Das Erstellen visueller Strategien ist ein wichtiger Bestandteil einer schnellen und effizienten Entwicklung, da Sie auf einfache Weise Ideen debuggen und anpassen können, während Sie beobachten, wie sich Ihre Signale entwickeln und ändern, wenn sich der Markt ändert.
Ich glaube, dass Python eine gute Sprache für diese Art von Data Science ist, da die Syntax leicht zu verstehen ist und es eine breite Palette von Tools und Bibliotheken gibt, die Ihnen bei der Entwicklung helfen. Darüber hinaus bietet die Alpaca Python-API eine einfache Möglichkeit, Marktdaten zu integrieren, ohne einen neuen API-Wrapper * implementieren zu müssen.
* Haftungsausschluss: Ab heute (27. Juli 2018) kann die Alpaca Trading API nur von eingeladenen Beta-Benutzern verwendet werden, die Konten bei Alpaca Securities eröffnet haben.
Für die Datenverarbeitung und das Plotten empfehle ich die Verwendung von TA-Lib und Matplotlib. Ta-Lib bietet eine schöne Bibliothek zum Berechnen gängiger Marktindikatoren, damit Sie sie nicht selbst neu bereitstellen müssen; während matplotlib ein einfaches, aber leistungsstarkes Zeichenwerkzeug ist, das sich für alle Arten von Datenvisualisierungen eignet.
Hier ist ein Ausschnitt eines Beispiel-Framework-Skripts, das ich erstellt habe (vollständige Skripte am Ende dieses Abschnitts).
Das Skript fügt eine einfache Cross-Strategie für den gleitenden Durchschnitt mit einigen verschiedenen Handelssymbolen hinzu, um Ihnen einen kleinen Überblick darüber zu geben, wie fair dies im Live-Handel sein kann. Dies ermöglicht die erste Validierung der Signale der neuen Strategie. Sobald die Strategie die Sichtprüfung bestanden hat, können Sie sie mit einem Backtesting-Tool durchführen, wie es in der Reihe "Algo Trading for Dummies" beschrieben ist.
Vielleicht möchten Sie sogar jedem simulierten Handel ein visuelles Markup hinzufügen und im Falle einer fortgeschrittenen Verkehrsstrategie die Indikatoren, von denen das Signal stammt. Dies kann die Analyse der Schwäche des Signalsatzes weiter erleichtern, so dass seine Parameter angepasst werden können.
Einfacher Handelsbot
Nachdem Sie die historische Testphase durchlaufen haben, benötigen Sie ein einfaches Trading-Framework, um Ihre Strategien für Live-Tests zu integrieren. Dies kann dann auf einem Papierhandelskonto ausgeführt werden, um die Signale mit einem Live-Datenstrom zu testen.
Dies ist ein wichtiger Entwicklungsschritt, da überprüft wird, ob eine Strategie nicht zu sehr mit ihrem Datensatz übereinstimmt. Zum Beispiel lässt sich die Strategie leicht verfeinern, um ein bestimmtes Symbol während eines historischen Testzeitraums perfekt zu handeln. Es ist jedoch unwahrscheinlich, dass es gut auf andere Märkte oder andere Zeiträume übertragbar ist, was zu ineffektiven Signalen und Verlusten führt.
Daher sollten Sie Ihre Strategien einfach in einer Bridge-Umgebung testen, bevor Sie Geld mit einem echten Handelskonto auf sie überweisen. Dies gilt sowohl für Strategie- als auch für Implementierungstests, da ein kleiner Fehler im Code ausreichen kann, um das Konto zu löschen, wenn es nicht markiert ist.
Hier ist ein weiteres Beispiel für einen Trading-Bot, der eine Cross-Strategie mit gleitendem Durchschnitt implementiert (vollständiges Skript am Ende dieses Abschnitts).
Um dies zu einem vollwertigen Trading-Bot zu machen, können Sie entweder dem Code selbst eine Zeitschleife hinzufügen oder das gesamte Skript nach einem Zeitplan ausführen. Should you beloved this informative article and also you would like to obtain more details regarding please click the following internet page generously visit our own site. Letzteres ist oft die bessere Wahl, da eine Ausnahme, die einen unerwarteten Absturz verursacht, den Handelsbot insgesamt stoppen würde, wenn es sich um eine eigenständige Schleife handeln würde. Während eine geplante Aufgabe kein solches Problem hätte, da jeder Abfrageschritt eine separate Skriptinstanz ist.
Darüber hinaus möchten Sie wahrscheinlich ein Protokollierungssystem implementieren, damit Sie Ihren Bot problemlos überwachen und Fehler während der Ausführung erkennen können. Dies kann erreicht werden, indem am Ende jedes Prozesses die Funktion zum Speichern einer Textdatei mit allen relevanten Informationen hinzugefügt wird.
Sobald Sie Ihre Strategie zum Laufen gebracht haben, sollte es die API von Alpaca einfach machen, Ihren Trading-Bot zu einem vollständigen Produktionssystem zu erweitern, sodass Sie schnell mit dem Handel beginnen können.
Matthew Tweed
Folgen Sie Alpaca and Automation Generation für neue Beiträge zu Finanzmarkt, algorithmischem Handel und Technologie.
Sie können uns @AlpacaHQ finden, wenn Sie Twitter verwenden.
Wenn Sie ein Hacker sind und etwas Cooles erstellen können, das auf dem Finanzmarkt funktioniert, schauen Sie sich unser Projekt "Provisionsfreie Aktienhandels-API" an, wo wir eine einfache REST-Handels-API und Echtzeit-Marktdaten kostenlos zur Verfügung stellen.
Maklerdienste werden von Alpaca Securities LLC (alpaca.markets), einem FINRA / SIPC-Mitglied, bereitgestellt. Alpaca Securities LLC ist eine hundertprozentige Tochtergesellschaft von AlpacaDB, Inc.