استراتژی های معاملاتي Crossovers

4 استراتژی معاملاتی فارکس

آیا می دانستید که برای داشتن درآمد لازم نیست تا در معاملات فارکس ، از استراتژی پیچیده ای استفاده کنید؟
آیا در تلاشید تا استراتژی مناسب خود را پیدا کنید؟
ما در این مقاله به معرفی چند استراتژی ساده معاملاتی می پردازیم.

4 استراتژی ساده در فارکس:

1. استراتژی Moving Average Crossover
2. استراتژی اشباع خرید و اشباع فروش RSI حمایت و مقاومت
3. استراتژی برگشتی پین بار

اجرای صحیح هریک از این استراتژی های ساده فارکس می تواند راه شما را برای استراتژی های معاملاتي Crossovers رسیدن به موفقیت هموار کند. باید بدانید که استفاده از استراتژِی های پیشرفته و پیچیده نمی تواند موفقیت شما را 100% تضمین کند.

بیایید به بررسی 4 استراتژی گفته شده در بالا بپردازیم:

استراتژی Moving Average Crossover (میانگین متحرک متقاطع)

میانگین متحرک (moving average) چیست؟

این استراتژی با نام اختصاری MA شناخته می شود و به عنوان اندیکاتوری تکنیکال برای یک پارچه کردن قیمت ها جهت ورود به معاملات استفاده می شود. با یکسان سازی قیمت ها، می توان، قیمت های برهه های زمانی کوتاه را حذف کرد، در این صورت معامله گر فارکس راحت تر و بدون حواس پرتی به بررسی روند حرکت قیمت ها می پردازد.

به زبان ساده، یک میانگین صعودی قیمتی نشان دهنده روندی صعودی است در حالی که میانگینی نزولی ، نشان دهنده روند نزولی بازار است. یک میانگین متحرک ساده (SMA) با جمع کردن تمام قیمت های بسته شده آخرین کندل ها و سپس تقسیم این مقدار به تعداد کندل ها حاصل می شود.

متقاطع یا Crossover چیست؟

این حالت زمانی روی می دهد که دو میانگین متحرک از هم عبور و یکدیگر را قطع کنند. استفاده از میانگین متحرک، به تنهایی می تواند به شناسایی ترند ها کمک کند اما زمانی که از چندین MA در بازه های زمانی مختلف استفاده می کنید، عملکردی موثرتر خواهند داشت. استفاده از این میانگین حرکتی به شما کمک می کند تا بتوانید ترند های کوتاه مدت و بلند مدت را شناسایی کنید و این اطمینان را پیدا کنید که درگیر بررسی های زیاد نمی شوید.

زمانی که یک MA کوتاه مدت از بالای MA بلند مدت عبور کند، نشان دهنده مومنتوم صعودی بازار است، از طرف دیگر، زمانی که MA کوتاه مدت از پایین یک MA بلند مدت عبور کند، مومنتوم بازار نزولی خواهد بود.

چگونه می توان با استراتژی میانگین متحرک متقاطع معاملات فارکس را انجام داد؟

استراتژی:

• 3 میانگین حرکتی را برای نمودار در نظر بگیرید (بازه های زمانی 15، 30 و 100 را برای SMA در نظر بگیرید).
• زمانی که SMA 15 از بالای SMA 30 عبور کند و هر دو آنها بالای SMA 100 باشند، بهتر است پوزیشن خرید را انتخاب کنید.
• زمانی که SMA 15 از زیر SMA 30 عبور کند و هر دو آنها زیر SMA 100 باشند، پوزیشن فروش را انتخاب کنید. خود را زیر SMA 30 قرار دهید و تارگت خود را تا زمان مشاهده تقاطع در نمودار تعیین کنید.

استراتژی اشباع فروش و اشباع خرید RSI

دومین استراتژی ساده ای که به شما یاد می دهیم، استراتژی اشباع فروش و اشباع خرید RSI است. RSI چیست؟

RSI مخفف شاخص مقاومت نسبی است که مانند اندیکاتور قبلی، به عنوان اندیکاتوری تکنیکال استفاده می شود که شرایط اشباع خرید و اشباع فروش بازار را مشخص می کند.

این اندیکاتور، در محدوده ای بین 0 تا 100 عمل می کند، زمانی که بالای 80 باشد نشان دهنده شرایط اشباع خرید و هنگامی که زیر 20 باشد، نشان دهنده شرایط اشباع فروش است. این اندیکاتور به دلیل فعالیت زیاد در جهت های گوناگون، موقعیت مناسبی را برای معامله گران فارکس، جهت استفاده از شرایط اصلاحی بوجود آمده، فراهم می کند.

شرایط اشباع خرید و اشباع فروش چیست؟

اگر یک روند حرکتی در بازار ، برای مدت زیادی طول بکشد، می توان این فرضیه را در نظر گرفت که احتمالاً بازار روندی برگشتی و معکوس را پیش خواهد گرفت. آیا واقعاً خرید یا فروش بیش از حد در بازار به وجود می آید؟ استفاده از این اندیکاتور در شرایط ایزولیشن، می تواند زمینه را برای فرستادن سیگنال های اشتباه فراهم کند.

فرض کنید که بازار در مدت زمان طولانی به حالت صعودی خود ادامه دهد و اندیکاتور RSI در بازه زمانی کوتاه تر سیگنال اشباع فروش را صادر کند، در چنین شرایطی می توانید به خرید خود تا انتهای ترند، ادامه دهید. درواقع،استفاده از شرایط اشباع خرید و فروش به عنوان یک هنر تلقی می شود تا علم.

استراتژی:

• نوسانگر RSI را وارد نمودار خود کنید
• زمانی که اندیکاتور RSI در تمام نمودارهای روزانه زیر 20 باشد و بازار به مدت طولانی در وضعیت صعودی باشد، پوزیشن خرید خود را انتخاب کنید.
• زمانی که RSI در تمام نمودارهای روزانه، بالای 80 باشد و بازار مدت طولانی در یک روند نزولی قرار داشته باشد، پوزیشن فروش خود را انتخاب کنید.
• استاپ لاس خود را در سمت دیگری از نوسانات بالا یا پایین قرار دهید.

استراتژی برک اوت حمایت و مقاومت

سومین استراتژی ساده معاملاتی فارکس، استراتژی برک اوت حمایت و مقاومت نام دارد.

منظور از حمایت و مقاومت چیست؟

در تحلیل تکنیکال ، از حمایت و مقاومت برای تعیین قیمت ها روی نمودار در جایی که قیمت در گذشته نوسان داشته است، استفاده می شود.

حمایت: سطحی که توسط خریداران و تقاضای خرید آنها در نواحی پایین نمودار تشکیل می شود.

مقاومت: سطحی که توسط فروشندگان به وجود می آید و شرایط عرضه دارایی را در بالای نمودار ایجاد می کند.

سطوح حمایت و مقاومت ، سطوح مشخص و معنا داری را در نمودار به وجود می آورند.

برک اوت چیست؟

برک اوت یا شکست در نمودار زمانی اتفاق می افتد که قیمت در ناحیه مقاومت یا حمایت جهت حرکت خود را عوض کند. این تغییر جهت حرکت ممکن است پایدار باشد و یا بلافاصله از بین برود و حرکتی برگشتی را آغاز کند. معمولاً زمانی که نواحی مقاومت و حمایت قوی باشند، به عنوان موانعی محکم در برابر تغییرات ایستادگی می کنند و باعث از بین رفتن سریع برک اوت ها می شوند اما این نواحی همیشه ثابت و ماندگار نیستند.

به این فکر کنید که اگر این سطوح شکسته نشوند، پس چگونه یک ترند دچار تغییر می شود؟ بوجود آمدن برک اوت در ناحیه مقاومت، نشان دهنده کنترل بازار توسط خریداران است در حالی که وجود برک اوت در ناحیه حمایت، نشان دهنده کنترل شرایط بوسیله فروشندگان است. به یاد داشته باشید که به وجود آمدن تغییرات در دنیای معاملات فارکس، نشان دهنده خلق فرصت های معاملاتی است.

استراتژی:

• خطوط مقاومت و حمایت را در نمودار خود و در محدوده نوسانات کم و زیاد، رسم کنید
• زمانی که قیمت در ناحیه مقاومت دچار شکست شود، پوزیشن خرید خود را انتخاب کنید
• زمانی که قیمت در ناحیه حمایت دچار شکست شود، پوزیشن فروش خود را انتخاب کنید.
• استاپ لاس را ، 50 پیپ از نقطه ورودتان و تارگت خود را نسبت به مومنتوم اولیه خود، 1:1 در نظر بگیرید.

استراتژی برگشتی پین بار

آخرین استراتژی مورد نظر که بر اساس حرکت قیمت ها عمل می کند، استراتژی برگشتی پین بار نام دارد.

پین بار چیست؟

پین بار، یک کندل همراه با بدنه ای کوچه و فیتیله ای بلند است. فیتیله بلند آن نشان دهنده امتناع قیمت از ماندن در محدوده پایین خود و بسته شدن مجدد آن در مکان باز شدن کندل است . این شرایط نشان دهنده بوجود آمدن تغییرات احتمالی در کنترل بازار بین روند نزولی و صعودی است. بسیاری از معامله گران معتقدند که نام « پین بار» از شکل بلند و نوک تیز آن که شبیه به سوزن است، گرفته شده است.
در واقع باید گفت که نام این نمودار برگرفته از کتاب « تشریح تحلیل تکنیکال» نوشته شده توسط مارتین پرینگ زمانی که اولین بار به توصیف « پینوکیو بار» پرداخته بود، گرفته شده است.

حرکت برگشتی چیست؟

حرکت برگشتی، نشان دهنده تغییر جهت قیمت در نمودار است. اگر در جایی از نمودار قیمت در حال بالا رفتن باشد در اثر یک روند معکوس یا برگشتی، شروع به نزول می کند و اگر قیمت در حال نزول باشد، در اثر یک حرکت برگشتی، شروع به صعود می کند.

چه اتفاقی می افتد اگر در نموداری شاهد یک ترند صعودی قوی همراه با به وجود آمدن پین بار در ناحیه مقاومت باشید؟

استراتژی:

• خطوط مقاومت و حمایت را در نمودار خود رسم کنید
• زمانی که پین بار در ناحیه حمایت ظاهر شود، نشان دهنده احتمال وقوع روندی معکوس در ترند صعودی است، بنابراین بهتر است پوزیشن خرید خود را انتخاب کنید
• زمانی که پین بار در ناحیه مقاومت ظاهر شود، نشان دهنده احتمال وقوع روندی معکوس در ترند نزولی است، بنابراین پوزیشن فروش خود را انتخاب کنید.
• استاپ لاس خود را در پایان پین باری دیگر قرار دهید و تارگت خود را در بدست آوردن نسبت سود / ریسک 1:3 یا بالاتر قرار دهید.

انواع استراتژی های معاملاتی- اندیکاتورها در مقابل استراتژی حرکات قیمتی (price action)

همه استراتژی های معاملاتی با یکدیگر برابر نیستند. استراتژی های بالا را می توان به دو گروه تقسیم کرد:

بر پایه اندیکاتور- استراتژی هایی که از اندیکاتورها برای تحلیل قیمت های قبل و خلق فرمول های ریاضی برای پی بردن به روابط آنها استفاده می کنند.

بر پایه حرکات قیمتی- استراتژی هایی که از تغییرات قیمت های کنونی برای تحلیل حرکت قیمت ها در آینده استفاده می کنند.

در میان استراتژی های بالا، شماره های 1 و 2 بر اساس اندیکاتورها عمل می کنند چرا که در آنها از اندیکاتورهای RSI و میانگین حرکتی استفاده شده است. از طرفی دیگر، موارد 3 و 4 از حرکات وتغییرات قیمتی برای تعیین نقاط خروج و ورود استفاده کرده اند، بنابراین در چنین نمودارهایی شاهد اندیکاتورها نخواهید بود.

استفاده از کدام نوع استراتژی معاملاتی بهتر است؟

مانند اکثر مواقع در معاملات فارکس، هیچ جواب قطعی وجود ندارد و همه چیز کاملاً به شما بستگی دارد.

اگر در هنگام خواندن و تحلیل معاملات بازار دچار اشتباه می شوید ، بهتر است از استراتژی معاملاتی مبتنی بر اندیکاتور مکانیکی استفاده کنید. از طرف دیگر ، اگر با بازار هماهنگ هستید، استفاده از استراتژی حرکت قیمتی، بهترین گزینه است. بنابراین برای انتخاب نوع استراتژی، بهتر است شناخت عمیقی نسبت به آگاهی خود داشته باشید.

مدیریت ریسک- مهمترین مسئله در استراتژی ها

نوع استراتژی کاربردی شما اهمیت چندانی ندارد زیرا مهمترین مسئله، مدیریت ریسک در معاملات است. چه شما از یک استراتژی ساده استفاده کنید و چه نوع پیچیده آن، در صورت نداشتن اصولی برای مدیریت ریسک و شرایط بحرانی، قطعاً زیان خواهید کرد.

ملاحظات مدیریت ریسک:

• نسبت ریسک/ سود: نسبتی است که میزان ریسک رسیدن به هدف تعیین شده شما را مشخص می کند.
• درصد سود: درصد معاملات سود ده در مقایسه با معاملات همراه با ضرر

زمانی که استراتژی معاملاتی خود را مشخص می کنید، متوجه تعامل بین این دو فاکتور می شود. معمولاً به ندرت یک استراتژی ،نسبت ریسک/ سود بالا و در صد سود بالایی را همزمان برای معاملات شما مشخص می کند. اگر استراتژی معاملاتی شما دارای نسبت ریسک/سود بالایی باشد، در مقابل در صد معاملات سود ده آن کمتر خواهد بود، اما اگر همان استراتژی، نسبت ریسک/سود پایینی داشته باشد، به احتمال زیاد، درصد معاملات سود ده آن بیشتر خواهد بود. بنابراین،همیشه بین این دو فاکتور، نوعی سازش و تعامل وجود دارد.

با شناخت خود، استراتژی معاملاتی تان را انتخاب کنید

اگر در استفاده از یک استراتژی صحیح، توانایی های خود را هم در نظر بگیرید، می توانید با انتخاب استراتژی مناسب به موفقیت برسید. آیا می توانید در شرایطی که با ضررهای متوالی رو به رو می شوید، فشار روانی که بر شما وارد می شود را کنترل کنید؟ اگر نمی توانید که چنین شرایط سختی را کنترل کنید و توانایی تسلط بر اوضاع را نداشته باشید، جایی برای نگرانی نیست.

بسیاری از معامله گران فارکس سعی می کنند تا با استفاده از استراتژی های مدیریت ریسکی که دیگران برای خود طراحی کرده اند، بر اوضاع مسلط شوند اما در این راه شکست می خورند زیرا هر فرد این استراتژی ها را متناسب با توانایی ها و شرایط روحی خود در نظر می گیرد. سعی کنید که در انتخاب استراتژی های خود هوشمندانه عمل کنید. با شناخت خود می توانید، مدیریت ریسک مناسبی را در کنار استراتژی انتخابی خود به کار ببرید و از مزیت های آن در معاملات بهره مند شوید.

نکات پایانی درباره انتخاب استراتژی های معاملاتی

امیدواریم که بتوانید با استفاده از استراتژی های بالا به هدف خود دست پیدا کنید. به یاد داشته باشید که لازم نیست تمام استراتژی های موجود را یاد بگیرید. می توانید المان ها و نکات مربوط به استراتژی های مفید را با المان ها و فاکتورهای استراتژی های مفید دیگر ترکیب کنید. هیچ قانونی وجود ندارد، بنابراین بهترین روشی که مناسب شماست را امتحان کنید.

یکی از روش های پیشنهادی ما به شما، استفاده از استراتژی برک اوت حمایت و مقاومت در کنار استراتژی برگشتی پین بار است. زمانی که بازار، دارای مومنتوم بالایی است، از استراتژی برک اوت استفاده کنید. زمانی که بازار مومنتوم خاصی ندارد و شاهد ظهور پین بار روی نمودار هستید، از استراتژی برگشتی استفاده کنید. هنگامی که شما به عنوان یک معامله گر فارکس خود را بشناسید و اصول مدیریت ریسک را به طور صحیح استفاده کنید، می توانید معاملات موفق و همراه با سودی داشته باشید.

آموزش معاملات الگوریتمی با پایتون در بازارهای مالی، طراحی استراتژی

در شروع به طور خلاصه باید گفت که در این دوره یاد میگیریم ” کِی بخریم ” و ” کِی بفروشیم ” و چگونه ریسک معاملاتی و ضرر خود را با کدنویسی “حداقل” کنیم.

در این دوره چارت معاملات سهام در پایتون رسم شده و اندیکاتورهای MACD, RSI , Moving Average, Stocastic, Bollinger Band را پیاده سازی کرده و سیستم های معاملاتی خودکار مبتی بر هر کدام از این اندیکاتور ها را خواهیم آموخت. سپس در پایان هر فصل می آموزیم که کدام استراتژِ معاملاتی بیشترین بازدهی را دارد.

با این آموزش از 95 درصد معامله گران بازار جلوتر باشید…

• تعداد دانشجو: ۳۰
• مدت زمان : ۰۹:۳۰:۵۱

متخصص در حوزه های معاملات الگوریتمی در پایتون- ماشین لرنینگ در تحلیل داده های مالی و . با 8 سال سابقه . (مشاهده رزومه)

مشاوره می خوام!

در صورتی که برای تهیه این دوره آموزشی و دریافت مسیر یادگیری ویژه خود به مشاوره نیاز دارید، درخواست مشاوره خود را از طریق دکمه زیر ثبت کنید.

قراره تو این دوره چی یاد بگیرم؟

• تحلیل تکنیکال با پایتون
• طراحی سیستم معاملات الگوریتمی با استفاده از SMA
• طراحی سیستم معاملات الگوریتمی با استفاده از EMA
• طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD
• و .

سرفصل های دوره

مقدمه و معرفی دوره

جلسه اول: مقدمه و معرفی

جلسه دوم: آنچه در این دوره خواهیم آموخت

جلسه سوم: نصب و راه اندازی پایتون

تحلیل تکنیکال با پایتون

جلسه چهارم: نصب پکیج های مورد نیاز

جلسه پنجم: استخراج داده های مالی

جلسه ششم: رسم چارت خطی ساده

جلسه هفتم: رسم چارت های پویا و حرفه ای

جلسه هشتم: رسم چارت کندل استیک

جلسه نهم: رسم اندیکاتور مووینگ اورج (SMA) و خطوط حمایتی و مقاومتی در چارت

طراحی سیستم معاملات الگوریتمی با استفاده از SMA

جلسه دهم: استراتژی خرید و نگه داری (Buy and Hold)

جلسه یازدهم: استراتژی کراس (Crossover) با دو SMA

جلسه دوازدهم: یافتن بهترین استراتژی کراس با بهترین مقدار SMA برای هر دارایی

جلسه سیزدهم: افزودن هزینه معاملاتی به استراتژی

طراحی سیستم معاملات الگوریتمی با استفاده از EMA

جلسه چهاردهم: معرفی اندیکاتور EMA

جلسه پانزدهم: : استراتژی کراس (Crossover) با دو EMA

جلسه شانزدهم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD

جلسه هفدهم: معرفی اندیکاتور MACD

جلسه هجدهم: رسم MACD در چارت پایتون

جلسه نوزدهم: استراتژی پوزیشن معاملات با MACD

جلسه بیستم: طراحی سیستم معاملات الگوریتمی با استفاده از MACD

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور RSI

جلسه بیست و یکم: معرفی اندیکاتور RSI

جلسه بیست و دوم: رسم RSI در چارت پایتون

جلسه بیست و سوم: استراتژی پوزیشن معاملاتی با RSI

جلسه بیست و چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از RSI

استراتژی ترکیبی RSI و MACD

جلسه بیست و پنجم: استراتژی ترکیبی RSI و MACD

جلسه بیست و ششم: طراحی سیستم معاملات الگوریتمی استراتژی ترکیبی RSI و MACD

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور Stochastic

جلسه بیست و هفتم: معرفی اندیکاتور Stochastic

جلسه بیست و هشتم: استراتژی پوزیشن گیری معاملاتی با استفاده از Stochastic

جلسه بیست و نهم: طراحی سیستم معاملات الگوریتمی با استفاده از Stochastic

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور Bollinger Band

جلسه سی ام: معرفی اندیکاتور Bollinger Band

جلسه سی و یکم: رسم Bollinger Band بر روی چارت

جلسه سی و دوم: استراتژی معاملاتی با Bollinger Band

جلسه سی و سوم: طراحی سیستم معاملات الگوریتمی با استفاده از Bollinger Band

معاملات الگوریتمی یا معاملات خودکار به استفاده از کامپیوتر برای ورود به پوزیشن های معاملاتی بدون دخالت معامله گر گفته می شود. زمانی که معامله گران با استفاده از کدنویسی ها و هوش مصنوعی, سیستمی را طراحی می کنند که بر طبق آن کامپیوتر تصمیم به خرید و فروش بگیرد, الگوتریدینگ (Algo Trading) در حال رخ دادن است. در این دوره آموزشی به معاملات الگوریتمی با پایتون در بازارهای مالی خواهیم پرداخت.

در آموزش معاملات الگوریتمی با پایتون خواهیم آموخت:

1-برای چه سهامی چه میانگین متحرک هایی بهترین عملکرد را دارد. به عنوان مثال برای سهام شپنا آیا مووینگ 50 مناسب است یا مووینگ 60. این کار با کدنویسی پایتون برای معامله گران در 3 دقیقه قابل فهم است!

2-چه مقادیری برای اندیکاتور های RSI , MACD , Stocastic, Bollinger Band انتخاب کنیم که بیشترین بازده را داشته باشیم. این موضوع برای تمامی سهام های موجود قابل پیاده سازی است.

3-استراتژی های معاملاتی مبتنی بر Bollinger Band , RSI , MACD , Moving average , stocastic را یاد میگیریم و با نرم افزار پایتون می آموزیم که چگونه خرید و فروش انجام دهیم.

4-چگونه در پایتون چارت رسم کنیم و تمامی اندیکاتور ها را در چارت پیاده سازی کنیم.

5- می آموزیم که چگونه با استفاده از کدنویسی, نقاط حمایتی و مقاومتی را برای هر سهام رسم کنیم بدون دخالت دستی!

6- یاد خواهیم گرفت که بر روی داده های گذشته استراتژی های فوق را پیاده سازی کنیم و میزان بازده استراتژی های معاملاتی خود را با میزان استراتژی خرید و نگه داری مقایسه کنیم و سود را به حداکثر برسانیم.

سرفصل های دوره معاملات الگوریتمی با پایتون

فصل اول: مقدمه و معرفی دوره

درس اول: مقدمه و معرفی

درس دوم: آنچه در این دوره خواهیم آموخت

درس سوم: نصب و راه اندازی پایتون

فصل دوم: تحلیل تکنیکال با پایتون

درس چهارم :استراتژی های معاملاتي Crossovers نصب پکیج های مورد نیاز

درس پنجم: استخراج داده های مالی

درس ششم: طراحی چارت

درس هفتم: رسم چارت خطی ساده

درس هشتم: رسم چارت های پویا و حرفه ای با نمایش تمامی اطلاعات

درس نهم: رسم چارت کندل استیک

درس دهم: رسم چارت حجمی

درس یازدهم: رسم اندیکاتور مووینگ اورج (SMA) در چارت

درس دوازدهم: رسم خطوط حمایتی و مقاوتی در چارت

فصل سوم: طراحی سیستم معاملات الگوریتمی با استفاده از SMA

درس سیزدهم: معرفی اندیکاتور

درس چهاردهم: استراتژی خرید و نگه داری (Buy and Hold)

درس پانزدهم: استراتژی کراس (Crossover) با دو SMA

در شانزدهم: یافتن بهترین استراتژی کراس با بهترین مقدار SMA برای هر دارایی

درس هفدهم: طراحی سیستم معاملات الگوریتمی با استفاده از SMA

درس هجدهم: افزودن هزینه معاملاتی به استراتژی

فصل چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

درس نوزدهم: معرفی اندیکاتور

درس بیستم: استراتژی کراس (Crossover) با دو EMA

درس بیست و یکم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

درس بیست و دوم: استراتژی کراس EMA از SMA

درس بیست و سوم: طراحی سیستم معاملات الگوریتمی استراتژی کراس EMA از SMA

فصل پنجم: طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD

درس بیست و چهارم: معرفی اندیکاتور

درس بیست و پنج: رسم MACD در چارت پایتون

درس بیست و ششم: استراتژی پوزیشن معاملات با MACD

درس بیست و هفتم: طراحی سیستم معاملات الگوریتمی با استفاده از MACD

درس بیست و هشتم: واگرایی در MACD

فصل ششم: طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور RSI

درس بیست و نهم: معرفی اندیکاتور RSI

درس سی ام: رسم RSI در چارت پایتون

درس سی و یکم: استراتژی معاملاتی با RSI

درس سی و دوم: گرفتن پوزیشن معاملاتی با RSI

درس سی و سوم: طراحی سیستم معاملات الگوریتمی با استفاده از RSI

فصل هفتم: استراتژی استفاده همزمان از RSI و MACD

درس سی وچهارم: معرفی

درس سی و پنجم: استراتژی ترکیبی RSI و MACD

درس سی و ششم: طراحی سیستم معاملات الگوریتمی ااستراتژی ترکیبی RSI و MACD

فصل هشتم: اسیلاتور Stocastic

درس سی و هفتم: معرفی اسیلاتور

درس سی وهشتم: رسم Stocastic در چارت

درس سی و نهم: استراتژی معاملاتی با استفاده از Stocastic

درس چهلم: طراحی سیستم معاملات الگوریتمی با استفاده از Stocastic

فصل نهم: اندیکاتور Bollinger Band

درس چهل و یکم: معرفی اندیکاتور

درس چهل و دوم: رسم Bollinger Band بر روی چارت

درس چهل و سوم: استراتژی معاملاتی با Bollinger Band

درس چهل و چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از Bollinger Band

معرفی دوره ی بعد

آموزش معاملات الگوریتمی با پایتون چه بازار گاری دارد؟

• با استفاده از این آموزش توانایی معامله گری بهتر از 95 درصد معامله گران بازار پیدا می کنیم.
• می توان دانش لازم برای استخدام در شرکت های معامله گری ساده و الگوریتمی را کسب کنیم و با مفاهیم آشنا شویم.
• با این آموزش می توانید خودتان مدیر کسب و کار خودتان باشید. سیگنال های معاملاتی به دیگر ارائه دهید, یک تحلیل گر خبره باشید و زود تر از بقیه از سیگنال های بازار خبردار شوید. چون شما مجهز به ابزار “سیگنال گیری خودکار” هستید.

آموزش معاملات الگوریتمی با پایتون برای چه کسانی مناسب است؟

این دوره برای تمامی مردم عادی , دانشجویان یا فارغ التحصیلانی که در بازارهای سهام یا مالی دیگر فعال هستند , مناسب و واجب است.

برای تمامی تحلیل گران مالی, تحلیلگران تکنیکال و فاندامنتال , معامله گران بازارهای فارکس , کریپتو و … مناسب است.

پیش نیاز های این دوره

در این دوره نیاز به دانش پایه و مقدماتی از پایتون را داریم با این حال بخش اعظمی از مطالب در دوره بیان می شود. اما اگر میخواهید پایتون را بهتر یادبگیرید می‌توانید از دوره های مربوط به آموزش پایتون دانشجویار استفاده کنید

نیاز به آگاهی از اندیکاتور های RSI , MACD , Stocastic, Bollinger Band به صورت مقدماتی. که برای این مورد می‌توانید از وبسایت freecodecamp استفاده کنید.

نرم افزارهای استفاده شده در این آموزش:

نرم افزار پایتون نسخه 3.9

مزیت این دوره نسبت به سایر دوره های مشابه

از آنجا که دوره های زیادی برای آموزش این استراتژی ها وجود ندارد و یا اینکه به قیمت گزاف و میلیونی فروخته می شوند, دوره آموزش معاملات الگوریتمی با پایتون دانشجویار یک دوره بسیار غنی, خالی از توضیحات تئوری اضافی و زمان بر و حوصله سربر می باشد که با یک قیمت بسیار معقول در خدمت تمامی مردم , دانشجویان و فارغ التحصیلان قرار گرفته است.

در معاملات الگوریتمی کامپیوتر می تواند از یک استراتژی یا چند استراتژی هم زمان بهره گیرد و با بررسی زمان, حجم, قیمت, اندیکاتور ها, اسیلاتورها, حد سود و حد ضرر و… تصمیم گیری های لازم در خصوص ورود به یک معامله, جهت معامله, نگه داری و بستن موقعیت معامله را اتخاذ کند.

لذا مشاهده می کنیم که با پیشرفت بازارهای مالی و افزایش تعداد دارایی های مالی نظیر سهام, کامودیتی ها, ارزها, اوراق بدهی, اوراق مشتقه, رمزارزها (Crypto currencies) و … توانایی انسان برای رقابت با کامپیوترها روز به روز کمتر و کمتر می شود. این موضوع در آمار های بازار سهام آمریکا هویدا می شود که نزدیک 60 تا 75 درصد از کل معاملات سهام, توسط سیستم های الگوریتمیک در حال پیاده سازی است.

بخشی از معاملات الگوریتمی که الگوریتم های سیگنال دهی نام گذاری شده اند, وظیفه طراحی سیستم هایی را دارند که با بررسی اطلاعات مختلف از بازار, سیگنال های معاملاتی را به کاربر و کامپیوتر اعلان نماید. این الگوریتمی ها با استفاده اندیکاتور هایی نظیر RSI , MACD , Moving average , Stocastic و …. و مقایسه اینها با یکدیگر تلاش برای دریافت سیگنال های معاملاتی دارند.

با علم به توضیحات فوق , در دوره معاملات الگوریتمی با پایتون تلاش می شود تا با کد نویسی سیستم های معاملاتی مبتی بر هر کدام از اندیکاتور های مذکور و ترکیب آن ها با یکدیگر, سیستم معاملاتی را پیدا نمود که بیشترین بازدهی را برای هر دارایی مالی دارد. به بیان واضح تر با استفاده از این دوره شما یاد خواهید گرفت:

1-برای چه سهامی چه میانگین متحرک هایی بهترین عملکرد را دارد. به عنوان مثال برای سهام شپنا آیا مووینگ 50 مناسب است یا مووینگ 60. این کار با کدنویسی در 3 دقیقه قابل فهم است!

2-چه مقادیری برای اندیکاتور های RSI , MACD , Stocastic, Bollinger Band انتخاب کنیم که بیشترین بازده را داشته باشیم. این موضوع برای تمامی سهام های موجود قابل پیاده سازی است.

3-استراتژی های معاملاتی مبتنی بر Bollinger Band , RSI , MACD , Moving average , stocastic را یاد میگیریم و با نرم افزار پایتون می آموزیم که چگونه خرید و فروش انجام دهیم.

4-چگونه در پایتون چارت رسم کنیم و تمامی اندیکاتور ها را در چارت پیاده سازی کنیم.

5- می آموزیم که چگونه با استفاده از کدنویسی, نقاط حمایتی و مقاومتی را برای هر سهام رسم کنیم بدون دخالت دستی!

6- یاد خواهیم گرفت که بر روی داده های گذشته استراتژی های فوق را پیاده سازی کنیم و میزان بازده استراتژی های معاملاتی خود را با میزان استراتژی خرید و نگه داری مقایسه کنیم و سود را به حداکثر برسانیم.

در دوره معاملات الگوریتمی با پایتون ابتدا به بیان مقدمه و مطالب ضروری پرداخته می استراتژی های معاملاتي Crossovers شود. سپس طریقه رسم یک چارت حرفه ای در پایتون را می آموزیم و اندیکاتور های مختلف را بر روی چارت , پیاده سازی می کنیم. خواهیم آموخت که چگونه با استفاده از پایتون و کدنویسی خطوط حمایت و مقاومت رسم کنیم بدون دخالت دستی. سپس در فصول مختلف سیستم های خودکار معاملاتی الگوریتمی و سیگنال دهی مبتنی بر اندیکاتور های RSI , MACD , Stocastic, Bollinger Band طراحی می شود و خواهیم آموخت که با ترکیب هر کدام از این استراتژی ها با هم چه سودی کسب خواهیم کرد

همچنین با تماشای دوره آموزشی معاملات الگوریتمی با پایتون , حتی اگر دانشی در حد “صفر” از کدنویسی پایتون دارید, خواهید آموخت که چگونه کدنویسی کنید و با بسیاری از پکیج ها و متدهای این نرم افزار آشنا خواهید شد.

چنانچه در مورد دوره آموزشی معاملات الگوریتمی با پایتون هرگونه سوال، انتقاد و یا پیشنهادی دارید می‌توانید از طریق همین صفحه در بخش دیدگاه‌ها مطرح کنید تا در کوتاهترین زمان پاسخ مناسب دریافت کنید.آ

آموزش معاملات الگوریتمی با پایتون در بازارهای مالی، طراحی استراتژی

در شروع به طور خلاصه باید گفت که در این دوره یاد میگیریم ” کِی بخریم ” و ” کِی بفروشیم ” و چگونه ریسک معاملاتی و ضرر خود را با کدنویسی “حداقل” کنیم.

در این دوره چارت معاملات سهام در پایتون رسم شده و اندیکاتورهای MACD, RSI , Moving Average, Stocastic, Bollinger Band را پیاده سازی کرده و سیستم های معاملاتی خودکار مبتی بر هر کدام از این اندیکاتور ها را خواهیم آموخت. سپس در پایان هر فصل می آموزیم که کدام استراتژِ معاملاتی بیشترین بازدهی را دارد.

با این آموزش از 95 درصد معامله گران بازار جلوتر باشید…

• تعداد دانشجو: ۳۰
• مدت زمان : ۰۹:۳۰:۵۱

متخصص در حوزه های معاملات الگوریتمی در پایتون- ماشین لرنینگ در تحلیل داده های مالی و . با 8 سال سابقه . (مشاهده رزومه)

مشاوره می خوام!

در صورتی که برای تهیه این دوره آموزشی و دریافت مسیر یادگیری ویژه خود به مشاوره نیاز دارید، درخواست مشاوره خود را از طریق دکمه زیر ثبت کنید.

قراره تو این دوره چی یاد بگیرم؟

• تحلیل تکنیکال با پایتون
• طراحی سیستم معاملات الگوریتمی با استفاده از SMA
• طراحی سیستم معاملات الگوریتمی با استفاده از EMA
• طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD
• و .

سرفصل های دوره

مقدمه و معرفی دوره

جلسه اول: مقدمه و معرفی

جلسه دوم: آنچه در این دوره خواهیم آموخت

جلسه سوم: نصب و راه اندازی پایتون

تحلیل تکنیکال با پایتون

جلسه چهارم: نصب پکیج های مورد نیاز

جلسه پنجم: استخراج داده های مالی

جلسه ششم: رسم چارت خطی ساده

جلسه هفتم: رسم چارت های پویا و حرفه ای

جلسه هشتم: رسم چارت کندل استیک

جلسه نهم: رسم اندیکاتور مووینگ اورج (SMA) و خطوط حمایتی و مقاومتی در چارت

طراحی سیستم معاملات الگوریتمی با استفاده از SMA

جلسه دهم: استراتژی خرید و نگه داری (Buy and Hold)

جلسه یازدهم: استراتژی کراس (Crossover) با دو SMA

جلسه دوازدهم: یافتن بهترین استراتژی کراس با بهترین مقدار SMA برای هر دارایی

جلسه سیزدهم: افزودن هزینه معاملاتی به استراتژی

طراحی سیستم معاملات الگوریتمی با استفاده از EMA

جلسه چهاردهم: معرفی اندیکاتور EMA

جلسه پانزدهم: : استراتژی کراس (Crossover) با دو EMA

جلسه شانزدهم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD

جلسه هفدهم: معرفی اندیکاتور MACD

جلسه هجدهم: رسم MACD در چارت پایتون

جلسه نوزدهم: استراتژی پوزیشن معاملات با MACD

جلسه بیستم: طراحی سیستم معاملات الگوریتمی با استفاده از MACD

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور RSI

جلسه بیست و یکم: معرفی اندیکاتور RSI

جلسه بیست و دوم: رسم RSI در چارت پایتون

جلسه بیست و سوم: استراتژی پوزیشن معاملاتی با RSI

جلسه بیست و چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از RSI

استراتژی ترکیبی RSI و MACD

جلسه بیست و پنجم: استراتژی ترکیبی RSI و MACD

جلسه بیست و ششم: طراحی سیستم معاملات الگوریتمی استراتژی ترکیبی RSI و MACD

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور Stochastic

جلسه بیست و هفتم: معرفی اندیکاتور Stochastic

جلسه بیست و هشتم: استراتژی پوزیشن گیری معاملاتی با استفاده از Stochastic

جلسه بیست و نهم: طراحی سیستم معاملات الگوریتمی با استفاده از Stochastic

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور Bollinger Band

جلسه سی ام: معرفی اندیکاتور Bollinger Band

جلسه سی و یکم: رسم Bollinger Band بر روی چارت

جلسه سی و دوم: استراتژی معاملاتی با Bollinger Band

جلسه سی و سوم: طراحی سیستم معاملات الگوریتمی با استفاده از Bollinger Band

معاملات استراتژی های معاملاتي Crossovers الگوریتمی یا معاملات خودکار به استفاده از کامپیوتر برای ورود به پوزیشن های معاملاتی بدون دخالت معامله گر گفته می شود. زمانی که معامله گران با استفاده از کدنویسی ها و هوش مصنوعی, سیستمی را طراحی می کنند که بر طبق آن کامپیوتر تصمیم به خرید و فروش بگیرد, الگوتریدینگ (Algo Trading) در حال رخ دادن است. در این دوره آموزشی به معاملات الگوریتمی با پایتون در بازارهای مالی خواهیم پرداخت.

در آموزش معاملات الگوریتمی با پایتون خواهیم آموخت:

1-برای چه سهامی چه میانگین متحرک هایی بهترین عملکرد را دارد. به عنوان مثال برای سهام شپنا آیا مووینگ 50 مناسب است یا مووینگ 60. این کار با کدنویسی پایتون برای معامله گران در 3 دقیقه قابل فهم است!

2-چه مقادیری برای اندیکاتور های RSI , MACD , Stocastic, Bollinger Band انتخاب کنیم که بیشترین بازده را داشته باشیم. این موضوع برای تمامی سهام های موجود قابل پیاده سازی است.

3-استراتژی های معاملاتی مبتنی بر Bollinger Band , RSI , MACD , Moving average , stocastic را یاد میگیریم و با نرم افزار پایتون می آموزیم که چگونه خرید و فروش انجام دهیم.

4-چگونه در پایتون چارت رسم کنیم و تمامی اندیکاتور ها را در چارت پیاده سازی کنیم.

5- می آموزیم که چگونه با استفاده از کدنویسی, نقاط حمایتی و مقاومتی را برای هر سهام رسم کنیم بدون دخالت دستی!

6- یاد خواهیم گرفت که بر روی داده های گذشته استراتژی های فوق را پیاده سازی کنیم و میزان بازده استراتژی های معاملاتی خود را با میزان استراتژی خرید و نگه داری مقایسه کنیم و سود را به حداکثر برسانیم.

سرفصل های دوره معاملات الگوریتمی با پایتون

فصل اول: مقدمه و معرفی دوره

درس اول: مقدمه و معرفی

درس دوم: آنچه در این دوره خواهیم آموخت

درس سوم: نصب و راه اندازی پایتون

فصل دوم: تحلیل تکنیکال با پایتون

درس چهارم :نصب پکیج های مورد نیاز

درس پنجم: استخراج داده های مالی

درس ششم: طراحی چارت

درس هفتم: رسم چارت خطی ساده

درس هشتم: رسم چارت های پویا و حرفه ای با نمایش تمامی اطلاعات

درس نهم: رسم چارت کندل استیک

درس دهم: رسم چارت حجمی

درس یازدهم: رسم اندیکاتور مووینگ اورج (SMA) در چارت

درس دوازدهم: رسم خطوط حمایتی و مقاوتی در چارت

فصل سوم: طراحی سیستم معاملات الگوریتمی با استفاده از SMA

درس سیزدهم: معرفی اندیکاتور

درس چهاردهم: استراتژی خرید و نگه داری (Buy and Hold)

درس پانزدهم: استراتژی کراس (Crossover) با دو SMA

در شانزدهم: یافتن بهترین استراتژی کراس با بهترین مقدار SMA برای هر دارایی

درس هفدهم: طراحی سیستم معاملات الگوریتمی با استفاده از SMA

درس هجدهم: افزودن هزینه معاملاتی به استراتژی

فصل چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

درس نوزدهم: معرفی اندیکاتور

درس بیستم: استراتژی کراس (Crossover) با دو EMA

درس بیست و یکم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

درس بیست و دوم: استراتژی کراس EMA از SMA

درس بیست و سوم: طراحی سیستم معاملات الگوریتمی استراتژی کراس EMA از SMA

فصل پنجم: طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD

درس بیست و چهارم: معرفی اندیکاتور

درس بیست و پنج: رسم MACD در چارت پایتون

درس بیست و ششم: استراتژی پوزیشن معاملات با MACD

درس بیست و هفتم: طراحی سیستم معاملات الگوریتمی با استفاده از MACD

درس بیست و هشتم: واگرایی در MACD

فصل ششم: طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور RSI

درس بیست و نهم: معرفی اندیکاتور RSI

درس سی ام: رسم RSI در چارت پایتون

درس سی و یکم: استراتژی معاملاتی با RSI

درس سی و دوم: گرفتن پوزیشن معاملاتی با RSI

درس سی و سوم: طراحی سیستم معاملات الگوریتمی با استفاده از RSI

فصل هفتم: استراتژی استفاده همزمان از RSI و MACD

درس سی وچهارم: معرفی

درس سی و پنجم: استراتژی ترکیبی RSI و MACD

درس سی و ششم: طراحی سیستم معاملات الگوریتمی ااستراتژی ترکیبی RSI و MACD

فصل هشتم: اسیلاتور Stocastic

درس سی و هفتم: معرفی اسیلاتور

درس سی وهشتم: رسم Stocastic در چارت

درس سی و نهم: استراتژی معاملاتی با استفاده از Stocastic

درس چهلم: طراحی سیستم معاملات الگوریتمی با استفاده از Stocastic

فصل نهم: اندیکاتور Bollinger Band

درس چهل و یکم: معرفی اندیکاتور

درس چهل و دوم: رسم Bollinger Band بر روی چارت

درس چهل و سوم: استراتژی معاملاتی با Bollinger Band

درس چهل و چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از Bollinger Band

معرفی دوره ی بعد

آموزش معاملات الگوریتمی با پایتون چه بازار گاری دارد؟

• با استفاده از این آموزش توانایی معامله گری بهتر از 95 درصد معامله گران بازار پیدا می کنیم.
• می توان دانش لازم برای استخدام در شرکت های معامله گری ساده و الگوریتمی را کسب کنیم و با مفاهیم آشنا شویم.
• با این آموزش می توانید خودتان مدیر کسب و کار خودتان باشید. سیگنال های معاملاتی به دیگر ارائه دهید, یک تحلیل گر خبره باشید و زود تر از بقیه از سیگنال های بازار خبردار شوید. چون شما مجهز به ابزار “سیگنال گیری خودکار” هستید.

آموزش معاملات الگوریتمی با پایتون برای چه کسانی مناسب است؟

این دوره برای تمامی مردم عادی , دانشجویان یا فارغ التحصیلانی که در بازارهای سهام یا مالی دیگر فعال هستند , مناسب و واجب است.

برای تمامی تحلیل گران مالی, تحلیلگران تکنیکال و فاندامنتال , معامله گران بازارهای فارکس , کریپتو و … مناسب است.

پیش نیاز های این دوره

در این دوره نیاز به دانش پایه و مقدماتی از پایتون را داریم با این حال بخش اعظمی از مطالب در دوره بیان می شود. اما اگر میخواهید پایتون را بهتر یادبگیرید می‌توانید از دوره های مربوط به آموزش پایتون دانشجویار استفاده کنید

نیاز به آگاهی از اندیکاتور های RSI , MACD , Stocastic, Bollinger Band به صورت مقدماتی. که برای این مورد می‌توانید از وبسایت freecodecamp استفاده کنید.

نرم افزارهای استفاده شده در این آموزش:

نرم افزار پایتون نسخه 3.9

مزیت این دوره نسبت به سایر دوره های مشابه

از آنجا که دوره های زیادی برای آموزش این استراتژی ها وجود ندارد و یا اینکه به قیمت گزاف و میلیونی فروخته می شوند, دوره آموزش معاملات الگوریتمی با پایتون دانشجویار یک دوره بسیار غنی, خالی از توضیحات تئوری اضافی و زمان بر و حوصله سربر می باشد که با یک قیمت بسیار معقول در خدمت تمامی مردم , دانشجویان و فارغ التحصیلان قرار گرفته است.

در معاملات الگوریتمی کامپیوتر می تواند از یک استراتژی یا چند استراتژی هم زمان بهره گیرد و با بررسی زمان, حجم, قیمت, اندیکاتور ها, اسیلاتورها, حد سود و حد ضرر و… تصمیم گیری های لازم در خصوص ورود به یک معامله, جهت معامله, نگه داری و بستن موقعیت معامله را اتخاذ کند.

لذا مشاهده می کنیم که با پیشرفت بازارهای مالی و افزایش تعداد دارایی های مالی نظیر سهام, کامودیتی ها, ارزها, اوراق بدهی, اوراق مشتقه, رمزارزها (Crypto currencies) و … توانایی انسان برای رقابت با کامپیوترها روز به روز کمتر و کمتر می شود. این موضوع در آمار های بازار سهام آمریکا هویدا می شود که نزدیک 60 تا 75 درصد از کل معاملات سهام, توسط سیستم های الگوریتمیک در حال پیاده سازی است.

بخشی از معاملات الگوریتمی که الگوریتم های سیگنال دهی نام گذاری شده اند, وظیفه طراحی سیستم هایی را دارند که با بررسی اطلاعات مختلف از بازار, سیگنال های معاملاتی را به کاربر و کامپیوتر اعلان نماید. این الگوریتمی ها با استفاده اندیکاتور هایی نظیر RSI , MACD , Moving average , Stocastic و …. و مقایسه اینها با یکدیگر تلاش برای دریافت سیگنال های معاملاتی دارند.

با علم به توضیحات فوق , در دوره معاملات الگوریتمی با پایتون تلاش می شود تا با کد نویسی سیستم های معاملاتی مبتی بر هر کدام از اندیکاتور های مذکور و ترکیب آن ها با یکدیگر, سیستم معاملاتی را پیدا نمود که بیشترین بازدهی را برای هر دارایی مالی دارد. به بیان واضح تر با استفاده از این دوره شما یاد خواهید گرفت:

1-برای چه سهامی چه میانگین متحرک هایی بهترین عملکرد را دارد. به عنوان مثال برای سهام شپنا آیا مووینگ 50 مناسب است یا مووینگ 60. این کار با کدنویسی در 3 دقیقه قابل فهم است!

2-چه مقادیری برای اندیکاتور های RSI , MACD , Stocastic, Bollinger Band انتخاب کنیم که بیشترین بازده را داشته باشیم. این موضوع برای تمامی سهام های موجود قابل پیاده سازی است.

3-استراتژی های معاملاتی مبتنی بر Bollinger Band , RSI , MACD , Moving average , stocastic را یاد میگیریم و با نرم افزار پایتون می آموزیم که چگونه خرید و فروش انجام دهیم.

4-چگونه در پایتون چارت رسم کنیم و تمامی اندیکاتور ها را در چارت پیاده سازی کنیم.

5- می آموزیم که چگونه با استفاده از کدنویسی, نقاط حمایتی و مقاومتی را برای هر سهام رسم کنیم بدون دخالت دستی!

6- یاد خواهیم گرفت که بر روی داده های گذشته استراتژی های فوق را پیاده سازی کنیم و میزان بازده استراتژی های معاملاتی خود را با میزان استراتژی خرید و نگه داری مقایسه کنیم و سود را به حداکثر برسانیم.

در دوره معاملات الگوریتمی با پایتون ابتدا به بیان مقدمه و مطالب ضروری پرداخته می شود. سپس طریقه رسم یک چارت حرفه ای در پایتون را می آموزیم و اندیکاتور های مختلف را بر روی چارت , پیاده سازی می کنیم. خواهیم آموخت که چگونه با استفاده از پایتون و کدنویسی خطوط حمایت و مقاومت رسم کنیم بدون دخالت دستی. سپس در فصول مختلف سیستم های خودکار معاملاتی الگوریتمی و سیگنال دهی مبتنی بر اندیکاتور های RSI , MACD , Stocastic, Bollinger Band طراحی می شود و خواهیم آموخت که با ترکیب هر کدام از این استراتژی ها با هم چه سودی کسب خواهیم کرد

همچنین با تماشای دوره آموزشی معاملات الگوریتمی با پایتون , حتی اگر دانشی در حد “صفر” از کدنویسی پایتون دارید, خواهید آموخت که چگونه کدنویسی کنید و با بسیاری از پکیج ها و متدهای این نرم افزار آشنا خواهید شد.

چنانچه در مورد دوره آموزشی معاملات الگوریتمی با پایتون هرگونه سوال، انتقاد و یا پیشنهادی دارید می‌توانید از طریق همین صفحه در بخش دیدگاه‌ها مطرح کنید تا در کوتاهترین زمان پاسخ مناسب دریافت کنید.آ

استراتژی های معاملاتي Crossovers

Hello, fellow community members. This is a very simple strategy that looks for a crossover of 5 periods EMA applied to close price over 7 periods EMA applied to close price. One other filter that I have added to filter out noise is 34 EMA applied to close price. When the price is trading above 34 EMA and the 5 period EMA crosses the 7 period EMA from below to upside, a buy is placed at the market on the closing of the candle. if the number of open positions is 0. And if the price is trading below 34 EMA and the 5 period EMA crosses the 7 period EMA from above to the below side then a sell is placed at the market on the closing of the candle if the number of positions opened is 0. The trading time frame is 5 minutes, the currency pair is EURUSD, the amount to trade is 5 million, the stop loss is 300 pips, and the take profit is 10 pips. In version 2 I changed Stoploss to 7 pips and Take profit target to 15 pips.

اندیکاتور میانگین متحرک (Moving Average) و کاربرد آن

در تحلیل بازار سرمایه به سبک تکنیکال، استفاده از اندیکاتورها محبوبیت گسترده‌ای در بین تحلیلگران و معامله‌گران کسب کرده است. در مقاله اندیکاتورهای تحلیل تکنیکال و انواع آن‌ها، به بررسی و دسته‌بندی اندیکاتورهای مختلف پرداختیم. یکی از این دسته‌بندی‌ها، اندیکاتورهای روندی یا Trend Indicators بود که مثال این دسته از اندیکاتورهای Overlay و پیرو (Lagging) میانگین متحرک بود. در این مقاله مفصل این اندیکاتور را معرفی کرده و استراتژی‌های معاملاتی با استفاده از آن را توضیح خواهیم داد.

کلمات کلیدی:

تحلیل تکنیکال، اندیکاتورهای روندی، میانگین متحرک.

Keywords:

Technical Analysis, Trend Indicators, Moving Average.

تعاریف اولیه

در علم آمار، میانگین متحرک محاسباتی برای تحلیل نقاط داده با ایجاد یک سری از میانگین‌ها از زیرمجموعه‌های مجموعه کلی داده می‌باشد. در علم اقتصاد، میانگین متحرک (Moving Average (MA)) یک اندیکاتور سهامیست که به طور گسترده در تحلیل تکنیکال مورد استفاده قرار می‌گیرد. علت محاسبات میانگین متحرک یک سهام یا دارایی، کمک به روان‌سازی مسیر داده‌های قیمتی با ایجاد یک قیمت میانگین در حال به روز رسانی دائم می‌باشد.

با محاسبه میانگین متحرک، اثر نوسانات تصادفی و کوتاه‌مدت بر روی قیمت دارائی مدنظر در طول یک دوره زمانی مشخص کاهش می‌یابد.

درک مفهوم

میانگین متحرک یک ابزار ساده تکنیکال است. میانگین‌های متحرک معمولاً برای شناسائی مسیر روند یک دارائی یا مشخص کردن سطوح حمایت و مقاومت آن محاسبه می‌شوند. این اندیکاتور از دسته پیروی روندی یا Lagging می‌باشد، زیرا که بر مبنای قیمت‌های پیشین ایجاد شده است.

هر چقدر میزان بازه زمانی میانگین متحرک طولانی‌تر باشد، میزان تأخیر (Lag) بیشتر می‌باشد. در نتیجه، یک میانگین متحرک ۲۰۰ روزه میزان بسیار بیشتری از تأخیر را در مقایسه با میانگین متحرک ۲۰ روزه خواهد داشت، زیرا شامل قیمت‌های ۲۰۰ روز گذشته می‌باشد. میانگین‌های متحرک ۵۰ و ۲۰۰ روزه توسط بسیاری از سرمایه‌گذاران و معامله‌گران دنبال می‌شوند. این میانگین‌ها در سیگنال‌دهی معاملاتی، مهم در نظر گرفته می‌شوند.

میانگین‌های متحرک کاملاً اندیکاتورهای قابل شخصی‌سازی هستند. به این معنا که یک سرمایه‌گذار می‌تواند آزادانه از هر تایم‌فریم برای محاسبه میانگین استفاده کند. معمول‌ترین بازه‌های زمانی مورد استفاده در میانگین‌های متحرک ۱۰، ۱۵، ۲۰، ۳۰، ۵۰، ۱۰۰ و ۲۰۰ روزه هستند. (از عدد ۲۱ در پاکت‌های میانگین‌ متحرک در کتاب جان مورفی یاد شده است و از طرفی به دلیل اینکه یکی از اعداد سری فیبوناچی است، استفاده از آن نسبت به ۲۰ می‌تواند بهتر باشد). هر چقدر که بازه زمانی کوتاه‌تر باشد، حساسیت بیشتری به تغییرات قیمت خواهد داشت. هر چقدر بازه زمانی طولانی‌تر باشد، حساسیت کمتر خواهد بود.

اهداف معاملاتی سرمایه گذاران

سرمایه‌گذاران ممکن است بسته به اهداف معاملاتی خود، بازه‌های زمانی متفاوتی را با تغییر طول‌ها برای محاسبه میانگین متحرک استفاده کنند. میانگین‌های متحرک کوتاه‌تر معمولاً برای معاملات کوتاه‌مدت استفاده می‌شود، در حالی که میانگین‌های متحرک بلندمدت برای سرمایه‌گذاران بلندمدت مناسب‌تر است.

هیچ تایم‌فریم درست یا غلطی برای استفاده در زمان تنظیم میانگین‌های متحرک وجود ندارد. بهترین روش برای شناسایی بهترین حالت، آزمون و خطا با تعدادی از بازه‌های زمانی مختلف تا زمان شناسایی بهترین تطبیق با استراتژی فرد می‌باشد.

پیش‌بینی روندها در بازار پروسه آسانی نیست. اگرچه پیش‌گویی دقیق حرکات آینده یک دارایی خاص غیرممکن است، استفاده از تحلیل تکنیکال و تحقیق می‌تواند به فرد برای پیش‌بینی‌های بهتر کمک کند. یک میانگین متحرک افزایشی نشان‌دهنده این است که دارایی مدنظر در یک روند صعودی است. در حالی که یک MA کاهشی نشانه روند نزولی آن است.استراتژی های معاملاتي Crossovers

انواع میانگین متحرک

میانگین متحرک ساده (Simple Moving Average (SMA)):

ساده‌ترین حالت میانگین متحرک تحت عنوان میانگین متحرک ساده شناخته می‌شود. میانگین متحرک ساده با میانگین‌گیری ریاضی از مجموعه مشخصی از مقادیر به دست می‌آید. به زبان دیگر، یک مجموعه از اعداد (یا قیمت‌ها در ارتباط با بازارهای سرمایه) با هم جمع شده و سپس تقسیم بر تعداد قیمت‌های آن مجموعه می‌شود. فرمول محاسبه میانگین متحرک ساده برای یک دارایی به شرح زیر می‌باشد:

که در آن A، قیمت در یک نقطه زمانی است و n تعداد نقاط قیمتی است.

میانگین متحرک نمایی (Exponential Moving Average (EMA)):

میانگین متحرک نمایی نوعی از میانگین متحرک‌هاست که در تلاش برای واکنش‌پذیری بیشتر نسبت به اطلاعات جدید، وزن بیشتری به قیمت‌های جدیدتر می‌دهد. برای محاسبه EMA، باید در ابتدا SMA در بازه زمانی مدنظر محاسبه شود. سپس، باید ضریب وزن‌دهی EMA تحت عنوان فاکتور روان‌سازی (Smoothing Factor) محاسبه شود که معمولاً از فرمول [2/(Selected Time Period +1)] استفاده می‌کند. در نتیجه، برای یک میانگین متحرک ۲۰ روزه، ضریب ۰.۰۹۵۲ می‌شود. سپس فاکتور روان‌سازی در کنار EMA قبلی استفاده می‌شود تا به مقدار فعلی برسد. در نتیجه، EMA وزن‌دهی بیشتری به قیمت‌های جدیدتر می‌دهد، در حالی که SMA وزن یکسانی به همه مقادیر می‌دهد. فرمول EMA به شرح زیر است:

که در آن EMA_t مقدار EMA امروز را نشان می‌دهد، V_t قیمت امروز، EMA_y مقدار EMA دیروز، s روان‌سازی و d تعداد روزهای لحاظ شده را نشان می‌دهند.

میانگین متحرک «ساده» در برابر «نمایی»

محاسبات EMA تأکید بیشتری بر نقاط داده جدید دارد. به این دلیل، EMA محاسبه میانگین وزن‌دار در نظر گرفته می‌شود. با رسم SMA و EMA در یک تایم‌فریم و بازه زمانی یکسان، می‌توان دید که EMA نسبت به SMA سریع‌تر به تغییرات قیمت واکنش نشان می‌دهد. همچنین می‌توان مشاهده کرد که EMA در هنگام صعود قیمت مقدار بیشتری نسبت به SMA دارد. (و همچنین نسبت به SMA سریع‌تر در هنگام نزول قیمت ریزش می‌کند). این پاسخگویی به تغییرات قیمت دلیل اصلی ترجیح برخی از معامله‌گران به EMA می‌باشد.

نکته: یک مدل MA نسبت به دیگری برتری ندارد. در یک برهه زمانی، یک EMA ممکن است پاسخگویی بهتری در بازار سرمایه داشته باشد و در برهه دیگر، یک SMA کارکرد بهتری داشته باشد. تایم فریم منتخب برای میانگین‌های متحرک نیز نقش مهمی در میزان مؤثر بودن آن‌ها (بدون در نظر داشتن نوع آن‌ها) دارد.

علت استفاده از میانگین متحرک

یک میانگین متحرک به جدا کردن میزانی از نویز موجود در نمودار قیمت کمک می‌کند. با توجه به جهت حرکت آن می‌توان یک دید اولیه از جهت حرکت قیمت دریافت کرد. به طور کلی اگر M به سمت بالا باشد، مسیر قیمت صعودی می‌باشد (یا به تازگی بوده است). اگر به سمت پائین باشد، حرکت قیمت نزولی است. و در زمان حرکت از بغل، به احتمال زیاد قیمت در یک روند خنثی یا اصطلاحاً Range می‌باشد.

یک میانگین متحرک همچنین می‌تواند تحت عنوان حمایت یا مقاومت عمل کند. در یک روند صعودی، یک میانگین متحرک ۵۰، ۱۰۰ یا ۲۰۰ روزه می‌تواند یک سطح حمایتی باشد. به این دلیل که میانگین همانند یک کف (حمایت) عمل می‌کند، تا قیمت بتواند از روی آن جهش کند. در یک روند نزولی، می‌تواند همانند یک مقاومت عمل می‌کند و همانند یک سقف، قیمت به آن برخورد می‌کند و سپس شروع به ریزش می‌کند.

قیمت همیشه به این روش نسبت به میانگین متحرک واکنش نشان نمی‌دهد و ممکن است کمی به آن نفوذ کرده و یا قبل از رسیدن به آن تغییر مسیر دهد.

به عنوان یک راهنمای کلی، اگر قیمت در بالای میانگین متحرک بود، روند رو به بالا است و اگر قیمت در پائین میانگین متحرک بود، روند رو به پائین می‌باشد. البته، میانگین‌های متحرک می‌توانند طول‌های مختلفی داشته باشند (که بیشتر مورد بحث قرار گرفت). در نتیجه یک MA می‌تواند روند صعودی را نشان دهد، در حالی که دیگری نشان‌دهنده روند نزولی است.

طول میانگین متحرک

طول‌های معمول برای میانگین متحرک ۱۰، ۲۰ (۲۱)، ۵۰، ۱۰۰ و ۲۰۰ هستند. این طول‌ها می‌توانند در هر تایم‌فریم زمانی بسته به افق زمانی معامله‌گر در نمودار پیاده شوند (یک دقیقه‌ای، روزانه، هفتگی و غیره).

تایم‌فریم یا طول انتخابی برای یک میانگین متحرک، که به نام “بازه نگاه به پشت سر” نیز شناخته می‌شود، می‌تواند نقش بزرگی در میزان تأثیر آن داشته باشد. یک MA با تایم‌فریم کوتاه بسیار سریع‌تر از یک MA با بازه نگاه به پشت سر طولانی به تغییرات قیمت واکنش نشان می‌دهد. در شکل زیر، میانگین متحرک ۲۰ روزه در مقایسه با ۱۰۰ روزه به طور نزدیک‌تر به تعقیب قیمت واقعی پرداخته است.

میانگین متحرک ۲۰ روزه ممکن از دید تحلیلی برای معامله‌گران کوتاه‌مدت مفید باشد، زیرا که قیمت را به طور نزدیک‌تری تعقیب می‌کند و در نتیجه تأخیر (Lag) کمتری نسبت به میانگین متحرک بلندمدت ایجاد می‌کند. یک MA ۱۰۰ روزه می‌تواند برای معامله‌گران بلندمدت‌تر مفید باشد.

تأخیر میزان زمانی است که یک MA برای سیگنال‌دهی یک برگشت محتمل نیاز دارد. به یاد داشته باشید که به عنوان یک راهنمای کلی، هنگامی که قیمت در بالای میانگین متحرک است، روند صعودی در نظر گرفته می‌شود. در نتیجه هنگامی که قیمت به پائین میانگین متحرک ریزش کند، سیگنال برگشت احتمالی بر مبنای آن MA را صادر می‌کند. یک میانگین متحرک ۲۰ روزه سیگنال‌های برگشتی بسیار بیشتری نسبت به میانگین‌ متحرک ۱۰۰ روزه ایجاد می‌کند.

یک MA می‌تواند هر طولی داشته باشد: ۱۵، ۲۸، ۸۹ و… . تنظیم MA برای دریافت سیگنال‌های دقیق‌تر در پیشینه نمودار ممکن است به دریافت سیگنال‌های بهتر در آینده کمک کند.

استراتژی‌های معاملاتی

تقاطع‌ها (Crossovers):

تقاطع‌ها یکی از اصلی‌ترین استراتژی‌های میانگین‌های متحرک هستند. اولین مدل آن‌ها تقاطع قیمت می‌باشد که زمانی ایجاد می‌شود که قیمت به بالا یا پائین میانگین متحرک عبور کند تا سیگنال تغییر روند احتمالی را صادر کند.

یک استراتژی دیگر استفاده از دو میانگین متحرک بر روی نمودار قیمت است که یکی طولانی‌تر و یکی کوتاه‌تر باشد. در هنگام عبور MA کوتاه‌مدت به بالای MA بلندمدت، سیگنال خرید خواهیم داشت، زیرا نشانه این است که روند در حال انتقال به سمت بالا است. به این حالت تقاطع طلایی (Golden Cross) گفته می‌شود.

در همین حین، در هنگام عبور MA کوتاه‌مدت به پائین MA بلندمدت، سیگنال فروش خواهیم داشت. که نشانه انتقال روند به سمت پائین بوده و به عنوان تقاطع مرگ (Dead/Death Cross) شناخته می‌شود.

معایب MA:

میانگین‌های متحرک بر اساس داده‌های پیشین محاسبه می‌شوند و هیچ بخشی از این محاسبات در ذات خود پیش‌گو نیست. در نتیجه، نتایج میانگین‌های متحرک می‌توانند تصادفی در نظر گرفته شوند. در بعضی از مواقع، به نظر می‌رسد که بازار به حمایت/مقاومت و سیگنال‌های معاملاتی MA احترام بگذارد و در سایر مواقع، به طور کل آن‌ها را در نظر نگیرد.

یک مشکل بزرگ این است که اگر رفتار قیمت متلاطم باشد، به این معنی که قیمت نوساناتی به بالا و پائین داشته باشد، باعث تولید چند سیگنال برگشت روند یا معامله می‌شود. در هنگام بروز این اتفاق، بهتر است که از بازار خارج شده یا از اندیکاتور دیگری برای تأیید روند کمک گرفته شود. مورد مشابهی با تقاطع MA ها نیز می‌تواند اتفاق بیوفتد که در این حالت به نظر می‌رسد که برای مدتی دو MA به هم بافته شده‌اند و سیگنال‌های اشتباه صادر می‌کنند.

میانگین‌های متحرک در شرایط حضور روند قدرتمند بسیار خوب عمل می‌کنند ولی در شرایط متلاطم یا خنثی و Ranging بسیار ضعیف هستند. تنظیم تایم‌فریم می‌تواند به طور موقت این مشکل را درمان کند، اگرچه در یک برهه از زمان، این مشکلات به طور محتمل بدون درنظر داشتن تایم‌فریم انتخاب شده برای میانگین‌های متحرک می‌توانند اتفاق بیوفتند.

نتیجه‌گیری:

یک میانگین متحرک داده‌های قیمتی را با روان‌سازی آن ساده‌ کرده و یک خط حرکتی را ایجاد می‌کنند. این باعث رؤیت بهتر روند می‌شود. میانگین‌های متحرک نمایی واکنش سریع‌تری نسبت به تغییرات قیمت در مقایسه با میانگین‌های متحرک ساده دارند،ولی در بعضی از مواقع، یکی از دیگری برتری دارد و در سایر موارد برعکس که این می‌تواند منجر به صدور سیگنال‌های اشتباه شود. میانگین‌های متحرک با بازه نگاه به پشت سر کوتاه‌تر (برای مثال ۲۰ روزه) نیز سریع‌تر از بازه‌های طولانی‌تر (مثلاً ۲۰۰ روزه) به تغییرات قیمت واکنش نشان می‌دهند.

تقاطع میانگین‌های متحرک یک استراتژی محبوب برای ورود و خروج می‌باشد. MA ها همچنین می‌توانند نواحی احتمالی حمایت یا مقاومت را مشخص کنند. در حالی که این می‌تواند پیش‌بینی کننده به نظر آید، میانگین‌های متحرک همیشه بر اساس داده‌های پیشین بنا شده‌اند و به سادگی میانگین قیمت در طول یک بازه مشخص از زمان را نشان می‌دهند.

سرمایه‌گذاری با استفاده از میانگین‌های متحرک یا هر تکنیک دیگر، نیازمند یک استراتژی تحلیلی-معاملاتی کاملاً تدوین شده است که در آن مدیریت فوق دقیق ریسک و سرمایه، رکن اصلی موفقیت در بازارهای سرمایه می‌باشد.

منابع: : References

Murphy, John J. Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. United Kingdom: New York Institute of Finance, 1999.