Pandas voor data
Lees koersbestanden in, selecteer kolommen en bereken rendementen in tabellen die je kunt controleren.
AI, Python en handelsalgoritmen
Van idee naar backtest in minuten, niet dagen. Je leert met Python historische koersdata onderzoeken, signalen testen en je portefeuille volgen zonder dat je al programmeerervaring hebt.
import pandas as pd
prijzen = pd.read_csv("koersen.csv")
prijzen["kort"] = prijzen["slot"].rolling(50).mean()
prijzen["lang"] = prijzen["slot"].rolling(200).mean()
prijzen["signaal"] = (
prijzen["kort"] > prijzen["lang"]
)
print(prijzen.tail())
Een eenvoudig signaal is een goed begin. De backtest laat daarna zien waar aannames breken.
Python voor finance
Je hoeft geen softwareontwikkelaar te zijn. Met één notebook, duidelijke data en kleine stappen bouw je begrip op voordat je een strategie beoordeelt.
Lees koersbestanden in, selecteer kolommen en bereken rendementen in tabellen die je kunt controleren.
Gebruik arrays voor gemiddelden, spreiding en eenvoudige berekeningen die veel rijen tegelijk verwerken.
Maak een equity curve en zie wanneer een signaal waarde toevoegt of alleen achteraf overtuigend lijkt.
Controleer bron, frequentie, ontbrekende waarden en aangepaste koersen voordat je een conclusie trekt.
jupyter notebook strategie.ipynb
prijzen.head()
Backtesting voor beginners
Een test is pas bruikbaar als je weet welke informatie op dat moment beschikbaar was. Neem kosten mee en houd de testperiode gescheiden.
Een strategie kan perfect passen bij oude data en toch geen duidelijke regel bevatten die opnieuw werkt.
Je gebruikt informatie uit de toekomst zonder het te merken, bijvoorbeeld de slotkoers bij een order die eerder plaatsvindt.
Alleen bedrijven die nog bestaan opnemen maakt historische resultaten te rooskleurig.
Spread, commissie en slippage drukken elk resultaat. Een kleine aanpassing kan een sterke curve laten verdwijnen.
Algoritmisch handelen
Begin met regels die je in één zin kunt opschrijven. Pas daarna parameters aan en vergelijk de equity curve met een eenvoudige benchmark.
Koop wanneer het 50-daags gemiddelde boven het 200-daags gemiddelde komt. Verlaat de positie wanneer de verhouding omkeert.
kort > lang
signaal = 1
Onderzoek een instap boven het hoogste punt van twintig dagen. Leg vooraf vast hoe je een stop-loss en uitstap behandelt.
uitbraak = prijs > hoogste_20
risico = vooraf bepaald
Portefeuillemonitoring
Automatisering hoeft geen orders te plaatsen. Begin met overzicht: prijzen ophalen, afwijkingen markeren en een melding sturen wanneer een grens wordt geraakt.
Lees posities in, bereken de totale waarde en leg elke meting vast voor later onderzoek.
Vergelijk de actuele koers met een vooraf gekozen grens en maak een duidelijke e-mailmelding.
Bewaar API-sleutels buiten je notebook. Controleer rechten en test eerst met alleen-lezen toegang.
Veelgestelde vragen
Een goed algoritme begint met een begrijpelijke aanname en eindigt met een test die je zelf kunt nalopen.
Nee. Je begint met variabelen, tabellen en eenvoudige voorwaarden. Begrijpen wat elke regel doet is belangrijker dan veel code schrijven.
Ja. Python en Jupyter werken op beide systemen. Een online notebook kan een alternatief zijn als je lokale installatie problemen geeft.
Vergelijk de bron met een tweede bron en controleer datums, valuta, handelsdagen en eventuele koersaanpassingen. Noteer de herkomst in je notebook.
Deze voorbeelden zijn bedoeld voor analyse en monitoring. Een brokerkoppeling vraagt extra beveiliging, foutafhandeling en een afzonderlijke testomgeving.
Volgende stap
Baan Beleggen helpt je de aannames achter een strategie zichtbaar te maken. Lees daarna over AI voor beleggingsonderzoek of verbind je regels met risicomanagement.