Bollinger Band Matlab Kod

Jag försöker översätta en indikator från MQL4 (Metatrader-språk) till Matlab. Bollinger-bandkoden är enligt följande: IBands () - dokumentationen visar de 8 ingångarna som: Jag förstår alla dessa utom bandskift och skift. Fråga: Om jag Barer är hela utbudet av data, varför skapar I1 inte ett fel i felet Såvitt jag kan säga är detta kod för en 20 period, 2 standardavvikelse Bollinger-band. För ett givet tidsintervall, hur är de associerade Bollinger-bandvärdena de värden som beräknats för det föregående tidsintervallet (följaktligen 1 efter fjärde kommatecken) Vad gör i1 då Med den här koden, hur skulle jag implementera i matlab Mitt försök med detta Flytta standardavvikelsen och detta glidande medelvärde: Jag tror inte att detta ger samma effekt som MQL4-koden. Eventuella tips skulle definitivt uppskattas frågade 4 feb 14 kl 20:06 Hur man förstår iBars1 och en saknad felfel MQL4 fungerar i ett omvänd-TimeDOMAIN-indexeringsutrymme. Således visar iBar djupet av historiska TimeSeriesDataSET, medan den senaste (levande) fältet har ett index på 0. Detta betyder att för en beräkning av någon teknisk indikator måste kodaren ordna behandlingen på detta sätt. Detta betyder också att för en ny bar måste den inre representationen av datalagringsskiktet på något sätt skifta alla DataCELLs åt vänster (bakåt i en TimeDOMAIN-riktning mot Historia) för att skapa ett utrymme för en ny stapel som fortfarande har index på 0 (ett nu ögonblick i en TimeDOMAIN). Medan fysisk flyttning är allt det aktuella djupet i DataSTORE skulle vara en absolut fast resurser (både tid, CPU.), Fungerar data-lagringsskiktet smartare, justerar indexeringshuvudet på varje nytt barhändelse plus använder någon form av elastisk DataStORE kapacitet planeringstorlek på begäran, för att minimera mem-alloc (er) under kontinuerlig tillväxt av DataSTORE. Det betyder att testning för ett fel utanför felet inte har stöd i namnkod för användarnamn på MQL4-språket. Hur man förstår bandskift och skift. Om du ringer iBands () måste du ange vilken Bar man frågar funktionen för att beräkna ett resultat. Skift ger ingång för detta. Indexet följer reglerna ovan. När Bollinger Bands-beräkningarna är färdiga kan man önska att kompensera kurvorna med en del barer - genomföra grafen i TimeDOMAIN höger - så att den visualiserade grafiken uppfyller förväntningarna eller nöjen. bandsshift ger ingång för denna grafiska ad hoc-skiftning. Observera också att de observerade skillnaderna mellan Google, YFinance, MATLAB och MQL4-grafer helt enkelt måste visas och redogöra för ytterligare (ej kända) detaljer som man knappt kan avkoda från de linjer som bara visas på skärmen. appliedprice: ger en ingång för att välja lämplig typ av pris som kommer in i Bollinger-kalkylen. läge: ger inmatning för att ta emot antingen ett PriceDOMAIN-värde. Således är en lat inställning att kalla iBands () tre gånger för att få trädlinjen-Bollinger, eller många gånger för ett spektrumfärgat Bollinger Band-värmekarta. Med min lilla kunskap om Bollinger-band verkar det som om du kanske har en implementeringsfråga. Har du provat utmatningen av Bollinger-funktionen i MATLAB? Bollinger-band kan ha genomförts annorlunda för kantfall där fönsterstorleken är mindre än 20. Du kanske måste kontakta MQL4-författarna för att kontrollera de använda formlerna. Jag märkte en skillnad när jag implementerade i Python och indikatorn som ses i Google Finance. Ändå, om du har implementerat korrekt, kommer värdena där fönsterstorleken är 20, att du ser samma värden. Om du inte är säker på FEX-koden bör du använda std och medelvärde för implementering. svarat 9 feb 14 kl 5:55 Ditt svar 2017 Stack Exchange, IncBollinger Bands 8211 Momentum Modell Trading Strategy (Setup) I. Trading Strategy Utvecklare: John Bollinger (Bollinger Bands). Koncept: Trend-efterföljande handelsstrategi baserad på Bollinger Bands. Forskningsmål: Prestationsverifiering av 3-fassmodellen (longshortneutral). Specifikation: Tabell 1. Resultat: Figur 1-2. Trade Setup: Långa Trades: Closei 1 gt UpperBandi 1. Korta Affärer: Closei 1 lt LowerBandi 1. Index: I Aktuell Bar. Handel: Långa affärer: Ett köp vid det öppna placeras efter en hausseinställning. Korta affärer: En försäljning vid den öppna placeras efter en bearish Setup. Trade Exit: Tabell 1. Portfölj: 42 terminsmarknader från fyra stora marknadssektorer (råvaror, valutor, räntor och aktieindex). Data: 36 år sedan 1980. Testplattform: MATLAB. II. Känslighetsprov Alla 3-D-diagram följs av 2-D-konturdiagram för vinstfaktor, Sharpe-förhållande, Ulcer Performance Index, CAGR, Maximal Drawdown, Procent lönsam handel och Gem. Vinn genomsnittspris Förlustförhållande. Den slutliga bilden visar känslighet för Equity Curve. Testade Variabler: MALength amp StDev (Definitioner: Tabell 1): Figur 1 Portfölj Prestanda (Input: Tabell 1 Commission Amp Slippage: 0). Jag har just publicerat en artikel MATLAB som ett Automated Execution System. (Den är tillgänglig för läsare av min bok och abonnenter på min Premium Content-webbplats.) Den levereras med exakta MATLAB-koder som utför en enkel Bollinger-band högfrekvent E-mini-handelsstrategi. Som jag nämnde tidigare finner jag nu MATLAB som en bra plattform, inte bara för backtesting, utan även för automatiserad utförande. Självklart har inte alla mäklare APIer som ansluter till MATLAB. Mina exemplarkoder är för att automatiskt skicka in order till ett Interactive Brokers-konto. I allmänhet finner jag att skrivning av exekveringsprogram i MATLAB är en bris jämfört med C, Java eller till och med C. Det tar cirka 15 utvecklings tiden för ett C-program. Eventuella prestationsbegränsningar kommer förmodligen inte att bero på MATLAB, men till latens för din mäklare vid uppdatering av positioner och orderstatus. 82 kommentarer: Jag har varit en lurker en stund och njut av din blogg. Snabb fråga: har du försökt Mathematica (Det har en kraftfull och ganska elegant uppsättning funktioner baserade på en listmetodik som kan kartlägga bra till handelsstrategier. Eller slumpmässiga saker som syntetisk bländarfotografi.) Tack igen för en annan fantastisk artikel. Din bok fortsätter bara att ge via det inbäddade lösenordet till din premium webbplats. Jag vet att din Bollinger-kod är utformad mer för att visa oss hur man implementerar MATLAB2IB än som ett handelssystem, men eftersom du självklart är riktigt bra på Matlab, hur skulle du lägga till en efterföljande stoppa utgångsförhållandet. Jag förstår logiken - vad är den högsta öppna vinsten, vad är nuvarande öppen vinst, om det är annorlunda med X procent och avslutar, men jag har problem med Matlab-syntaxen. Någon chans att du kunde ge ett enkelt exempel i Matlab-koden för antingen Bollinger-exemplet eller som fristående. Du är en lärare och en gentleman, jag har letat efter ett exempel som detta under en stund. Mycket uppskattat Hej G-Fav, jag har tidigare programmerat i Mathematica. Men jag anser att MATLABs array-bearbetningskapacitet är mer lämpad för statistisk arbitrageforskning. Dessutom är jag inte säker på att det finns ett Mathematica API för anslutning till mäklarfirmor. Ernie Hej Anonym, jag kommer att titta på att tillhandahålla provkod för efterföljande stopp vid någon tidpunkt i framtiden. Men du kan alltid hålla reda på det maximala priset på ditt lager sedan din inmatning i en Matlab-variabel. Så, när som helst, det sista priset genererar en retur (drawdown) som ligger under ett visst minimum, skicka en marknadsorder för att avsluta din position. Ernie Älskade boken Ernie, flera av dina hjälparfunktioner ligger på min MATLAB-sökväg. Om någon lämnas i kylan med IB, integrerar MB Trading SDK också bra med MATLAB. Den har prefab ActiveX-kontroller som är en snap att implementera i GUIDE för att skapa anpassade handelsgränssnitt. Denna kod är guld - tack för att du är så generös med din kunskap. Jag gillar att handla FX men med IB får du inte ett sista pris i FX-dataflödet, du får det sista stänget från föregående session, men inte det sista priset i din aktuella session. Vad är ett bra sätt att närma sig detta problem Som prisnotator i FX måste du ofta ta spridningen så att medelvärdet (ta mittpunkten) är inte en sådan lösbar lösning. Eventuella rekommendationer Du bör också överväga RPythonPerl combo. Det är gratis men kraftfullt. En fråga och en kommentar, Vad är fördelen att använda IB2MATLAB-mjukvaran över den fria versionen med hjälp av ACTIVEX. Här är en provkod hur man ansluter direkt via COM. (Matlabtradercode. phpprojectInteractiveBrokersampfileIBexamples) Jag tror att ett matlab-timerobjekt kommer att göra koden mer användbar. Tack för koden. Jag tyckte att den var väldigt användbar. Vid vidare granskning innehåller inte MatLab2IB API-demo alla funktioner så det kan inte testas. Jag har kontaktat dem för att se om en fullständig version kan provas. Dessutom kunde jag inte få koden från MatLabtrader med ActiveX-kontroller att fungera. Jag kör API 9.51. Alla andra har bättre lycka Matt, om IB inte ger sista pris för valutor, kan du behöva prenumerera på Bloomberg och använda Matlabs Datafeed verktygslåda för att få Bloomberg data. Detta är förstås en mycket dyrare proposition, men väl värt om du kan generera intäkter från din modell. Ernie Anonym, Ja, jag nämnde också i ett inlägg innan det finns ett gratis open-source R API som ansluter till interaktiva mäklare. Jag har inte provat det själv, men gjorde någon läsare här försök Ernie Anonymous. Det kan inte vara en fördel att använda matlab2ibapi över att använda den fria versionen från matlabtrader. Kostnaden för matlab2ibapi är dock så låg och kundservice så vänlig att jag inte anser att det är gratis en egen fördel. Den största kostnaden i handel är förlusten från dålig körning eller dåliga modeller. Ernie ExchangeAPI vägrade min begäran om en fullt fungerande rättegång. Jag kan inte testa detta API för pålitlighet, noggrannhet och latens mot mitt nuvarande system, så jag måste hitta en lösning med den fria MatLabTrader-versionen. Jag kan bara sänka 300 till en annan programvara som låter bra om det inte finns en distinkt fördel jämfört med min nuvarande infrastruktur. Jag har använt matlabtrader-versionen länge nu och det fungerar perfekt. Självklart måste du ge några tweaks här och där, men det ger dig full funktionalitet. Det finns en hel del exempel, så det är verkligen lätt att komma igång. Jag rekommenderar starkt det till alla som vill handla med API, men vill inte spendera pengar) Dr. Chang, det här är något relaterat till det här inlägget, men relaterat till din bok. Eftersom du nämner Jim Simon. Jag trodde att du skulle uppskatta detta: economistfinancedisplaystory. cfmstoryid13751628 samt den här kommentar som bifogas historien ovan: quotHenry Leeds skrev: 29 maj 2009 2:49 Jim Simons är en Pool Operator med förmågan att samla stora pengar från investerare . Han saknar den matematiska kompetensen och kunskapen för att utveckla ett riktigt överlägsna handelssystem. Hans anspråk på berömmelse vilar på hans år som hjälper Shiing Shen Chern, en strålande matematiker som generöst tillåter Simons att lägga till sitt namn på 1974-pappret Chern skrev. Medaljfonden skapades av Elwyn Berlekamp, ​​en strålande professor i elektroteknik och matematik vid Berkeley. Berlekamp utnyttjade hans kunskaper om Claude Shannons revolutionära informationsteori för att skapa detta underverk. Shannon var Berlekamps doktorand vid MIT. Berlekamp utvecklade sin Medallion Fund om några månader och dess otroliga prestanda beskrivs på Berlekamps hemsida. Simons ville att Berlekamp skulle återfå till Long Island och fortsätta att utveckla algoritmerna som omfattade sitt medaljongmästerverk. Berlekamp ville inte lämna Berkeley och som ett resultat gjorde han ett stort misstag. Han sålde rättigheterna till sin uppfinning till Simons för sex gånger vad det hade kostat honom - en relativt liten mängd. Han säger nu på sin hemsida att medaljongfonden är värd tusentals gånger det belopp som han mottog för hans prestation. Renässans RIEF hedgefund är ett exempel på Simons kreativa förmågor. Dess prestation är ynklig och har resulterat i uttag av investeringar på 18 miljarder dollar. Renässansinvesterare har bittert klagat hur deras investering har gjorts så dåligt medan medaljfonden, som uteslutande är reserverad för renässansarbetare, har gjort så bra. Man kan säkert förstå deras besvär. Jag har varit i handelsbranschen en stund och alla och hans mamma saker av Jim Simon är en gud. Herr Leeds tycks erbjuda en annan läsning av Pr. Simon39s framgång som kom som en chock för mig. Jag är inte så säker på MatLab2IB39s kundservice så friendlyquot efter N N39s kommentarer Jag mailade dem om de kan bekräfta att programmet kommer att fungera definitivt med IB39s FX, speciellt routing med IDEALPRO - jag fick aldrig ett svar. Så jag spelar nu med matlabtrader, jag ska försöka koda ditt exempel med matlabtrader, om jag får det bra, kanske du kanske vill lägga upp jämförelsekoden. Älska den där sidan - tack Jag är en av författarna till MATLAB2IB API. Vi ber om ursäkt. Vi är inte säkra på hur vi missat ditt mail. Kan du vara vänlig nog att maila oss igen. Vi blir översvämmade med Trial Requests och andra e-postmeddelanden och så kan vi ha missat det. Du kan maila mig direkt. JA, MATLAB2IB kommer att arbeta med IB FX. Så länge du har behörigheter med IB, har MATLAb2IB inga problem att sätta din order igenom. Infact, SOme av våra licensägare använder det speciifcally för FX. När det gäller NN: Han frågade oss om vi kan ge honom en provversion med fullständig api-funktionalitet. Som en policy bestämde vi oss för att inte tillhandahålla det. Det är så enkelt som det. Det finns många anledningar som jag kan diskutera separat. Matt, jag tror att om du vill styra dina FX-order till IDEALPRO, behöver du bara ange IDEALPRO som utbyte när du använder placeOrder-funktionen. Ernie Jag hade tidigare skrivit om en efterföljande stoppförlustkod. Över på Mathworks ser jag Aly Kassam har uppdaterat sin utmärkta 39Algorithmic Trading med MATLAB39 webinar och den tillhörande koden så att den nu innehåller en del stoppförlustkod. Den uppdaterade webbkodskoden är på: mathworks. aumatlabcentralfileexchange24320 Dina läsare kan vara intresserade av att titta på båda Aly39s webbinars för att se fördelarna med MATLAB. Sök mathworks för 39Algorithmic Trading med MATLAB för Financial Applications39 och 39Algorithmic Trading med MATLAB - Update for 2009 (Storbritannien) 39 Så om någon ville skapa ett parhandelprogram med detta prov skulle de skapa en quotlocalsymbol2quot och sedan begära marknadsdata för den specifika säkerheten och genomföra programmet köper eller säljer order som är motsatta den primära säkerheten med tillbehör om loopar och för att beräkna avvikelsen och backbackperioderna skulle man kunna justera det genom att modifiera zscore39lookback3939entryz3939exitz39 för att representera säga linjär regression istället för bollinger band Så om någon ville skapa ett parhandelprogram med detta prov skulle de skapa en quotlocalsymbol2quot och sedan begära marknadsdata för den specifika säkerheten och få programmet att exekvera köpa eller sälja order motsatta den primära säkerheten med tillbehör om loopar och för att beräkna avvikelse och återköpsperioder skulle man kunna annonsera bara genom att modifiera zscore39lookback3939entryz3939exitz39 för att representera säga linjär regression istället för bollingerband Hej Anon, Ja, du kan skapa en separat symbol2 och localsymbol2 för parets andra ben. När det gäller Zscore, lookback etc. när du har bestämt ett häckförhållande, har du minskat tidsserien till 1 dimension (quotthe spreadquot), så Bollinger-bandet kommer att fungera precis som i ett 1-instrumenthus. Ernie Så, i köpordern för säkerhet 39localsymbol39 del av en slinga, precis under den, skulle man placera en säljorder för säkerhet 39localsymbol239 och göra allt till en enkel slinga för att göra det till en tandemhandel och linjär regression eller EMA eller någon annan indikator ska fungera också förutsatt att de korrekta zscore parametrarna ges Vad gäller volymen metricsTechnical Analysis with R I det här inlägget, ta en titt på hur en näringsidkare kan använda R för att beräkna några grundläggande tekniska analysindikatorer. R är en fri statistisk analysmiljö för öppen källkod och programmeringsspråk. Den är tillgänglig för Windows, Mac OS och Linux operativsystem. Installation är enkelt och snabbt. För nedladdning och installationsanvisningar, gå till: cran. r-project. org. När man utvecklar en handelsstrategi är den användbar för att kunna analysera och visualisera data och kunna testa dina handelsgenereringsregler och deras variationer och modeller snabbt och med minsta omgång. Medan många handelsplattformar, såsom interaktiva mäklare, etc. ger tillgång till historiska data via API eller direktfilhämtning 8211 analyserar att strategier för data och prototyphandel handlar ofta om att skriva hundratals linjer kod i programmeringsspråk som Java eller C, eller skriva besvärliga svåra att testa formler i Excel. Detta kräver en betydande tid investering, oavsett hur erfarenhet programmerare du är. Däremot tillåter ett programmeringssprog på högre nivå, som R eller Matlab, i kombination med sina interaktiva programmeringsmiljöer att användarna skar, tärningar och analyserar data inom en bråkdel av tiden det tar med C, C eller Java. Mängden kod som krävs för att utveckla en handelsstrategi i R är vanligtvis också en storleksordning mindre lika bra. I det här exemplet använder du en enkel kommaseparerad fil som innehåller öppna, höga, låga och närliggande priskolumner (t. ex. OHLC), tillsammans med volymen och tidsstämpelvärden för SPY ETF. I det här inlägget visar du hur du använder ett gratis R-bibliotek för att räkna ut tekniska analysindikatorer för Simple Moving Average (SMA), Exponential Moving Average (EMA), Bollinger Bands (BBands), RSI och MACD. Vi lägger till beräknade indikatorer som nya kolumner i vår inmatningsfil så att den kan användas för vidare analys eller handelsstrategiprototyper i Excel, R eller något annat CSV-vänligt programpaket av ditt val. Installera teknisk analys bibliotek för R 1. För att beräkna teknisk analys med R kommer vi att använda ett gratis open-source bibliotek som heter 8220TTR8221 (Technical Trading Rules). Det här steget innehåller instruktioner för installation av TTR-biblioteket, förutsatt att du redan har installerat R på datorn. Det här steget behöver bara utföras en gång per R-installation på en dator. Så här installerar du biblioteket på din dator: 1) Starta R-miljö på datorn, och välj sedan i menyn: Paket 038 Data - Package Installer 2) I Package Installer typ 8220TTR8221 i fältet Paket Sök och klicka på 8220Get List8221-knappen. 3) Välj paket 8220TTR8221 och klicka på 8220Install Selected8221. Laddar historiska data (Input) För demoändamål använder vi dagliga historiska priser för SPY ETF från september 2013 till maj 2014. Klicka här för att ladda ner datafilen. Den här inmatningsfilen för det här exemplet genererades med hjälp av IB Historical Data Downloader. 2. Vi ska börja med att öppna R-skalet och ladda TTR-biblioteket, vilket är en gratis R-förlängning som innehåller funktioner för att beräkna några av de vanligaste indikatorerna. 3. Nästa steg är att importera vår datafil med historiska priser till R-miljön. Vi laddar data från CSV-filen i R-miljö och lagrar den en dataram, vilken R-variabel typ för lagring av data i tabellformat i minnet. För att visa de första raderna i datatabellen: Den visar som standard de första 6 raderna data tillsammans med kolumnnamn (tabellrubrik). För att se hur många rader du har i datatabellen: Det här visar att vi har 187 dataposter i vår SPY-datafil för 187 handelsdagar mellan 3 sep 2013 8211 31 maj 2014. Vi kan också lista tabellkolumnamn med hjälp av colnamesfunktioner som följer: Flytta medeltal 4. Låter nu beräkna 20-dagars Simple Moving Average (SMA) i CLOSE PRIS-kolumnen med hjälp av TTR-bibliotek R-funktion SMA: Nu kan vi se de första 50 värdena för sma20-serien: Här använde vi funktion SMA från TTR biblioteket vi laddade ovan för att beräkna 20 dagars genomsnitt (värdet av parameter n) i kolumnen CLOSE från dataramdata. Funktionen returnerar en uppsättning SMA-värden och lagrar den i en ny variabel som heter sma20. Du kan få hjälp med en detaljerad beskrivning av funktionen och dess parametrar med. följt av funktionsnamnet, som nedan. Det är alltid en bra idé att läsa hjälpsidor för de funktioner du använder, eftersom de listar alla valfria parametrar som du kan använda för att finjustera utmatningen. Också många funktioner har variationer eller relaterade funktioner, vilket kan vara till hjälp under olika omständigheter och kommer att listas på hjälpsidan. 5. Beräkna Exponentiell Flytta Genomsnittet är lika lätt, använd bara en annan funktion, den här gången EMA (). Observera att vi beräknar EMA för 14-tids längd Bollinger Bands 6. För att beräkna Bollinger Bands-indikatorn använder vi BBands-funktionen. Det finns ett antal valfria parametrar som det kräver, så bra att ge flera exempel. I exemplet nedan kallar vi BBands som skickar dataramdata med en fråga som anger att vi vill använda värden från CLOSE-kolumnen, precis som vi gjort ovan för SMA - och EMA-beräkningar ovan. Andra parameter sd tar antalet standardavvikelser för övre och nedre band. Eftersom vi inte överför värdet för n 8211 använder BBands som standard 20-års glidande medelvärde. Utgången innehåller flera kolumner: dn för lägre band, mavg för det rörliga genomsnittet, upp för övre bandet och pctB, vilket kvantifierar ett pris för security8217 i förhållande till det övre och nedre Bollinger Band, en detaljerad beskrivning av den kan hittas här. B motsvarar 1 när priset är vid övre bandet B motsvarar 0 när priset är vid det nedre bandet B är över 1 när priset är över det övre bandet B är under 0 när priset ligger under det lägre bandet B är över .50 när priset är ovanför mittenbandet (20-dagars SMA) B är under .50 när priset ligger under mittenbandet (20-dagars SMA) bb20 BBands (data, sd2.0) 6.1 Nu vill vi skapa en ny dataram som innehåller alla ingångar data från 8216data8217-ramen, plus Bollinger Bands-data som vi just beräknat. Data. frame () - funktionen tar ett antal dataramar och kopplar dem radvis till en ny dataram så att element från motsvarande rader sammanfogas i resultatet. 6.2 linjer (dataPlusBBdn, col 8216brown8217) (dataPlusBBmavg, kol 8216blue8217) (dataPlusBBmavg, kol 8216blue8217) 6.3 Alternativt kan vi specifikt ange vilken typ av rörelse som ska flyttas (dataPlusBBDATETIME, allDataCLOSE) linjer (dataPlusBBCLOSE, col 8216red8217) medelvärdet ska användas som grund för Bollinger Bands med funktionsparametern maType, som helt enkelt tar ett glidande medelfunktionsnamn. Se SMAs hjälpsida för att se olika typer av glidande medelvärden som stöds i TTR-biblioteket. Om du till exempel vill beräkna en EMA Bollinger Bands kan du skicka EMA till maType. Observera att i det här exemplet är vi övergripande standardlängdsparametern för glidande medelvärde, med 14-årsgenomsnitt den här gången. bbEMA BBands (data, sd2.0, n14, maTypeEMA) RSI 8211 Relativ Strength Indicator 7. RSI. För att beräkna RSI använder vi RSI () - funktionen. Du kan använda RSI-kommandot i R-skalet för att få detaljer för funktionsparametrarna. I grund och botten är det mycket liknar de funktioner som vi använde ovan för att generera glidande medelvärden. Den har två nödvändiga parametrar: tidsserier (t. ex. CLOSE kolumn från vår datadatram och n heltal för längden på RSI-indikatorn. Rsi14 RSI (data, n14) Här är den första parametern för RSI-funktionen: data, vilken är ett uttalande som säger att kolumn heter CLOSE från datatabellen och returnerar den som en lista med värden och den andra parametern är n14, där parameterns namn är n och värdet 14 indikerar att vi vill beräkna 14 dagars RSI-värden på de låga priserna. 8. MACD-funktionen tar flera argument: inmatningsdataserier (t. ex. CLOSE-pris) antal perioder för snabbt rörligt genomsnittligt antal perioder för långsamt glidande antal perioder för signallinjen Du kan också valfritt Ange en skärmdump av hjälpsidan nedan (du kan också använda MACD-kommandot i R-skalet för att öppna hjälpesidan själv): Gör det möjligt att beräkna en standard (12,26,9) MACD-indikator med denna funktion. Tja, använd sta ndard enkla glidande medelvärde, så ange väl SMA-funktionen i maType-parameter: macd MACD (data, nFast12, nSlow26, nSig9, maTypeSMA) Sammanfoga alla data tillsammans 9. Nu sammanfogar vi alla indikatorer som beräknats ovan med de ursprungliga inmatningsdata till en enda dataram: Funktionen data. frame () tar ett antal dataramar och förenar dem radvis, så att element från motsvarande rader limmas ihop i den resulterande data. frame allData. Skriv till textfil Och till sist skriver vi innehållet i allData-dataramen till en kommaseparerad värdesfil. Vi använder write. table () - funktionen, som innehåller ett stort antal valfria parametrar. En detaljerad hjälpsida finns tillgänglig med kommandot write. table i R-skalet. write. table (allData, filespywithindicators. csv, na, sep ,, row. names FALSE) När vi kallar write. table () - funktionen passerar vi följande argument: allData 8211 det här är helt enkelt en referens till dataramen som innehåller data som ska vara skrivet till utdatafilen. fil 8230 8211 Detta är sökvägen och namnet på filen vi skapar. na 8211 ser till att celler i dataramen som innehåller R-värde NA innehåller tomma värden i utdatafilen. Vissa celler har NA för rader där det inte fanns tillräckligt med data för att generera ett motsvarande indikatorvärde (till exempel första 19 rader för 20-dagars SMA). sep, 8211 sätter kolonneparatorn till kommatecken (följaktligen kommaseparerade värden fil). För att skapa en flikseparerad fil (verkligen ett föredraget format för seriösa programvarusystem) 8211 använd: sep t. row. names FALSE 8211 är det viktigt att ställa in det här värdet, annars kommer första kolumnen i utdatafilen att innehålla radnummer. Den resulterande filen finns tillgänglig här. Högerklicka och välj 8220Välj länkad fil As8221 Nedladdad fil kan öppnas i Excel eller textredigerare. 10. Det finns fler funktioner och funktioner tillgängliga i TTR-biblioteket. Du kan läsa mer genom att ta fram TTRs hjälpsida: CONCLUSION R ger en bekväm och mångsidig miljö för dataanalys och beräkningar. Förutom tusentals gratis statistiska, matematiska bibliotek och algoritmer med öppen källkod innehåller R ett stort antal funktioner och bibliotek för att läsa och skriva data från filer, databaser, webbadresser, webbtjänster mm Det kombinerat med språket , är en kraftfull kombination som kan hjälpa handlare att spara dyrbar tid. Traders kan avsevärt minska den tid som krävs för att prototypa och backtest handelsstrategier med R. Det finns också metoder för att integrera R med vanliga programmeringsspråk som Java och C. Don8217t tvekar att skicka en kommentar eller skicka som ett meddelande via Kontakta oss formulär om du har några frågor angående detta material. Slutligen vill vi nämna några böcker som har varit till stor hjälp i våra utvecklingsinsatser. Den första boken 8211 8220Quantitative Trading med R8221 är en bra blandning av ekonomisk dataanalysinsikt och tillämpning av R för backtesting, datautforskning och analys. Den har ett antal bra kodexempel och går över ett antal användbara R-paket. Detta är en bra intro-to-intermediate nivå bok för människor som vill bygga och backtest sina egna handelsstrategier. Den andra boken 8211 8220Mastering R för Quantitative Finance8221 8211 är en riktig pärla. Den innehåller mer avancerad information för handlare med god förståelse för derivatinstrument och starkare matematisk bakgrund. Vi fann att denna bok är en bra uppföljning för 8220Quantitative Trading med R8221. Förutom stora R-kodprover och - paket innehåller det översikter över ett antal avancerade (och praktiska) kvantitativa finansieringsmodeller och algoritmer, och låter dig få dina fötter våta med R-kod direkt. Trading Geeks tillhandahåller konsulttjänster inom handelsstrategi och mjukvaruutveckling för oberoende handlare, partnerskap och hedgefonder. Vänligen fråga för mer information eller en kostnadsfri offert för ditt projekt via Kontakta oss formuläret till höger.