Fem dybe lektioner i Python+pandas til finans, backtest-frameworks, alpha-strategier, risk/performance-måling og live trading. For dig der vil bygge dine egne modeller — ikke følge analytikere.
from statsmodels.tsa.stattools import coint
tsla = yf.download('TSLA', '2018-01-01', '2024-12-31')['Adj Close']
f = yf.download('F', '2018-01-01', '2024-12-31')['Adj Close']
score, pvalue, _ = coint(tsla, f)
# p-value: 0.041 → kointegreret
spread = tsla - 4.2 * f # hedge ratio
z = (spread - spread.rolling(30).mean()) / spread.rolling(30).std()
signals = pd.Series(0, index=z.index)
signals[z < -2] = 1 # long spread
signals[z > 2] = -1 # short spread
returns = signals.shift(1) * spread.pct_change()
returns -= 0.0008 * signals.diff().abs() # costs
# Resultater:
# CAGR: 8.4%
# Sharpe: 1.12
# Max DD: −14.2%
# Win rate: 58%/ Låst undervisning
Et øjeblik — vi henter undervisningen til dig.
Gå tilbage til moduloversigten, eller hop direkte til den undervisning du vil bygge videre på.