Primeiros Passos com o vectorbt

O que é o vectorbt?

VectorBT é uma biblioteca Python de código aberto para análise quantitativa e backtesting. O intuito da biblioteca é auxiliar na construção de trading algorítmico e na realização de backtesting de estratégias de investimento. Neste artigo realizaremos uma breve introdução da biblioteca.

O vectorbt apresenta-se como uma ótima ferramentas para traders e analistas quantitativos, que desejam criar estratégias de investimento e verificar, através do backstesting, a performance dos indicadores, regras e algoritmos utilizados.

De acordo com a definição no site da biblioteca, o vectorbt define-se como uma diferencial de outras bibliotecas por operar inteiramente em objetos pandas e NumPy, sendo acelerado pelo Numba para analisar qualquer dado com velocidade e escala, permitindo testar milhares de estratégias em questão de segundos.

Além disso, integra também o Plotly e Jupyter Widgets, entregando a possibilidade de construção de gráficos complexos e painéis semelhantes ao Tableau.

Quais os features do vectorbt?

Com o vectorbt, podemos:
  • Testar estratégias em apenas algumas linhas de código Python.
  • Desfrutar do melhor de dois mundos: o ecossistema do Python e a rapidez do C.
  • Manter total controle sobre a execução e seus dados (ao contrário de serviços baseados na web, como o TradingView).
  • Otimizar a estratégia de negociação em relação a muitos parâmetros, ativos e períodos de uma só vez.
  • Descobrir padrões ocultos nos mercados financeiros.
  • Analisar séries temporais e criar novas características para modelos de aprendizado de máquina.
  • Visualizar o desempenho da estratégia usando gráficos interativos e painéis (tanto no Jupyter quanto no navegador).
  • Obter e processar dados periodicamente, enviar notificações pelo Telegram e muito mais.

Exemplo básico

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

Mostramos abaixo como criar uma estratégia de trading usando o vectorbt. Com o vectorbt podemos:
  •  Coletar os dados
  •  Criar regras conforme indicadores
  •  Obter o resultado de ganhos da estratégia
  •  Criar gráficos e tabelas úteis para a avaliação da estratégia
Iniciamos com uma estratégia simples com o RSI (Relative Strength Index) a partir dos dados do preço de fechamento da ação PETR4 no período de jan/2019 até dez/2021. Os dados são utilizados em periodicidade diária.
Abaixo apresentamos o gráfico (que é interativo dentro do Notebook) do backtesting da estratégia utilizada.

Criando indicadores customizados

Neste segundo exemplo, criamos uma estratégia para o Bitcoin (em USD) na periodicidade de minutos. Definimos uma função customizada para a regra de trading, isto é, usamos o RSI e a Média Móvel Simples (MA) para definir as regras de entrada e saída. Em seguida, verificamos o backtesting da estratégia.
Abaixo apresentamos o gráfico (que é interativo dentro do Notebook) do backtesting da estratégia utilizada.

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

Cálculo do Retorno Econômico de uma Política Pública

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas precisas dos ganhos e os gastos de uma política pública.

Neste exercício, demonstramos tal método usando a política hipotética "Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para analisar os dados.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.