Python: detección de movimientos medidos de datos de velas

Question

Objetivo:

Estoy buscando si es posible detectar programáticamente "movimientos medidos" en datos de velas. Los datos de precios que estoy utilizando se recupera con éxito de la plataforma TD Ameritrade utilizando el API no oficial de Python .

Detalles:

Para un "movimiento medido al alza", es cuando el precio alcanza tanto los mínimos como los máximos más altos en un gráfico de velas. Para un "movimiento medido a la baja", el precio alcanza tanto máximos como mínimos más bajos.

Una imagen muy simplificada de la forma de la línea de tendencia del movimiento medido que estoy buscando detectar programáticamente se puede ver a continuación:

( Izquierda ) Movimiento medido hacia arriba, y ( A la derecha ) Movimiento medido hacia abajo:

Como se puede ver en el "movimiento medido hacia arriba", el precio se mueve hacia arriba desde los puntos A a B. Después de B, el precio cae hasta el punto C (que esta vez es un "mínimo más alto" que A). Por último, el precio se desplaza hasta el punto D, pasando por el nivel de precios del punto B. En el caso de los "movimientos medidos a la baja" ocurre exactamente lo contrario.

Un ejemplo de ambos hacia arriba ( verde ) y hacia abajo ( rojo ) los movimientos medidos se pueden ver a continuación en un gráfico de Amazon utilizando líneas de tendencia dibujadas (por favor, ignore las 5 líneas de regresión horizontales(ish)):

Preguntas:

Q1. ¿Existe una biblioteca de Python que pueda detectar estos movimientos medidos?

Q2. Si no hay ninguna biblioteca que pueda detectar exclusivamente los movimientos medidos, ¿podría una biblioteca como trendet (que detecta las tendencias en los datos de los precios) se utilice en el siguiente contexto:

• Si se detecta una tendencia a la baja, que es
• Seguido de una tendencia alcista que no alcanza un nivel de precios tan alto, que es
• Finalmente le sigue otra tendencia bajista en la que el precio cae por debajo del nivel del punto B,

¿se ha detectado un movimiento medido a la baja, por ejemplo?

Q3. De nuevo, si no hay biblioteca y trendet no es viable, ¿podría funcionar algo como la siguiente lógica? Por ejemplo,

• Si el precio actual sigue cayendo por debajo de las X velas anteriores,

• y luego el precio se invierte y sube durante X velas pero no alcanza el mismo nivel,

• antes de volver a caer por otra vela X,

entonces se ha detectado un "movimiento medido a la baja"? El problema aquí es la cuestión de cuántas velas podrían ser apropiadas?

Q4. ¿Podría funcionar un reconocimiento de patrones para detectar una forma triangular? Supongo que otro problema con esto se derivaría del hecho de que la mayoría de los triángulos rara vez son la misma vergüenza (que es evidente en la segunda imagen).

Si alguien tiene algún conocimiento que no le importe compartir, o puede indicarme una dirección donde pueda conocer algunos recursos que ayuden a detectar los movimientos medidos, se lo agradecería mucho.

Answer 1

Puedes utilizar los fractales para identificar los máximos y los mínimos. También puede medir los movimientos como porcentaje de los puntos extremos más cercanos. Aquí Mostré cómo encontrar fractales hacia abajo, et Aquí medí los movimientos en porcentajes para detectar un cambio de tendencia. En cuanto al triángulo, se pueden aplicar los mismos fractales y conectarlos con líneas (dos superiores, dos inferiores). Pero, aquí hay un punto sutil. Por ejemplo, los fractales inferiores serán anteriores a los superiores y viceversa. Ya que el mercado no es homogéneo y se necesitan diferentes periodos para buscar los fractales.

Answer 2

Sólo puedo ofrecer soluciones apriori que se ajustan ligeramente:

• calcular la pendiente de N periodos de retrospección y descartar los que tienen un desvío estándar bajo y alto (¿cómo determinar el bajo y el alto?)
• parece que la pendiente de (x1 - x2) = (x3 - x4), por lo que para identificar un patrón adecuado, sólo necesita la pendiente de (x2 - x3)*-1 a = la pendiente de (x1 - x2) O (x3 - x4)