In questo articolo descriviamo come aggiungere una sorgente dati di Quandl con Tradingview, per influenzare le persone a guardare oltre i grafici dei prezzi ed effettuare analisi e backtesting con fonti di dati alternative per il trading algoritmico. Quindi, senza ulteriori indugi, iniziamo con le sorgenti dati di Quandl.
Durante la navigazione nel pannello di ricerca degli asset disponibili su Tradingview potrebbe essere capito di trovare la scheda di Quandl e chiedersi se alcune delle fonti di dati esotiche disponibili su Quandl potrebbero essere di qualche utilità. Quandl ha una vasta selezione di set di dati (alcuni molto distanti dal trading e dall’economia) che possono essere utilizzati in modo creativo per cercare di trovare un edge/vantaggio.
Cos’è Quandl?
Lanciato nel 2013 e con sede a Toronto, Quandl è un marketplace per set di dati finanziari, economici e altri settori. Hanno moltissime sorgenti di dati, sia gratuite che premium, e da sottolineare che i dati gratuiti non sono di bassa qualità! Esiste una pletora di eccellenti database contenenti dati fondamentali ed esotici gratuiti come le statistiche ufficiali del governo dell’ONS nel Regno Unito o la FRED negli Stati Uniti, il rapporto sul COT, dati finanziari di fine giornata e molto, molto altro ancora. Se hai la disponibilità, puoi anche dare un’occhiata ai set di dati premium. Il solo limite è il cielo.
Per ulteriori informazioni, visitare: https://www.quandl.com/
Aggiungere una sorgente dati di Quandl
Se abbiamo stuzzicato il tuo interesse e vuoi mettere le mani su alcuni di questi dati, ci sono alcuni modi per aggiungere una sorgente dati di Quandl con Tradingview. Se sai cosa stai cercando, puoi utilizzare la normale casella di ricerca e premere la scheda Quandl.
Detto questo, nel momento in cui scrivo questo articolo, ho notato che la ricerca spesso non restituisce i risultati che cerco. Ad esempio, se sta cercando di recuperare i dati sull’open interest dal rapporto COT per la sterlina britannica e si effettua una semplicemente ricerca con le parole “Pound”, “British Pound” o “BP”, non si troveraà quello che si sta cercando!
Per trovarlo, è necessario filtrare l’elenco e selezionare il provider “CFTC”:
Fate attenzione all’elenco: non è in ordine alfabetico. Ho impiegato molto tempo per trovare e pescare la CFTC dall’enorme lista.
Dopo aver selezionato il filtro, una ricerca generale è spesso sufficiente per trovare ciò che si stai cercando. Nell’immagine seguente, i dati COT si trovano quasi immediatamente cercando la sola parola “Pound”.
Se si conosce esattamente cosa si stai cercando, si può anche inserire direttamente l’id ticker (in questo esempio l’id ticker è TIFF_CME_BP_ALL) e non è necessario filtrare l’elenco. Tuttavia, ogni set di dati in Quandl prevede quasi sempreun proprio formato, quindi ci sono poche possibilità che si indovini il corretto ticker a meno non si abbia già familiarità con il formato generale dei fornitori di dati.
Infine, l’ultima opzione è la possibilità di navigare nel sito di Quandl! Ogni set di dati ha la propria documentazione che fornisce l’esatto ID ticker. Inoltre, navigando, si scoprono alcuni fantastici set di dati che non avevi mai pensato di prendere in considerazione. Non sappiamo usare ciò che non sappiamo esistere.
Applicazione pratica dei dati di Quandl
Per fare in modo che questo articolo abbia un valore leggermente maggiore rispetto al semplice guida di come eseguire una ricerca di base, possiamo descrive come progettare e codificare un indicatore per usare i dati di Quandl su Tradingview. Per concludere, lo metteremo alla prova in una strategia per vedere quanto sia utile.
Dichiarazione di non responsabilità: mentre scrivo non ho idea se la mia idea produrrà buoni risultati. Vi presenterò i risultati ottenuti, indipendentemente che siano buoni o cattivi. Lo scopo di questo post è ispirarti a essere creativo, ottenere dati che non sono sul tuo grafico e vedere se riesci a generare qualche vantaggio!.
L’indicatore
Dopo aver sfogliato il sito web di Quandl, ho notato qualcosa che ha attirato la mia attenzione. La borsa London Metals fornisce dati giornalieri per alluminio, rame e zinco, gratuitamente. Questo mi ha dato l’idea di sviluppare un indicatore che monitorerà le scorte globali e misurerà la variazione giornaliera dell’offerta. In economia si definisce che il prezzo è determinato da 2 fattori, domanda e offerta, quindi non sarebbe utile avere un buon indicatore su un lato dell’equazione? Costruiamo l’indicatore e proviamo a scoprirlo!
Il Codice
//@version=3
study("LME Inventories Indicator", overlay=false)
//Add an input for Metal Selection
metal = input(defval='CU', title='Metal', options=['AL','CU','ZI'])
// Create sym
stBase = 'QUANDL:LME/ST_'
stSym = stBase + metal + '_ALL'
//Get the data
st = security(stSym,'D', close[0])
//Calc the percentage change
stChange = ((st[0] - st[1]) / st[1]) * 100
//Setup Colors
stCol = if stChange > 0
red
else
green
plot(stChange, title='Inventory Level Changes (In %)', color=stCol,linewidth=3,style=columns)
Il codice precedente è abbastanza semplice. Stiamo semplicemente creando un input per selezionare il metallo di scelta, ottenendo i dati e calcolando la variazione dei livelli di inventario tramite i dati del giorno prima.
Se hai appena iniziato con Tradingview e Pinescript, di seguito puoi leggere alcuni tutorial per principianti:
I dettagli della struttura del ticker per il London Metals Exchange possono essere trovati sul sito web di Quandl, tramite il seguente il link, insieme ai dettagli degli altri dati disponibili dal LME. :
Sul grafico
Dopo aver aggiunto il codice di seguito a un grafico, dovresti ottenere un output simile al seguente.
Quei picchi regolari nell’offerta sembrano interessanti!
La strategia
Per le regole della nostra strategia, torniamo ai concetti base dell’economia. Una diminuzione dell’offerta dovrebbe far aumentare il prezzo (supponendo che la domanda rimanga la stessa). Al contrario, un aumento dell’offerta dovrebbe causare un calo del prezzo. Con questo in mente, e dato che quei picchi sembrano estremi, penso che abbiamo le basi della nostra strategia!
Come abbiamo notato sopra, sembrano esserci periodi regolari di rifornimento massiccio seguiti da riduzioni giornaliere graduali fino a un altro rifornimento di scorte globali. Pertanto, la strategia cercherà di shortare il rame ogni volta che l’offerta di rame aumenta del 10% o più. Chiuderemo la strategia quando l’ammontare degli aumenti giornalieri dell’offerta sarà uguale o scenderà al di sotto dello 0%. Per sicurezza, si introduce uno stop al prezzo massimo dei dati giornalieri.
Il codice
// @ versione = 3
strategy (title = "Global Metal Inventories Strategy", overlay = true, default_qty_type = strategy.percent_of_equity, default_qty_value = 10)
// Aggiunge un input per Metal Selection
metal = input (defval = 'CU', title = 'Metal', options = ['AL', 'CU', 'ZI'])
// Crea syms
stBase = 'QUANDL: LME / ST_'
stSym = stBase + metal + '_ALL'
// Ottieni dati
st = security (stSym, 'D', close [0])
// Recupera i dati per il grafico corrente
stHigh = sicurezza (ticker, "D", high [0])
stChange = ((st [0] - st [1]) / st [1]) * 100
shortConditionOne = stChange> 10
if (shortConditionOne)
strategy.entry ("Oversupply", strategy.short, stop = stHigh [0])
closeConditionOne = stChange <= 0
if (closeConditionOne)
strategy.close ("Oversupply")
Per trasformare l’indicatore in una strategia, dobbiamo sacrificare il grafico dell’indicatore. Questo perché l’indicatore gira su una sottotrama (sotto il grafico principale) ma la strategia deve scrivere sul grafico principale per le entrate e le uscite. Comunque, questo non ha molta importanza dato che possiamo sempre caricare anche una versione dell’indicatore sul grafico.
Nota: possiamo anche rimuovere l’ istruzione IF per l’impostazione dei colori poiché non ci sarà il grafico.
Oltre a questi due elementi, possiamo semplicemente copiare e incollare il resto del codice dell’indicatore in un nuovo script di strategia ed estenderlo per includere le condizioni di ingresso e di uscita. Le condizioni sono definite nello stesso modo descritto nell’articolo Primo script con Tradingview
Nel codice appena descritto si considera solo il lato short, quindi ho creato una condizione di chiusura invece di una condizione long opposta.
I Risultati
A prima vista i risultati sono incredibili! Una percentuale di vittorie del 100%. Tuttavia, prima di darmi una pacca sulla spalla, vale la pena notare che sono stati effettuati solo 8 scambi. I dati disponibili non risalgono abbastanza indietro per testare di più. 8 operazioni non sono dati sufficienti per creare fiducia in una strategia ma, come ho detto prima, non è questo il punto di questo post. Tuttavia, terrò conto di questo passo avanti.
E questo è tutto. Inizia a navigare nel sito di Quandl per vedere se riesci a trovare dati interessanti che possono darti un vantaggio nei mercati.
Codice completo
In questo articolo abbiamo descritto come aggiungere una sorgente dati di Quandl con Tradingview per il trading algoritmico. Per il codice completo riportato in questo articolo, si può consultare il seguente repository di github:
https://github.com/datatrading-info/TradingView
