexibilität - effektive Datenverarbeitung und Speicherung, grafische Einrichtungen für die Datenanalyse, leicht erweitert über Pakete - empfohlene Erweiterungen - quantstrat, Rmetrics, quantmod, quantlib, PerformanceAnalytics, TTR, Portfolio, PortfolioSim, Backtest, etc. MATLAB - High-Level-Sprache und interaktive Umgebung für statistische Computing und Grafik - parallel und GPU Computing, Backtesting und Optimierung, umfangreiche Integrationsmöglichkeiten etc. - Preis auf Anfrage hier. BacktestingXL Pro ist ein Add-In für den Aufbau und die Prüfung Ihrer Trading-Strategien in Microsoft Excel 2010 und 2013 - Benutzer können VBA verwenden, um Strategien für BacktestingXL Pro zu bauen, VBA Wissen ist opt Die Benutzer können Handelsregeln auf einer Tabellenkalkulation mit Standard-vorgefertigten Backtesting-Codes konstruieren - unterstützt Pyramiden, kurze Long-Positionsbegrenzung, Provisionsberechnung, Equity-Tracking, Out-of-Money-Controlling, Kaufverkaufspreisanpassung - Mehrfachleistungsrisikoreports. 74 95 für BacktestingXL Pro. Free Open-Source-Programmiersprache, offene Architektur, flexibel, leicht erweitert über Pakete - empfohlene Erweiterungen - Pandas Python-Datenanalyse-Bibliothek, pyalgotrade Python-Algorithmische Handelsbibliothek, Zipline, Ultrafinanz etc. FactorWave ist einfach zu bedienende Web-basierte Backtesting-Tool für die Faktorinvestition - ermöglicht es dem Anwender, mehrere ETF-Optionen zu trennen Futures-Equity-Faktoren mit bewährtem Alpha über Marktkapitalisierungs-Benchmarks - frei - ETF Stock Screener mit 5 Factors - 149 mo-free Optionsoptionen Screener, Futures Strategien, Vix Strategies. Web Basiertes Backtesting-Tool - einfach zu bedienen, Einstiegs-Web-basiertes Backtesting-Tool, um relative Stärke und gleitende durchschnittliche Strategien auf ETF zu testen S.- mehrere Arten von Strategien für freie, komplette Backtesting-Funktionalität 34,99 monatlich. Freie Web-basierte Backtesting-Tool, um Aktien Kommissionierung Strategien zu testen - US-Aktien, Daten von ValueLine von 1986-2014 - Preis und grundlegende Daten, 1700 Aktien, monatliche Granularität Test. Backtesting ein Moving Average Crossover in Python mit Pandas. In der vorherigen Artikel über Research Backtesting Umgebungen In Python Mit Pandas haben wir eine objektorientierte Forschung-basierte Backtesting-Umgebung erstellt und getestet es auf eine zufällige Prognose-Strategie In diesem Artikel werden wir verwenden Der Maschinerie, die wir eingeführt haben, um die Forschung über eine tatsächliche Strategie durchzuführen, nämlich die Moving Average Crossover auf AAPL. Moving Average Crossover-Strategie. Die Moving Average Crossover-Technik ist eine äußerst bekannte vereinfachte Impulsstrategie. Es wird oft als das Hallo-Welt-Beispiel betrachtet Quantitativen Handel. Die Strategie, wie hier skizziert, ist lang-nur Zwei separate einfache gleitende durchschnittliche Filter erstellt werden, mit variierenden lo Okback-Perioden, einer bestimmten Zeitreihe Signale zum Kauf des Vermögenswertes treten ein, wenn der kürzere Rückblick gleitende Durchschnitt den längeren Rückblick gleitenden Durchschnitt übersteigt Wenn der längere Durchschnitt später den kürzeren Durchschnitt übersteigt, wird das Vermögen zurück verkauft Die Strategie funktioniert gut, wenn eine Zeitreihe eintritt Eine Periode starken Trends und kehrt dann langsam den Trend zurück. Für dieses Beispiel habe ich Apple, Inc AAPL als Zeitreihe gewählt, mit einem kurzen Rückblick von 100 Tagen und einem langen Rückblick von 400 Tagen. Dies ist das Beispiel der Zipline Algorithmische Handelsbibliothek Wenn wir also unseren eigenen Backtester implementieren wollen, müssen wir sicherstellen, dass er mit den Ergebnissen in der Zipline übereinstimmt, als ein grundlegendes Mittel der Validierung. Machen Sie sicher, dass Sie dem vorherigen Tutorial folgen, das beschreibt, wie die anfängliche Objekthierarchie für den Backtester ist Konstruiert, sonst wird der unten stehende Code nicht funktionieren Für diese spezielle Implementierung habe ich die folgenden Bibliotheken verwendet. Die Implementierung von erfordert vom vorherigen Tutori Al Der erste Schritt besteht darin, die notwendigen Module und Objekte zu importieren. Im vorherigen Tutorial werden wir die strategische abstrakte Basisklasse unterteilen, um MovingAverageCrossStrategy zu produzieren, die alle Details enthält, wie man die Signale generiert, wenn die gleitenden Mittelwerte von AAPL kreuzen Über einander. Das Objekt benötigt ein kurzes Fenster und ein langes Fenster, auf dem es zu bedienen ist Die Werte wurden auf Vorgaben von 100 Tagen bzw. 400 Tagen eingestellt, die die gleichen Parameter sind, die im Hauptbeispiel der Zipline verwendet werden. Die bewegten Durchschnitte werden durch erstellt Mit der Pandas Rollingmean-Funktion auf den Stäben Schließen Sie den Schlusskurs des AAPL-Lagers Sobald die einzelnen gleitenden Mittelwerte konstruiert wurden, wird die Signalreihe erzeugt, indem die Colum gleich 1 0 gesetzt wird, wenn der kurze gleitende Durchschnitt größer ist als der lange gleitende Durchschnitt, Oder 0 0 ansonsten Von hier aus können die Positionen Aufträge generiert werden, um Handelssignale darzustellen. Das MarketOnClosePortfolio ist vom Portfolio untergeordnet, das f ist Ound in Es ist fast identisch mit der im vorherigen Tutorial beschriebenen Implementierung, mit der Ausnahme, dass die Trades nun auf einer Close-to-Close-Basis statt einer Open-to-Open-Basis durchgeführt werden. Einzelheiten darüber, wie das Portfolio-Objekt Ist definiert, siehe vorheriges Tutorial Ich habe den Code für die Vollständigkeit verlassen und dieses Tutorial selbstbewahrt behalten. Jetzt sind die MovingAverageCrossStrategy und MarketOnClosePortfolio Klassen definiert worden, eine Hauptfunktion wird aufgerufen, um alle Funktionalität zusammen zu binden Die Performance der Strategie wird über eine Kurve der Eigenkapitalkurve untersucht. Das Pandas DataReader-Objekt lädt OHLCV-Kurse der AAPL-Aktie für den Zeitraum vom 1. Januar 1990 bis zum 1. Januar 2002 zu, an welcher Stelle die Signale DataFrame erstellt werden, Nur Signale Nachfolgend wird das Portfolio mit einer Anfangskapitalbasis von 100.000 USD generiert und die Renditen werden auf der Eigenkapitalkurve berechnet. Der letzte Schritt ist die Verwendung von matplotlib, um eine zweidimensionale p Viele der beiden AAPL-Preise, überlagert mit den gleitenden Durchschnitten und kaufen Verkaufssignale sowie die Eigenkapitalkurve mit den gleichen Kaufsignalen Der Plottencode wird aus dem Zipline-Implementierungsbeispiel genommen und modifiziert. Die grafische Ausgabe des Codes ist wie folgt Ich habe Gebrauch von der IPython Paste Befehl, um diese direkt in die IPython-Konsole, während in Ubuntu, so dass die grafische Ausgabe in Sicht Die rosa upticks stellen den Kauf der Aktie, während die schwarzen downticks repräsentieren verkaufen es zurück. AAPL Moving Average Crossover Performance Von 1990-01-01 bis 2002-01-01.As kann gesehen werden, die Strategie verliert Geld über den Zeitraum, mit fünf Round-Trip-Trades Dies ist nicht überraschend angesichts der Verhalten von AAPL über die Zeit, die auf einem leichten nach unten war Trend, gefolgt von einem erheblichen Aufschwung ab 1998 Die Rückblickperiode der bewegten Durchschnittssignale ist ziemlich groß und dies hat den Gewinn des Endhandels beeinflusst, der sonst die Strategie rentabel gemacht hat . In den folgenden Artikeln werden wir ein anspruchsvolleres Mittel zur Leistungsanalyse erstellen und beschreiben, wie man die Lookback-Perioden der einzelnen gleitenden Mittelsignale optimiert. Mit dem quantitativen Handel beginnen wir.
No comments:
Post a Comment