Vær en datadrevet investor uden at skulle kode

Jeg kommer fra en datavidenskabsbaggrund og har altid ment, at det er vigtigt at være "datadrevet" med dine investeringer, hvis du ønsker at få afkast, der potentielt kan slå markedet. Dette involverer typisk at udføre kvantitativ analyse og udføre handler ved hjælp af algoritmiske strategier, der bruger programmeringssprog som Python og R.

Hovedpointen ved datadrevet investering er, at du vælger dine handler baseret på strategier, der har målbare beviser for, at de faktisk har fungeret i fortiden, på en sådan måde, at du forventer, at de fortsætter med at fungere i fremtiden.

Historisk set bliver dette allerede gjort succes af "quant hedge funds" som Renaissance Technologies og Two Sigma, der handler med hundredvis af milliarder af amerikanske dollars i kapital tilsammen.

Dette fortæller os, at brug af algoritmer og analyser til investeringsbeslutninger virker, men er dette tilgængeligt for de fleste af os almindelige mennesker? Ikke nøjagtigt …

For enkeltpersoner er datadrevet investering muligt, men det er stadig begrænset til dem, der forstår at kode og forstår avanceret økonomisk matematik. Dette udelader langt de fleste detailinvestorer, som ikke har den nødvendige tekniske baggrund.

For at udjævne vilkårene byggede min medstifter og jeg Høgesyn, som gør det muligt for alle at blive datadrevet med deres handler, uden at skulle skrive en enkelt kodelinje. Det gør det hovedsageligt ved at give brugerne mulighed for nemt at "backteste" deres handelsstrategier med så få som 2 klik!

Ideen om backtesting, og hvorfor det er vigtigt for datadrevet investering er, at det er en systematisk måde at måle den historiske præstation af enhver handelsstrategi. Med andre ord besvarer det spørgsmålet: "Hvor mange penge ville jeg have tjent, hvis jeg havde fulgt denne strategi for dette aktiv (f.eks. Bitcoin)?".

Dette er et utrolig vigtigt spørgsmål at besvare, fordi du selvfølgelig gerne vil følge de strategier, der har vist sig at virke så meget som muligt. Ved brug af Høgesyn, kan du nemt eksperimentere med forskellige strategier, så du kan vælge den bedste for dig selv!

For dem, der ikke er bekendte, er den simple glidende gennemsnit crossover-strategi (SMAC) en meget enkel, men kraftfuld handelsstrategi, der involverer plotning af to glidende gennemsnitslinjer baseret på aktivets lukkekurs: 1) det hurtigt bevægende gennemsnit (som er gennemsnittet over færre dage) , og 2) det langsomt glidende gennemsnit (som er gennemsnittet over flere dage).

Herfra er tanken, at signalet om at "købe" opstår, når det hurtigt glidende gennemsnit (f.eks. 10 dages glidende gennemsnit) krydser nedefra for at gå over det langsomt glidende gennemsnit (f.eks. 30 dages glidende gennemsnit). Så på samme måde opstår signalet om at "sælge", når det hurtigt bevægende gennemsnit krydser ovenfra for at gå under det langsomt glidende gennemsnit.

Du kan tjekke linjediagrammet nedenfor (nederste plot) for at se, hvordan disse glidende gennemsnit ville se ud for prisen på Bitcoin fra 19. juni 2020 til 19. juni 2021 (1 år).

Du vil se, at overgangene ville have fundet sted flere gange i det forløbne år, hvilket udløste flere købs- og salgssignaler (øverste plot).

Nu herfra er det naturlige spørgsmål: "Hvor meget afkast ville jeg have fået, hvis jeg fulgte denne strategi det seneste år?". For at besvare dette spørgsmål kan vi bruge Hawksight's Strategianalysator (også kendt som HawkTest) for at backteste denne strategi (vist nedenfor).

Som du kan se, er der mange muligheder, du kan indstille, men vi vil hovedsageligt fokusere på at ændre investeringstype til Crypto, og ændre symbolet til BTC / USDT, som er symbolet for Bitcoin denomineret i (i det væsentlige) amerikanske dollars. Bemærk, at i skrivende stund er det sidste 1 år 19. juni 2020 til 19. juni 2021, så for at replikere denne analyse kan du bare selv indstille dette som et "tilpasset datointerval", eller du kan køre det automatisk gennem dette link.

Så herfra vælger vi SMAC strategi, som står for "Simple Moving Average Crossover", som tilfældigvis også er den strategi, vi ønsker at teste. Til sidst kan vi bare klikke på "Analyser" for at begynde at teste strategien tilbage!

Nu vil du se, at analysen blev kørt for strategien, og resultaterne vises på skærmen. Disse inkluderer strategiens ydeevne og diagrammer, der plotter de historiske købs- og salgssignaler, prisen og de glidende gennemsnitslinjer, der blev brugt i strategien.

Lad os fokusere på de præstationsmålinger, der vises øverst i resultaterne.

Fra resultattabellen ovenfor kan du se din % Samlet afkast på investeringer i det sidste år, havde du fulgt din SMAC-strategi. Det betyder, at du ville have tjent 220.53 % i det sidste år, hvis du havde fulgt denne strategi for Bitcoin. Du kan også se de absolutte metrics som Samlet tilbagevendenog Porteføljeværdi.

Bemærk dog, at det er tilfældet, at vi sætter 100 USD som de første kontanter. For nemheds skyld anbefaler jeg, at du holder denne værdi på 100K, da vi ikke understøtter fraktioneret handler endnu, så du skal bruge mindst så meget for at kunne købe Bitcoin. Bare rolig, vi vil understøtte fraktioneret handel hurtigt nok!

Til sidst kan du også se, at vi har en Køb og hold retur % til højre med en værdi på 261.3%. Dette er ment som et benchmark, så du med det samme kan sammenligne ydelsen af ​​timing af dine ind- og udgange, i forhold til blot at købe og beholde det aktiv (i dette tilfælde Bitcoin). I vores tilfælde vil du se, at SMAC-strategien faktisk ville have præsteret en smule dårligere end Buy & Hold-strategien.

Men hvis du ser på de historiske signaler (vist nedenfor), ville det have fortalt os at sælge ud af vores Bitcoin lige før kryptomarkedskrakket sidste maj 2021, hvilket betyder, at selvom strategien måske ikke har haft en lignende opside, ser det ud som det undgår store udnyttelse (falder i værdi) mere effektivt sammenlignet med blot at købe og holde Bitcoin.

Nu herfra er der meget mere, du kan gøre for at eksperimentere med den strategi, du tester. Den enkleste ting at prøve er, at du kan lege med strategiparametrene (skyderne øverst), så du kan prøve forskellige kombinationer af "langsom periode" og "hurtig periode", og se, hvordan disse ændringer påvirker din strategis afkast %. Bemærk, at "langsom periode" refererer til perioden for "langsomt glidende gennemsnit", mens "hurtig periode" refererer til perioden for "hurtigt glidende gennemsnit.

Lad os som et eksempel prøve at ændre "hurtig periode" til 20 og "langsom periode" til 45 (resultaterne vist nedenfor). Du kan også selv prøve dette herigennem analyse link!.

Som du kan se af resultaterne ovenfor, steg afkastet % faktisk fra 220.53 % til 369.33 %. Det skyldes, at vores SMAC-strategi ville have holdt Bitcoin gennem det meste af den seneste stigning i priserne, mens vi solgte den ud lige før markedskrakket sidste maj 2021. Endelig vil du bemærke, at strategien ville have klaret sig markant bedre end et simpelt køb og hold. strategi (+369.33 % mod +259.38). Ret imponerende!

Den sidste funktion, jeg ville dele, er vores Signal screener, hvor du kan modtage daglige handelssignaler på specifikke kurve med aktiver direkte til din indbakke. For at abonnere skal du blot gå til hjemmesiden og vælge din valgte kurv fra Signal screener!

Rapporten om daglige handelssignaler ser ud som nedenstående:

Hvordan genereres disse signaler? Nå, Hawksight har dybest set en AI-motor, der gemmer de bedst ydende strategier for hver af de aktiver, der er anført i hver kurv. Ideen er, at du kun modtager signalerne om de bedst ydende strategier for hver af aktiverne.

Når man fortolker disse signaler, er det vigtigt at huske, at disse er baseret på strategier, der har fungeret relativt godt historisk (f.eks. det seneste år), men det betyder ikke nødvendigvis, at disse vil fortsætte med at virke i fremtiden. Jeg opfordrer dig til at klikke på symbolernes links, som fører direkte til den analyse, der blev brugt som grundlag for signalet. På denne måde kan du selv vurdere, om du skal handle på det.

Med andre ord, brug dette som en Udgangspunktet så du har en idé om, hvad der er nogle potentielle positioner på markedet, som du kunne tage lige nu, og brug disse oplysninger til at supplere andre oplysninger, du har om et aktiv, før du foretager handler.

Tillykke! Du er nu en "datadrevet" investor, der har testet din egen strategi, samtidig med at du har analyseret dens resultater. Var det slet ikke svært?

Nu er dette en god start på din rejse mod at blive mere datadrevet med dine investeringer, men husk at dette kun er begyndelsen. Der er mange flere strategier for dig at eksperimentere med, og der er altid meget mere at lære i rummet.

Det er også vigtigt at bemærke, at backtesting også har sit eget sæt af begrænsninger, såsom at være tilbøjelig til problemer som overfitting og se fremad skævhed. Hvis du ønsker at lære mere, har jeg et afsnit, der diskuterer disse mere i en tidligere artikel.

Hold øje med fremtidige artikler, hvor jeg vil diskutere nogle af de mere avancerede funktioner i Høgesyn, som strategioptimering, indstilling af dine egne advarsler og oprettelse af tilpasset strategi. Sørg også for at følge med i flere af mine artikler om generelle emner inden for datavidenskab, finans, krypto og DeFi!

Til sidst vil vi elske at have dig med i vores Hawksight-fællesskaber Discord, Telegramog Facebook! Tilmeld dig, hvis du vil holde dig opdateret om ugentlige produktopdateringer, og du er velkommen til at give feedback, funktionsanmodninger eller stille spørgsmål, du måtte have gennem disse kanaler.

Source: https://medium.com/geekculture/be-a-data-driven-investor-without-having-to-code-3bf1d8cf39bf?source=rss——-8—————–cryptocurrency