دو رویکرد اصلی برای تجزیه و تحلیل هر سهام وجود دارد - تجزیه و تحلیل اساسی و تحلیل فنی.

تجزیه و تحلیل بنیادی عملکرد گذشته و حال شرکت با نگاه به عوامل مختلفی که می تواند بر قیمت سهام مانند صورتهای سود و زیان شرکت ، جریان نقدی ، ترازنامه ، فرایند مدیریت و غیره تأثیر بگذارد ، از طرف دیگر ، تجزیه و تحلیل فنی فقط از قیمت گذشته استفاده می کندو حرکات حجم برای شناسایی الگوهای/روندهای موجود در سهام.

در این مقاله به معرفی برخی از تکنیک های ساده و در عین حال قدرتمند اعمال شده در طول تجزیه و تحلیل فنی می پردازیم. تمام مفاهیم توضیح داده شده در اینجا می توانند در هر ابزار تجاری (مانند سهام ، ارز ، گزینه ها ، شاخص ها یا رمزنگاری) اعمال شوند.

در عمل ، استفاده از هر یک از این تکنیک ها به صورت جداگانه ممکن است نتایج خوبی نداشته باشد. تحلیلگران معمولاً قبل از رسیدن به تصمیم خرید/فروش/نگه داشتن ، ترکیبی از این تکنیک ها را به کار می برند. با یک رویکرد برنامه ای ، سطح اول تجزیه و تحلیل می تواند خودکار باشد.

سلب مسئولیت

با توجه به موضوع در دامنه ، اجازه دهید با سلب مسئولیت شروع کنیم.

مقاله فقط برای اهداف آموزشی در نظر گرفته شده است. لطفاً برای هر مورد استفاده در دنیای واقعی از آن استفاده کنید.

چه چیزی برای شما وجود دارد؟

وقتی به پایان مقاله رسیدید ، (امیدوارم) ترفندهای زیر تجارت را یاد بگیرید:

• نحوه واکشی داده های سهام
• نحوه پیاده سازی و تجزیه و تحلیل برخی از الگوهای اصلی شمعدان - الگوهای شمعدانی منفرد: شمع Marubozu ، شمع Doji - الگوهای شمعدانی چندگانه: Engulfing ، الگوی ستاره صبح/عصر
• نحوه استفاده از چند شاخص/استراتژی های تجاری محبوب با استفاده از پایتون - در حال حرکت استراتژی های متوسط - شاخص قدرت نسبی (RSI) - شاخص میانگین واگرایی همگرایی (MACD) - باند بولینگر
• نحوه اجرای یک الگوریتم تجارت ساده در پایتون

واکشی داده ها

در اینجا ما به استفاده از داده های دریافت شده از بورس هند ، به ویژه بورس اوراق بهادار (NSE) به طور خاص متمرکز خواهیم شد. داده ها را می توان از هر مبادله دیگری نیز بدست آورد ، تنها معیار این است که داده ها باید دارای اطلاعات OHLC (باز و پایین) در آن باشند.

در این مثال ما داده های سهام HDFC AMC را برای سال 2021 با استفاده از بسته NSEPY Python بدست می آوریم.

داده های سهام برای 248 روز بازار در سال 2021 در دسترس است. در این مقاله ، ما فقط از داده های OHLC برای انجام تجزیه و تحلیل فنی استفاده خواهیم کرد.

نمودار شمعدان و شمعدان

قیمت باز ، بالا ، پایین ، نزدیک (OHLC) یک سهام را می توان به عنوان شمعدان معرفی کرد. در اینجا خلاصه ای از نمایندگی شمعدانی آورده شده است:

• شمع سبز: قیمت بسته شدن سهام بیشتر از قیمت افتتاح آن است
• شمع قرمز: قیمت بسته شدن سهام پایین تر از قیمت افتتاح آن است
• بخش سایه دار: منطقه بین باز و نزدیک (سبز/قرمز)
• شمع Wick: High Day (Top Wick) و Low (ویک پایین)

نمودار Candlestick با استفاده از Graph_Objects از بسته Plotly ترسیم شده است. از آنجا که ما داده های روزانه را بارگیری کرده ایم ، هر شمع در نمودار مقادیر OHLC را برای یک روز نشان می دهد.

الگوهای شمعدان

بینش های کلیدی در مورد الگوی معاملات می تواند از شمعدان ها حاصل شود. تعداد شمع های مورد استفاده برای تجزیه و تحلیل از یک شمعدان واحد تا شمعدان های مختلف متفاوت است.

در اینجا ما از کتابخانه TA-Lib برای شناسایی الگوهای شمعدان استفاده خواهیم کرد.

شمع ماروبیوزو

• شمعدان مجرد که در آن یک فتیله از دست رفته یا هر دو فتیله از دست رفته اند
• این نشان دهنده قدرت (سبز) یا ضعف سهام است
• این نشانگر یک روند برگشت نیست

شمع Marubozu در مجموعه داده های نمونه:

شمع دوجی

• شمعدان منفرد با بدن بسیار کوچک (تقریباً با همان قیمت باز می شود و بسته می شود)
• نشانگر عدم پذیرش - هر دو خریدار و فروشنده برای سهام هستند
• این به طور معمول نشانگر یک حرکت جانبی است

الگوی شمعدانی درگیر

• الگوی شمع چندگانه - 2 شمع را در نظر می گیرد که شمع دوم کمی طولانی تر از شمع اول است و آن را درگیر می کند.
• الگوی مهارکننده صخره ای → شمع قرمز ، شمع سبز → سیگنال بخرید
• الگوی Engulfing Beatish → شمع سبز ، شمع قرمز → سیگنال فروش

الگوی ستاره صبحگاهی/عصر عصر

• الگوی شمعدانی چندگانه - 3 شمعدان را در نظر می گیرد
• این الگوها نشانگر وارونگی روند است
• ستاره صبح → شمع قرمز ، doji ، شمع سبز → سیگنال بخرید
• Evening Star → شمع سبز ، doji ، شمع قرمز → سیگنال فروش

مثال: سهام DMART

برای کاوش در چندین شناسه الگوی دیگر موجود در بسته TA-LIB به این لینک مراجعه کنید: تشخیص الگوی TA-Lib

استراتژی ها/شاخص های معاملاتی

جدا از تجزیه و تحلیل شمعدان ، تکنیک ها/استراتژی های مختلف دیگری نیز وجود دارد که می توان به کار برد. برخی از این استراتژی ها در زیر توضیح داده شده است.

حرکت استراتژی های متوسط

میانگین حرکت ساده (SMA به طور خلاصه) متوسط قیمت سهام در روزهای گذشته است. از نظر برنامه ای ، این می تواند با یک خط کد واحد محاسبه شود.

حرکت استراتژی مقایسه متوسط

یکی از استراتژی های معاملاتی مقایسه قیمت فعلی سهام با میانگین های پیشرو در روزهای قبلی خود است. به طور معمول از میانگین حرکت 20 روزه ، 50 روزه و 200 روزه استفاده می شود.

اگر ، نزدیک فعلی<20-day sma <50-day sma <200-day sma → BUY signal Current close> 20-day sma> 50-day sma>SMA 200 روزه → سیگنال فروش

حرکت استراتژی متقاطع متوسط

استراتژی دیگری که به عنوان استراتژی متقاطع متوسط در حال حرکت شناخته می شود ، ترسیم میانگین در حال حرکت بلند مدت (به عنوان مثال: 200 روز SMA) در برابر میانگین متحرک کوتاه مدت (به عنوان مثال: SMA 20 روزه) است.

به طور کلی ، اگر SMA کوتاه مدت از SMA بلند مدت از زیر عبور کند → سیگنال خرید اگر SMA کوتاه مدت از SMA بلند مدت از بالا عبور کند → سیگنال فروش

For the HDFCAMC stock data, from 14 12 2021 onwards, closing price> 20-d sma> 50-d sma>200-D SMA → سیگنال بخرید.

به طور مشابه ، در 16 11-2021 ، SMA 50 روزه از SMA 200 روزه از سیگنال فروش بالا (همچنین به عنوان صلیب مرگ شناخته می شود) عبور می کند.

نهاز میانگین حرکت و دوره پنجره قابل تنظیم است. گاهی اوقات میانگین متحرک نمایی (EMA) به جای میانگین حرکت ساده (SMA) در نظر گرفته می شود. EMA نسبت به تاریخ های قدیمی در دوره پنجره ، به قیمت های نزدیک به تاریخ فعلی وزن بیشتری می دهد.

شاخص مقاومت نسبی (RSI)

RSI یک شاخص تجزیه و تحلیل فنی محبوب است که توسط بسیاری از معامله گران استفاده می شود. از آن برای تجزیه و تحلیل حرکت یک سهام استفاده می شود. این دستاوردهای اخیر را با ضررهای اخیر مقایسه می کند. این نشانگر در مورد وضعیت بیش از حد یا بیش از حد سهام یک سهام است.

از نظر ریاضی ، RSI را می توان به شرح زیر محاسبه کرد. به طور معمول یک دوره پنجره 14 برای محاسبه مقدار RS در نظر گرفته می شود.

مقدار RSI بین 0 تا 100 متغیر است.

قانون شست عمومی ، RSI<30 indicates a oversold condition → BUY signal RSI>70 نشانگر یک وضعیت بیش از حد است → سیگنال فروش

از نظر برنامه ای ، RSI را می توان با استفاده از فرمول فوق یا با استفاده از TA-LIB محاسبه کرد.

به طور معمول از شاخص RSI در رابطه با سایر شاخص ها مانند میانگین متحرک ، MACD ، حجم معامله و غیره استفاده می شود تا به تصمیم خرید/فروش برسد.

MACD - در حال حرکت میانگین واگرایی همگرایی

MACD یکی دیگر از شاخص های حرکت ساده و محبوب است که بر اساس روند اخیر سهام ، بینش مفیدی را ارائه می دهد. این رابطه بین دو میانگین متحرک را نشان می دهد.

این عمدتا از 3 مؤلفه تشکیل شده است (مقادیر معمولی که در اینجا ذکر شده است):

• خط MACD: EMA 12 روزه-EMA 26 روزه
• خط سیگنال: EMA 9 روزه خط MACD
• هیستوگرام: خط MACD - خط سیگنال

خط MACD سریعتر حرکت می کند و نسبت به تغییرات قیمت حساس تر است. خط سیگنال آهسته تر به تغییرات قیمت واکنش نشان می دهد و از این رو یک خط صاف تر خواهد بود. از اندازه هیستوگرام می توان برای تعیین قدرت حرکت استفاده کرد.

به طور معمول معامله گران یک استراتژی متقاطع 2 خط بین خط MACD و خط سیگنال را اعمال می کنند.

هنگامی که خط MACD از زیر خط سیگنال عبور می کند → سیگنال را بخرید وقتی خط MACD از خط سیگنال از بالا عبور می کند → سیگنال را بفروشید

همانطور که در اینجا مشاهده می شود ، نقاط متقاطع را می توان به عنوان سیگنال های خرید/فروش در نظر گرفت. مشابه سایر شاخص ها ، خوب است که قبل از تصمیم خرید/فروش ، این کار را با سایر استراتژی ها ترکیب کنید.

گروه بولینگر

Bollinger Band در تفسیر نوسانات سهام کمک می کند. یک باند باریک نشانگر نوسانات پایین است و یک باند گسترده نشانگر نوسانات بالایی در قیمت سهام است.

• باند بولینگر فوقانی: حرکت متوسط خط + 2 انحراف استاندارد
• حرکت متوسط خط: میانگین حرکت ساده 20 روزه
• باند پایین بولینگر: خط متوسط حرکت - 2 انحراف استاندارد

در اینجا اجرای ساده برای محاسبه باند بولینگر با استفاده از عملکرد پنجره نورد از پاندا است. این همچنین می تواند با استفاده از عملکرد BBands TA-Lib به یک خط واحد کاهش یابد.

از نمودار می توان مشاهده کرد که وقتی فاصله بین باند زیاد باشد ، قیمت سهام بیشتر (نوسانات بالاتر) نوسان می کند و وقتی باند باریک می شود ، نوسانات کمتر (نوسانات کم) است.

با 2 انحراف استاندارد فرض بر این است که 95 ٪ از کل نوسانات قیمت در این باند رخ می دهد (مشابه سطح اطمینان 95 ٪ در یک توزیع عادی).

ساختن یک الگوریتم تجارت ساده

هنگامی که ما درک کردیم که چگونه تکنیک های فردی را بر روی داده ها اعمال کنیم ، ما آماده ساخت یک الگوریتم معاملاتی شخصی هستیم.

به عنوان نمونه ، اجازه دهید یک الگوریتم معاملاتی بسازیم که روی استراتژی زیر کار کند:

1. شاخص های خرید/فروش/نگهدارنده را دریافت کنید: میانگین حرکت ، MACD ، الگوی Engulfing 2. برای یک سیگنال خرید/فروش ، مقدار RSI 3 جلسه قبلی را بررسی کنید. 3. اگر استراتژی نشانگر خرید و RSI استunder_threshold (60) → "فروش"

برای کاهش درهم و برهمی کد ، فقط جریان کد سطح بالا در اینجا نشان داده شده است. برای کد کامل به repo git مراجعه کنید.

مخزن کد

تمام کد مورد استفاده در این مقاله در مخزن GitHub زیر موجود است: تجزیه و تحلیل فنی اساسی - کد

برای حرفهای کد نویسی در آنجا ، امیدوارم که این به شما کمک کند تا شروع کنید و استراتژی های خود را در اطراف آن بسازید.

نتیجه

هیچ استراتژی ثابت وجود ندارد که بتواند در تمام سهام کار کند. تمام استراتژی های ذکر شده و شناسه های الگوی فقط می توانند یک راهنمایی جهت را ارائه دهند. چندین جنبه غیر فنی دیگر وجود دارد که می تواند بر قیمت سهام که نمی توانند کدگذاری شوند تأثیر بگذارد.

اجرای تجزیه و تحلیل الگوی فنی از طریق کد ، انعطاف پذیری را برای طراحی الگوریتم های خود و اتوماسیون فرایند انجام تجزیه و تحلیل فنی اساسی روی سهام فراهم می کند.

بعدش چی؟

از آنجا که بیشتر کارگزاران تجاری API را برای انجام معاملات ارائه می دهند ، ما می توانیم یک ربات تجاری ایجاد کنیم که بتواند الگوریتم را اجرا کند و تجارت را به صورت خودکار انجام دهد. توجه داشته باشید که این می تواند خطرناک باشد (مگر اینکه الگوریتم به اندازه کافی ضد احمق باشد) و فقط باید برای اهداف آموزشی آزمایش شود.

رویکرد دیگر می تواند استفاده از الگوریتم های یادگیری ماشین باشد که در آن ویژگی های جدید از شاخص های فنی که در اینجا توضیح داده می شود ، می توان بدست آورد. مدل ها را می توان با این داده ها آموزش داد تا پیش بینی های آینده را انجام دهد.

اطلاعات بیشتر در مورد این بعداً !! تا آن زمان ، adios !!

اگر "Python+Trading" شما را مجذوب خود می کند ، این موارد را بررسی کنید ...

• راهنمای مبتدی برای تجزیه و تحلیل فنی در پایتون برای تجارت الگوریتمی [شما اینجا هستید]
• ساختن یک ربات اصلی تجارت رمزنگاری در پایتون
• داوری مثلثی خودکار رمزنگاری در 4 مرحله
• شناسایی الگوهای معاملاتی - تجزیه و تحلیل رفتاری معامله گران
• تجزیه و تحلیل اساسی سهام با استفاده از پایتون