Mit Formationserkennung und Backtests die besten Strategien finden

Mit Python las­sen sich auf ein­fa­che Art und Wei­se back­tests von Han­dels­stra­te­gien durch­füh­ren und es ste­hen eine Men­ge Modu­le zur Ver­fü­gung, die dabei unter­stüt­zen und mit denen sich wich­ti­ge Kenn­zah­len und Equi­ty­kur­ven aus­rech­nen las­sen. Mit back­tests las­sen sich nicht nur ein­zel­ne Akti­en tes­ten, son­dern auch ein Port­fo­lio aus vie­len Akti­en zusam­men­set­zen. Han­dels­sys­te­me kön­nen Signa­le nicht nur mit­tels ein­fa­chen glei­ten­den Durch­schnit­ten erhal­ten, son­dern auch auf deut­lich kom­pli­zier­te­ren Wegen, die auf Mus­ter­er­ken­nung basie­ren. Es wer­den ver­schie­de­ne Bei­spie­le gezeigt, wie sich kom­pli­zier­te For­ma­tio­nen wie z.B. Cup and Hand­le oder Dou­ble Bot­tom pat­tern auto­ma­tisch mit Algo­rith­men auf­spü­ren las­sen und mit­tels back­tests auf ihre Per­fo­mance bewer­ten las­sen. Hat man den Algo­rith­mus für die For­ma­ti­on, lässt sich ein­fach auf­zei­gen, wie das Volu­men oder die Markt­pha­se einen Ein­fluss auf die Per­for­mance hat. Hier­zu wer­den in Bei­spie­len haupt­säch­lich ame­ri­ka­ni­sche Akti­en verwendet.
Es wird auch eine Mög­lich­keit auf­ge­zeigt, wie sich ChatGPT von ope­nai für back­tests und die Signal­ge­nerie­rung ver­wen­den las­sen kann.
Um Han­dels­stra­te­gien mit vie­len Signa­len zu ver­bes­sern, kön­nen Fil­ter­tech­ni­ken ver­wen­det wer­den. Dazu wer­den Markt­fil­ter und spe­zi­ell ange­pass­te Fil­ter für Stra­te­gien vor­ge­stellt und bewertet.

Refe­rent: Jan Zuleeg
Seit 10 Jah­ren beschäf­tigt sich Jan Zuleeg neben­be­ruf­lich mit dem Bör­sen­ge­sche­hen. Sein Han­dels­stil basiert haupt­säch­lich auf fes­ten Regeln, die über Sta­tis­tik und sel­ber pro­gram­mie­re­te Back­tests fest­ge­legt wor­den sind. Dabei spielt die auto­ma­ti­sche Erken­nung von Mus­tern und For­ma­tio­nen aus der tech­ni­schen Ana­ly­se die wich­tigs­te Rolle.
Er lei­tet stell­ver­tre­tend die VTAD in München.