Вы устали гадать, какие торговые стратегии действительно принесут вам деньги? Не смотрите дальше! Наш глубокий анализ кривой Коппока и торговой стратегии RSI выявил выигрышную комбинацию, которая принесла невероятную прибыль в размере 187 661 долларов. И лучшая часть? Мы делимся с вами всем нашим кодом и идеями, чтобы вы могли воспроизвести эти результаты и вывести свою торговлю на новый уровень. Не упустите эту революционную возможность — читайте дальше, чтобы узнать больше!

Когда дело доходит до технического анализа в торговле, существует множество индикаторов и стратегий на выбор. Двумя популярными являются индекс относительной силы (RSI) и кривая Коппока.

RSI — это осциллятор импульса, который измеряет скорость и изменение движения цены. Его можно использовать для определения условий перекупленности или перепроданности актива и часто используют в сочетании с другими индикаторами для подтверждения или отклонения потенциальных торговых сигналов.

Кривая Коппока, с другой стороны, является индикатором импульса, который изначально был разработан для определения долгосрочных возможностей покупки на фондовом рынке. Он основан на взвешенной скользящей средней суммы двух темпов изменения, одного краткосрочного и одного долгосрочного, и часто используется трейдерами для определения разворотов тренда.

Вместе RSI и кривая Коппока могут обеспечить мощную торговую стратегию для определения потенциальных точек входа и выхода на рынке. Комбинируя эти два индикатора и анализируя их сигналы, трейдеры могут глубже понять рыночные тенденции и принимать более обоснованные торговые решения. В этой статье мы подробно рассмотрим, как использовать эти индикаторы вместе, и продемонстрируем впечатляющие результаты, которые может дать эта выигрышная комбинация.

df['COP']=ta.trend.wma_indicator((ta.momentum.roc(close=df['close'], window=14,fillna= True)) + (ta.momentum.roc(close=df['close'], window=11,fillna= True)), window=10,fillna= True)
df['RSI']=ta.momentum.rsi(close=df['close'], window=14,fillna= True)

Кривая Коппока — это популярная торговая стратегия, которая используется для определения долгосрочного бычьего импульса акций или рыночных индексов.

Она была разработана экономистом Эдвином Коппоком и впервые опубликована в журнале Barron's в 1962 году. Кривая Коппока рассчитывается путем взятия суммы 14-периодной скорости изменения и 11-периодной скорости изменения рыночного индекса или акции. цене, а затем сглаживая ее с помощью 10-месячной взвешенной скользящей средней.

Это создает изогнутую линию, которую можно использовать для определения потенциальных сигналов покупки и продажи.

В этой статье мы обсудим, как создать торговую стратегию кривой Коппока, используя код Python. Мы также покажем вам, как протестировать стратегию на истории, чтобы определить ее историческую эффективность.

Чтобы создать кривую Коппока в Python, мы будем использовать библиотеку Pandas для манипулирования данными и библиотеку Talib для технического анализа. Далее мы рассчитаем 14-периодную скорость изменения и 11-периодную скорость изменения данных индекса и сумму их. Наконец, мы сгладим сумму двух темпов изменения, используя 10-месячную взвешенную скользящую среднюю.

Сглаженная сумма двух скоростей изменения представляет собой кривую Коппока. Эту кривую можно использовать для определения потенциальных сигналов на покупку и продажу. Когда кривая поднимается, это бычий сигнал, а когда она падает, это медвежий сигнал.

signals.append(0)
for i in range(1, len(df)-1):    
    # Your trading strategy goes here
    if (df.iloc[i]['COP']>0) and df.iloc[i]['RSI'] >50 :
        signals.append(1)
    elif (df.iloc[i]['COP']<0) and df.iloc[i]['RSI'] <50:
        signals.append(-1)
    else : 
        signals.append(0)
signals.append(0)

Чтобы протестировать кривую Коппока — торговую стратегию RSI, мы будем использовать сглаженную кривую Коппока, чтобы определить, когда покупать и продавать ETHUSDT через 2180 дней на часовом временном интервале

df["signal"] = signals
print(signals)
investment = 1000
current_investment = 1000
invested_amount = 0
fees = 0
profit = 0
is_invested = 0
best_trade = -99999999
worst_trade = 99999999
largest_loss = 0
largest_gain = 0
total_trades = 0

for i in range(500, len(df)):
    signal = df.iloc[i]['signal'] 
    close = df.iloc[i]['close']

    if signal == 1 and is_invested == 0:  # Long signal and no position
        entry_point = close
        quantity = (current_investment / close)
        invested_amount = quantity * close
        is_invested = 1
    elif signal == -1 and is_invested == 0:  # Short signal and no position
        entry_point = close
        quantity = (current_investment / close)
        invested_amount = quantity * close
        is_invested = -1
    elif signal == -1 and is_invested == 1 :  # Close long position for short signal
        profit = quantity * (- entry_point + close)
        current_investment += profit
        invested_amount = 0
        total_trades += 1
        if profit > largest_gain:
            largest_gain = profit
        if profit < largest_loss:
            largest_loss = profit
        if profit > best_trade:
            best_trade = profit
        if profit < worst_trade:
            worst_trade = profit
        entry_point = close
        quantity = (current_investment / close)
        invested_amount = quantity * close        
        is_invested = -1
    elif signal == 1 and is_invested == -1:  # Close short position for long signal
        profit = quantity * ( - close + entry_point)
        current_investment += profit
        invested_amount = 0
        total_trades += 1
        if profit > largest_gain:
            largest_gain = profit
        if profit < largest_loss:
            largest_loss = profit
        if profit > best_trade:
            best_trade = profit
        if profit < worst_trade:
            worst_trade = profit
        entry_point = close
        quantity = (current_investment / close)
        invested_amount = quantity * close   
        is_invested = 1
    else: 
        pass
        
final_profit = current_investment - investment
print("Final Profit: ", final_profit)
print("Best Trade: ", best_trade)
print("Worst Trade: ", worst_trade)
print("Largest Loss: ", largest_loss)
print("Largest Gain: ", largest_gain)
print("Total Trades: ", total_trades)

В заключение, кривая Коппока RSI — это популярная торговая стратегия, которую можно реализовать на Python.

Однако важно отметить, что любая форма торговли сопряжена с определенным уровнем риска и не должна восприниматься легкомысленно. Крайне важно иметь четкое представление о рынках, собственной толерантности к риску, а также правильно оценивать и управлять рисками, связанными с каждой сделкой.

Перед началом любой торговой деятельности рекомендуется обратиться за советом к финансовому консультанту и тщательно изучить связанные с этим риски. Помните, что прошлые результаты не указывают на будущие результаты, а рынки могут быть непредсказуемыми. Торговля должна осуществляться только с рисковым капиталом, который вы можете позволить себе потерять.

Сообщение от InsiderFinance

Спасибо, что являетесь частью нашего сообщества! Перед тем, как ты уйдешь: