像专业人士一样使用外汇 API 进行回测

金融市场的动态本质需要利用可靠的数据来开发和验证交易策略。在回测环境中有效地整合高质量数据对于交易者和分析师来说至关重要。 TraderMade API 通过提供精确、详细和全面的市场数据来为这些专业人士提供支持。
此分析利用 TraderMade 的时间序列 API 来获取历史数据，执行简单的简单移动平均线 (SMA) 交叉策略，并评估其历史表现。

关于SMA交叉策略

简单移动平均线（SMA）交叉策略是一种基本技术分析技术。它涉及对两个 SMA 的观察：一个是短期 SMA，它对价格变动表现出更高的敏感性；另一个是长期 SMA，它可以减轻短期价格波动的影响。

当短期移动平均线超过长期移动平均线时，就会产生买入信号，表明潜在的上升趋势。相反，当短期 SMA 跌破长期 SMA 时，会触发卖出信号，表明潜在的下跌趋势。

数据收集

首先安装 TraderMade 的 SDK，如下所示：

!pip install tradermade

我们使用安装的软件开发套件（SDK）来检索外汇（forex）对的每小时时间序列数据。随后的 Python 代码示例了获取 EUR/USD 货币对的数据。

import tradermade as tm
import pandas as pd
def fetch_forex_data(api_key, currency, start_date, end_date,    interval="hourly", fields=["open", "high", "low", "close"]):

   # Set API key
   tm.set_rest_api_key(api_key)
   # Fetch the data
   data = tm.timeseries(currency=currency, start=start_date, end=end_date, interval=interval, fields=fields)

   # Convert data directly to DataFrame
   df = pd.DataFrame(data)

   # Convert 'date' column to datetime
   df["date"] = pd.to_datetime(df["date"])

   # Set 'date' as the index
   df.set_index("date", inplace=True)

   return df

# Adjust as needed
api_key = "YOUR TRADERMADE API KEY"
currency = "EURUSD"
start_date = "2024-11-01-00:00"
end_date = "2024-11-27-05:12"

# Fetch the data and display the first few rows
forex_data = fetch_forex_data(api_key, currency, start_date, end_date)
forex_data = forex_data.rename(columns={"open": "Open", "high": "High", "low": "Low", "close": "Close"})
forex_data.head()

回测数据采集和预处理已顺利完成。

简单 SMA 交叉策略的实施和回测

本节利用回测 Python 库来定义和评估我们的 SMA 交叉策略。对于那些不熟悉回测库的人来说，它被认为是用于回测技术交易策略的一个突出且强大的 Python 框架。这些策略涵盖广泛，包括 SMA 交叉、RSI 交叉、均值反转策略、动量策略等。

import numpy as np
from backtesting import Backtest, Strategy
from backtesting.lib import crossover
from backtesting.test import SMA

# Define the SMA crossover trading strategy
class SMACrossoverStrategy(Strategy):
       def init(self):
           # Calculate shorter-period SMAs for limited data
           price = self.data.Close
           self.short_sma = self.I(SMA, price, 20)  # Short window
           self.long_sma = self.I(SMA, price, 60)  # Long window

       def next(self):
           # Check for crossover signals
           if crossover(self.short_sma, self.long_sma):
               self.buy()
           elif crossover(self.long_sma, self.short_sma):
               self.sell()

   # Initialize and run the backtest
bt = Backtest(forex_data, SMACrossoverStrategy, cash=10000, commission=.002)
result = bt.run()

   # Display the backtest results
print("Backtest Results:")
print(result)

该策略采用两条移动平均线：20 周期 SMA 和 60 周期 SMA。当短期 SMA 超过长期 SMA 时，买入订单被执行。相反，当短期 SMA 跌破长期 SMA 时，会触发卖单。在 25 天的交易期内，这种简单的策略通过 6 笔交易获得了 243 美元的利润。

股票和 SMA 曲线分析

后续Python代码评估SMA交叉策略的性能。 SMA 有助于价格趋势的可视化并识别产生买入/卖出信号的交叉点。股票曲线作为绩效指标，说明这些信号对投资组合增长的影响。

通过整合两条曲线，交易者可以轻松观察交叉事件与投资组合价值变化之间的相关性，从而为 SMA 交叉策略的有效性提供重要见解。

Plotly 用于可视化净值和 SMA 曲线，使交易者能够有效评估其策略的盈利能力。

!pip install tradermade

结束语

成功的回测需要准确、高频的数据，而 TraderMade 的 API 有助于无缝集成。无论您的经验水平如何 - 无论您是探索不同策略的新手还是开发复杂模型的经验丰富的分析师 - 公司的产品都提供必要的工具。
您准备好将 TraderMade 的 API 纳入您的工作流程了吗？今天就开始您的旅程，将您的概念变为现实。

以上是像专业人士一样使用外汇 API 进行回测的详细内容。更多信息请关注PHP中文网其他相关文章！