Sistema de comércio em r

Esta é a terceira publicação no Backtesting no Excel e na série R e mostrará como backtest uma estratégia simples em R. Seguirá os 4 passos que Damian delineou em sua postagem sobre como testar uma estratégia simples no Excel. Etapa 1: Obter os dados A função getSymbols no quantmod torna este passo fácil se você puder usar dados diários do Yahoo Finance. Há também métodos (não no sentido estrito) para extrair dados de outras fontes (FRED, Google, Oanda, R, salvar arquivos, bancos de dados, etc.). Você também pode usá-los como um modelo para escrever uma função personalizada para um fornecedor específico que você usa. Execute o comando abaixo se o quantmod já estiver instalado use o pacote quantmod (carrega TTR, xts e zoológico) puxe dados SPX do Yahoo (getSymbols retorna um objeto xts) Etapa 2: Crie seu indicador O pacote TTR contém uma infinidade de indicadores. Os indicadores são escritos para facilitar a combinação de formas criativas e não convencionais. Começando com a revisão 106 na R-forge, a TTR possui um indicador DVI. Calcule o indicador DVI dvi lt - DVI (Cl (GSPC)) Cl () extrai a coluna de preço fechado Etapa 3: Construa sua regra de negociação Uma vez que esta regra de negociação é simples - foram longos 100 se o DVI estiver abaixo de 0,5 e curto 100 caso contrário - - pode ser escrito em uma única linha. Podem ser feitas regras mais elaboradas e as colocações de posição, mas requerem mais código (RSI (2) com o dimensionamento de posição é um exemplo de regras de dimensionamento de posição mais complexas). Observe também que o vetor de sinal está defasado, o que evita o viés à frente. Criar sinal: (longo (curto) se o DVI estiver abaixo (acima) 0,5) lag, então o sinal de ontem é aplicado aos retornos de hoje sig lt - Lag (ifelse (dvidvi lt 0,5, 1, -1)) Etapa 4: A curva de negociação rulesequity Como no exemplo de Damians, o código abaixo é uma abordagem simplificada que é friccional e não explica a derrapagem. O código abaixo leva o retorno de porcentagem de hoje e o multiplica pelo tamanho da posição do sinal de ontem (sempre - 100 neste exemplo). Eu também subconjunto o sistema retorna para coincidir com os resultados no arquivo do Excel. Calcule os retornos baseados em sinal ret lt-ROC (Cl (GSPC)) sig subconjunto retorna para corresponder os dados no arquivo Excel ret lt-ret2009-06-022018-09-07 Etapa 5: Avalie o desempenho da estratégia Damian mencionou a importância de avaliar sua estratégia . Felizmente para usuários R, o pacote PerformanceAnalytics facilita isso. Com algumas linhas de código, podemos ver os descontos, os riscos negativos e um resumo de desempenho. Use o pacote PerformanceAnalytics criar tabela mostrando estatísticas de retirada crie tabela de estimativas de risco de queda gráfico curva de equidade, desempenho diário e drawdowns Isso é tudo para testar uma estratégia simples em R. Não foi tão intimidante, foi por favor, deixe um comentário se você estiver mudando seu Backtesting do Excel para R e há algo em que você está desligado ou você tem uma ótima dica que você gostaria de compartilhar. Heres uma versão sucinta do código na postagem acima se você quiser copiar colar tudo em um bloco: Archive R Programming RSS feed para esta seção Nos últimos meses, houve uma onda de atividade em termos de novos cursos sendo Criado para a linguagem de programação R. Udemyis é um desses locais online que oferece uma variedade surpreendentemente ampla de tópicos relacionados à linguagem R. Esses tópicos incluem análise estatística, regressão, ciência dos dados, aprendizado de máquinas, negociação quantitativa, visualização de dados e hellip. Agora você deve estar familiarizado com a maioria das funcionalidades básicas da linguagem de programação R. Podemos realizar simulações, resultados de gráficos, criar estatísticas de resumo, exportar nossos resultados para arquivos e realizar quase qualquer façanha de programação, simplesmente usando a instalação básica de R. Nesta palestra, quero apresentar algumas ferramentas. O uso de probabilidade e estatística é Ubíqua em finanças quantitativas. Todos os preços observáveis, volumes, taxas de chegada de pedidos, etc., são devidos a desequilíbrios de oferta e demanda. No entanto, manter o controle de todos os desequilíbrios de oferta e demanda torna-se pesado à medida que o número de variáveis ​​aumenta. As ferramentas estatísticas são vitais para explicar e modelar estes hellip. Comentei no passado sobre a utilidade do pacote RCPP. Agora, Dirk Eddelbuettel forneceu outro serviço maravilhoso para a comunidade R, publicando o código da amostra R que aproveita esse poderoso framework. Se você está interessado em combinar a velocidade bruta e o desempenho de C com a sintaxe de R, confira o hellip. Nesta palestra, discutiremos os estimadores estatísticos, investigamos a lei dos grandes números, o teorema do limite central e analisamos a implementação de todos esses conceitos dentro R. População versus estatísticas de amostra Considere o conjunto de números: 102, 103,2, 102, 101,2, 499, 103,2 101,23, 99,2. Aqui estão algumas perguntas que gostaríamos de perguntar sobre este feed RSS do tutorial hellipArchive Beginner R para esta seção O uso de probabilidade e estatística é onipresente em finanças quantitativas. Todos os preços observáveis, volumes, taxas de chegada de pedidos, etc., são devidos a desequilíbrios de oferta e demanda. No entanto, manter o controle de todos os desequilíbrios de oferta e demanda torna-se pesado à medida que o número de variáveis ​​aumenta. As ferramentas estatísticas são vitais para explicar e modelar estes hellip. Nesta palestra, discutiremos os estimadores estatísticos, investigamos a lei dos grandes números, o teorema do limite central e analisamos a implementação de todos esses conceitos dentro de R. População vs. Amostra Estatísticas Considere o conjunto de números : 102, 103,2, 102, 101,2, 499, 103,2 101,23, 99,2. Aqui estão algumas perguntas que podemos querer perguntar sobre estas análises de análise de regressão hellip é um tópico muito importante. É uma ferramenta estatística amplamente utilizada em economia, inovação e comércio. R fornece funções pré-escritas que realizam regressões lineares de maneira muito direta. Existem vários pacotes de complemento que permitem funcionalidades mais avançadas. Nesta classe, usaremos apenas a função lm (), a qual matrizes Hellip na matriz R A é uma construção matemática muito útil. Matrizes fornecem um mecanismo para manipular facilmente grandes coleções de dados. Matrix Mathematics é um assunto vasto e existem vários artigos e publicações que falam sobre todos os possíveis usos das matrizes. Basta dizer que esta classe só vai para o hellip. A primeira classe serviu como uma introdução ao ambiente R. Os recipientes de dados fundamentais c (), matrix (), data. frame (), list () foram introduzidos e algumas funções úteis foram apresentadas. Esta segunda classe abrangerá funções definidas pelo usuário. Ao lidar com qualquer tipo de projeto de análise de dados, é importante criar funções simples hellip