파이썬 forex 백 테스트


Python Algorithmic Trading Library. PyAlgoTrade는 백 트레이싱 및 종이 트레이딩 및 라이브 거래 지원에 중점을 둔 파이썬 알고리즘 트레이딩 라이브러리입니다. 트레이딩 전략에 대한 아이디어가 있으며 과거 데이터를 사용하여이를 평가하고 PyAlgoTrade는 최소한의 노력으로 대부분의 작업을 수행 할 수 있습니다. 주요 기능 완전하게 문서화 된 이벤트 구동 시장, 제한, 중지 및 제한 요청을 지원합니다. Yahoo Finance, Google Finance 및 NinjaTrader CSV 파일을 지원합니다. 모든 유형의 시계열 데이터를 지원합니다. Bitstamp를 통한 Quandl. Bitcoin 거래 지원과 같은 CSV 형식으로 제공됩니다. SMA, WMA, EMA, RSI, Hummst 지수 및 기타와 같은 기술 지표 및 필터와 같은 QuarterlBitcoin 거래 지원. Sharpe 비율 및 drawdown 분석과 같은 실적 통계. 실시간 Twitter 이벤트 처리. Event Profiler. TA-Lib integration. PyAlgoTrade는 자유롭고 개방적인 소스이며 Apach에서 라이센스가 부여되어있어 수평 적으로 확장 할 수 있습니다. 즉, 하나 이상의 컴퓨터를 사용하여 전략을 백 테스트합니다. Equity, Options, Futures, 통화, 바스켓 및 맞춤 합성 계측기 지원 - 여러 대기 시간이 짧은 데이터 피드는 테라 바이트 단위의 초당 수백만 개의 메시지 처리 속도를 지원합니다. 데이터 - C 및 기반 전략 백 테스트 및 최적화 - 여러 브로커 실행 지원, 거래 신호를 FIX 주문으로 변환합니다. QuantFACTORY - 기관 수업 데이터 관리 백 테스팅 전략 배치 솔루션 - QuantDEVELOPER - 거래 전략 개발, 디버깅, 백 테스팅 및 최적화, Visual Studio 플러그인으로 사용 가능 - QuantDATACENTER - 공급자 및 교환기에서 실시간 데이터웨어 하우스를 관리하고 실시간 또는 초저 대기 시간 시장 데이터를 캡처 할 수 있습니다. - QuantENGINE - 미리 컴파일 된 전략 (다중 자산, 기간이 짧은 대기 시간 데이터, 지원되는 여러 중개인. 데이터 관리 백 테스팅 전략 배포 솔루션 - OpenQuant - C 및 포트폴리오 수준 시스템 백 테스팅 및 거래, 다중 자산, 일일 수준 테스트, 최적화, WFA 등 여러 브로커 및 데이터 피드 지원 - QuantTrader - 생산 거래 환경 - QuantBase - 중앙 집중식 데이터 관리 - QuantRouter - 데이터 및 주문 라우팅. Oracle, Microsoft SQL Server, Sybase, MySQL 등 JDBC 인터페이스를 제공하는 모든 유형의 RDBMS를 지원하는 다중 클래스 솔루션, 다중 자산 솔루션, 다중 데이터 솔루션 지원, 데이터베이스 지원 백 테스팅 전략 배포 솔루션 - 클라이언트는 IDE를 사용하여 Java, Ruby 또는 Python에서 전략을 스크립팅하거나 자체 전략 IDE를 사용할 수 있습니다 - 여러 브로커 실행 지원, 거래 신호를 FIX 주문으로 변환합니다. 시설 클래스 데이터 관리 백 테스팅 전략 배포 솔루션 - 다중 자산 솔루션 외환, 옵션, 선물, 주식, ETF, 원자재, 합성 도구 및 커스텀 파생 상품 스프레드 등 다양한 데이터 피드 지원 - 거래 전략 개발, 디버깅, 백 테스트 및 최적화를위한 프레임 워크 - 여러 브로커 실행 지원, FIX 주문 IB, JPMorgan, FXCM 등으로 변환 된 거래 신호 Backdesting 및 Auto를위한 Tradestation 데이터와 통합 된 전용 소프트웨어 플랫폼 주식 - ETF, 선물, 미국 지수, 독일 주식, 독일 지수, 외환 지원 - 43 년 동안의 일일 데이터, 일일 평균 데이터, 61 년간의 선물 - 가격 기반 신호 분석 기술 분석, EasyLanguage 프로그래밍 언어 지원. Tradestation 중개 클라이언트의 경우 무료 - 비 전문가를위한 매달 249 95 중개없는 Tradestation 소프트웨어 플랫폼 - 전문가를위한 월간 299 95 중개없는 Tradestation 소프트웨어 플랫폼 전용. 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 매일의 일중 전략 지원, 포트폴리오 레벨 테스트 및 최적화, 차트 작성, 시각화, cu 다중 스레드 분석, 3D 차트 작성, WFA 분석 등 - 가격 기반 신호의 백 테스트에 가장 적합합니다. 기술 분석 - eSignal, 대화 형 중개인, IQFeed, myTrack, FastTrack, QP2, TC2000, DDE 호환 피드, MS, txt 파일 야후 파이낸스 - 일회성 수수료 279 (Standard Edition) 또는 339 (Professional Edition) - 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 포트폴리오 레벨 시스템 백 테스팅 및 거래, 다중 자산, 일중 레벨 테스트, 최적화, 시각화 등 - R 통합, 네이티브 C로 작성된 모든 기본 기능으로 Perl 스크립팅 언어의 자동 거래, 서버 공동 위치에 대한 준비 - 기본 FXCM 및 대화 형 중개인 지원 - 무료 FXCM 지원, IB 플랫폼 용 월 100 회, 다른 옵션 문의. 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 매일의 일중 전략, 포트폴리오 레벨 테스트 및 최적화 지원 - 가격 기반 시그널 백 테스팅에 가장 적합합니다. nalysis, C 스크립팅 - 소프트웨어 확장 지원 - 데이터 피드 처리, 전략 실행 등 - 라이센스 당 799 건, 매년 후 150 건의 수수료 backtesting, optimization, performance attribution 및 analytics를위한 전용 소프트웨어 플랫폼 - 혈관종 또는 제 3 자 데이터 요소 분석, 위험 모델링, 시장 사이클 분석 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 백 테스팅 가격 기반 신호 분석, 매일의 일중 전략, 포트폴리오 레벨 테스트 및 최적화 지원 - 터틀 에디션 - 백 테스트 엔진, 그래프, 보고서, EoD 테스트 - 전문가 에디션 플러스 시스템 편집기, 앞으로 분석, 일중 전략, 멀티 스레드 테스트 등 - 프로 플러스 에디션 - 플러스 3D 표면 차트, 스크립팅 등 - 빌더 에디션 - IB API, 디버거 등 - Turtle Edition 990 - Professional Edition 1,990 - Pro Plus Edition 2,990 - Builder Edition 3,990 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 매일 일중 str 지원 포트폴리오 평가 및 최적화, 차트 작성, 시각화, 맞춤형보고 등 - 가격 기반 신호 백 테스트에 가장 적합합니다. 기술 분석 - 대화 형 브로커, MB 트레이딩, TD Ameritrade, FXCM 및 기타에 대한 직접 링크 - 텍스트 파일, eSignal, Google Finance , 야후 금융, IQFeed 및 기타 .- 기본 기능 EoD 기능 - 무료 - 고급 기능 - 50 개월 또는 995 라이프 타임 라이센스에서 빌려 줌. 백 테스트 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 백 테스팅 가격 기반 신호 분석에 가장 적합하며 일중 일간 지원 전략, 포트폴리오 레벨 테스트 및 최적화, 차트 작성, 시각화, 맞춤형보고 - C 및 Visual 지원 - Interactive Brokers, IQFeed, txtfiles 및 기타 Yahoo Finance에 직접 연결 - 영구 라이센스 - 499 - 월 50 회 임대 Backtesting을위한 전용 소프트웨어 플랫폼 및 자동 거래 - 매일의 일중 전략 지원, 포트폴리오 레벨 테스트 및 최적화, 차트 작성, 시각화 고급 버전 무료 데이터 공급자를위한 245 개 - 프리미엄 버전 용 595 개는 다중 데이터 제공 업체 및 중개인을 지원합니다. 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 매일의 일중 전략 지원 , 포트폴리오 레벨 테스트 및 최적화 - 가격 기반 시그널 백 테스팅에 가장 적합 기술적 분석 - 주식, 선물 및 외환 일일 미국 주식 (1990 년 기준), 일일 선물 31 년, 1983 년 외환 등의 데이터 구축 - 45 개월에서 295 개월 가격은 데이터 가용성에 달려 있습니다. 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 주로 외환 시장을 거래하는 데 사용되는 MQL4 언어 사용 - 여러 외환 브로커 및 데이터 피드 지원 - 여러 계정 관리 지원. 백 테스팅 및 자동 거래를위한 전용 소프트웨어 플랫폼 - 매일의 일중 전략, 포트폴리오 레벨 테스트 및 최적화 지원 - 가격 기반 신호 백 테스트에 가장 적합합니다. 분석, EasyLanguage 프로그래밍 언어 지원 - 여러 데이터 피드 지원 Bloomberg, Thomson Reuters, CSI, CQG, eSignal 등 여러 브로커에 대한 직접 지원 인터랙티브 브로커 등 - Multicharts 일 년에 797 건 - Multicharts 수명 1,497 - Multicharts Pro 9,900 Bloomberg Thomson Reuters 데이터 피드 등. 웹 기반의 백 테스팅 도구로 주식 픽업 ​​전략을 테스트합니다. - 미국 주식 ETF는 매일 - 1999 년 이래로 포인트 - 인 - 타임 기본 데이터 - 긴 단기 전략, 가격 펀더멘탈 신호를 기반으로합니다. - 디자이너 - 139 개월 - 관리자 - 199 개월 - 포트폴리오 분석 - 고주파 시장 데이터를 사용하는 포트폴리오 분석 - 이 제품은 저, 중, 고주파 거래자 연구자를위한 것입니다. 모든 계산은 저주파 거래자 및 고주파 거래자에게 이익이되는 고주파 시장 데이터를 사용하여 이루어집니다 - 일일 백 테스팅, 포트폴리오 위험 관리, 예측 및 모든 가격, 초, 분, 시간, 하루의 끝에서 최적화 최적화 된 모델 입력 - 8k 마켓 틱 2012 년 주식, 지수 이후의 데이터 소스 나스닥에서 거래되는 ETF 또한 클라이언트는 자신의 시장 데이터를 업로드 할 수 있습니다. 예 : 중국 주식 - VaR, ETL, 알파, 베타, Sharpe 비율, 오메가 비율 등 - 40 개의 포트폴리오 메트릭 R, Matlab, Java Python - 10 포트폴리오 최적화. 웹 기반 백 테스팅 도구 - 1998 년부터 매일 미국 주식 가격, QuantQuote의 데이터 - FXCM의 외환 데이터 - 라이브 거래를위한 인터랙티브 브로커 지원. 웹 기반 백 테스팅 도구 - 미국 주식 및 ETF 가격 (2002 년 이후 매일) 모닝 스타의 기본 데이터 - 600 개가 넘는 메트릭스 - 실시간 거래를위한 인터랙티브 브로커 지원 - 웹 기반의 백 테스팅 툴 - 사용하기 쉽고, 자산 배분 전략, 1992 년 이후의 데이터 - ETF에 대한 시계열 모멘텀 및 이동 평균 전략 - 단순 모멘텀 및 단순 밸류 주식 픽킹 웹 기반 백 테스팅 도구 - 49 개 Futures 및 S P500 주식에 대해 25 년까지의 데이터 - Python 및 Matlab의 도구 상자 - Quantiacs는 알고리즘 거래 경쟁 Backtest Broker는 강력하고 간단한 웹 기반 백 테스팅 소프트웨어를 제공합니다 - 두 번의 클릭으로 백 테스트 - 전략 라이브러리 찾아보기 또는 전략 수립 및 최적화 - 페이퍼 트레이딩, 자동화 된 트레이딩 및 실시간 전자 메일 - 1 back toest 당. 웹 클라우드 기반 백 테스팅 도구 - 주요 통화 쌍에 대한 FX 외환 통화 데이터, 2007로 돌아 가기 - Metatrader 4를 백엔드로 사용하는 모든 브로커와 호환되는 실시간 거래 바 (Second Minute Hourly Daily bars). 웹 기반 백 테스팅 도구 테스트 지분 인수 따기 및 자산 배분 전략 - 시가 총액 벤치 마크에 비해 검증 된 알파를 갖춘 여러 가지 지분, 다중 투자 유니버스, 위험 관리 필터 - 자산 할당 전략 백 테스팅, 자산 배분 혼합 및 하나의 포트폴리오에 인수 따기 - SP 100 유니버스 무료 - 50 개월 또는 480 년 - 광범위한 미국 투자 유니버스, 영국 EU 주식, 자산 배분 전략. 웹 기반 백 테스팅 선별 도구 - 10,000 이상 주식, 20 년 역사에 대한 데이터 - 근본적인 기술적 기준. - 무료 - 제한된 기능 데이터 1 년, 저장된 백 테스트 등 없음 - 월 50 회 - 완벽한 기능. 통계 컴퓨팅 및 그래픽을위한 완벽한 소프트웨어 환경. 탁월한 개방형 아키텍처 및 유연성 - 효과적인 데이터 처리 및 저장 기능, 데이터 분석을위한 그래픽 기능, 패키지를 통해 쉽게 확장 가능 - 퀀트 트랫, Rmetrics, 퀀텀, 퀀 티브, PerformanceAnalytics, TTR, 포트폴리오, 포트폴리오 썸, 백 테스트 등. MATLAB - 통계 컴퓨팅 및 그래픽을위한 고급 언어 및 대화 형 환경 - 병렬 및 GPU 컴퓨팅, 백 테스트 및 최적화, 광범위한 통합 가능성 등 - 여기 요청시 가격 제공. BacktestingXL Pro는 Microsoft Excel 2010 및 2013의 거래 전략 - 사용자는 VBA를 사용하여 BacktestingXL Pro, VBA 지식에 대한 전략을 수립 할 수 있습니다. 사용자는 피라미드, 짧은 롱 포지션 제한, 수수료 계산, 지분 추적, 아웃 오브 머니 제어, 판매 가격 커스터마이징 구매 - 여러 성능 리스크 보고서를 지원하는 표준 미리 만들어진 백 테스트 코드를 사용하여 스프레드 시트에서 거래 규칙을 구성 할 수 있습니다. 74 95 for BacktestingXL Pro. 무료 오픈 소스 프로그래밍 언어, 개방형 아키텍처, 패키지를 통해 쉽게 확장 가능 - 권장 확장 - pandas Python 데이터 분석 라이브러리, pyalgotrade Python 알고리즘 트레이딩 라이브러리, Zipline, ultrafinance 등. FactorWave는 웹 기반 요인 투자를위한 백 테스팅 툴 - 사용자가 다수의 ETF 옵션 미래 선물 요소를 시가 총액 벤치 마크 대비 입증 된 알파와 혼합 할 수 있습니다 .- 무료 - ETF 주식 스크리너 5 가지 요소 - 149 가지의 자유 옵션 옵션 스크리너, 미래 전략, 기반 백 테스팅 툴 - ETF에 대한 상대적 강도 및 이동 평균 전략 테스트를위한 간단한 웹 기반 백 테스팅 툴 s .- 무료 백 테스팅 기능을위한 여러 가지 유형의 전략을 월 34,99 회 제공합니다. 주식 선택 전략을 테스트 할 수있는 무료 웹 기반 백 테스팅 도구 - 미국 주식, 1986-2014 년 ValueLine의 데이터 - 가격 및 기본 데이터, 1700 주식, 매월 세분성 테스트. 팬더와 함께 파이썬에서 움직이는 평균 크로스 오버를 백 테스팅. 파이썬에서 연구 백 테스팅 환경에 대한 이전 기사 팬더와 함께 우리는 객체 지향 리서치 기반 백 테스팅 환경을 만들고 무작위 예측 전략을 테스트했습니다. 이 기사에서 우리는 실제 전략, 즉 AAPL의 이동 평균 크로스 오버 (Moving Average Crossover)에 대한 연구를 수행하기 위해 도입 한 기계류의 평균 크로스 오버 전략입니다. 이동 평균 크로스 오버 기법은 매우 잘 알려진 단순한 운동량 전략입니다. 정량적 거래. 여기에 설명 된 전략은 오래되었습니다. 두 개의 분리 된 단순 이동 평균 필터가 생성됩니다. 특정 시계열의 오클 백 기간 자산의 구매 신호는보다 짧은 룩백 이동 평균이 더 긴 룩백 이동 평균을 초과 할 때 발생합니다. 긴 평균이 이후 더 짧은 평균을 초과하는 경우 자산은 매각됩니다. 강한 추세의 기간 그리고 천천히 경향을 뒤집습니다. 이 예를 들면, 나는 100 일의 짧은 회상과 400 일의 긴 회상과 함께 시계열로 Apple, Inc AAPL을 선택했습니다. 이것은 zipline에서 제공 한 예제입니다 알고리즘 트레이딩 라이브러리 따라서 우리 자신의 백 테스터를 구현하고 싶다면 밸리데이션의 기본 수단으로 zipline의 결과와 일치하는지 확인해야합니다. 여기 백 테스터의 초기 객체 계층 구조가 어떻게되는지를 설명하는 이전 튜토리얼을 따르십시오. 생성, 그렇지 않으면 아래 코드는 작동하지 않습니다. 이 특정 구현을 위해 다음 라이브러리를 사용했습니다. 이전 튜토리얼의 구현이 필요합니다. 첫 번째 단계는 필요한 모듈과 객체를 가져 오는 것입니다. 이전 튜토리얼에서와 같이 Strategy 추상 기본 클래스를 하위 클래스로 분류하여 AAPL의 이동 평균이 교차 할 때 신호를 생성하는 방법에 대한 모든 세부 정보가 포함 된 MovingAverageCrossStrategy를 생성합니다 객체는 작동 할 짧은 창과 긴 창을 필요로합니다. 값은 각각 100 일 및 400 일의 기본값으로 설정되어 있으며 이는 zipline의 주요 예에서 사용 된 것과 동일한 매개 변수입니다. 이동 평균은 바에 팬다 롤링 기능 사용 AAPL 주식 마감 종가 개별 이동 평균이 구성되면 짧은 이동 평균이 긴 이동 평균보다 클 때 열을 1 0으로 설정하여 신호 시리즈를 생성하고, 그렇지 않으면 0 0 그렇지 않으면 포지션 주문이 거래 신호를 나타 내기 위해 생성 될 수 있습니다. MarketOnClosePortfolio는 f ound in Open-to-Open 방식보다는 거래가 Close-to-Close 방식으로 수행된다는 점을 제외하고는 이전 튜토리얼에서 설명한 구현과 거의 동일합니다. Portfolio 오브젝트 정의되어 있습니다. 이전 튜토리얼을 참조하십시오. 코드 완성도를 유지하고이 튜토리얼을 자율적으로 유지했습니다. 이제 MovingAverageCrossStrategy 및 MarketOnClosePortfolio 클래스가 정의되고 모든 기능을 함께 묶는 기본 함수가 호출됩니다. 전략의 성능은 주식 곡선의 음모를 통해 조사 될 것입니다. 팬더 DataReader 객체는 1990 년 1 월 1 일부터 2002 년 1 월 1 일까지 AAPL 주식의 OHLCV 가격을 다운로드합니다. 이 시점에서 DataFrame 신호는 장기간 only signals 그 다음에 포트폴리오는 100,000 USD 초기 자본베이스로 생성되고 수익률은 자본 곡선에서 계산됩니다. 마지막 단계는 matplotlib를 사용하여 두 자리 숫자 p AAPL 가격은 이동 평균과 중첩 된 신호를 매수하고 매도 신호는 매매 신호와 함께 매매 신호를 매매한다. 플로팅 코드는 Zipline 구현 예제에서 가져오고 수정된다. 코드의 그래픽 출력은 다음과 같다 필자는 IPython 붙여 넣기 명령을 사용하여 Ubuntu에서 IPython 콘솔에 직접 넣었습니다. 따라서 그래픽 출력이보기에 남아있게되었습니다. 핑크색 증가는 주식 구매를 나타내며 검은 하락은 다시 판매를 나타냅니다. AAPL Moving Average Crossover Performance 1990-01-01에서 2002-01-01까지. 이 전략은 5 개의 왕복 거래로이 기간 동안 돈을 잃어 버렸습니다. AAPL의 행동이 주어진 기간 동안 약간의 하락이 있었지만 동향, 1998 년부터 시작된 중요한 급증으로 이어진다. 이동 평균 신호의 회귀 기간은 다소 커서 최종 거래 이익에 영향을 미쳤다. 후속 기사에서는 성능을 분석하는보다 정교한 방법과 개별 이동 평균 신호의 전환 확인 기간을 최적화하는 방법에 대해 설명합니다. 정량 거래 시작하기.

Comments

Popular Posts