Hola, me llamo Miguel y aquí les traigo otro tutorial.
Índice
Veamos cómo calcular los puntos de pivote para el comercio intradía en Python
El trading intradía es muy diferente del swing trading. Es más difícil y necesita algunas herramientas específicas para ser rentable. Los puntos de pivote son algunas de las herramientas que pueden utilizar los traders diarios.
En este artículo explico cómo funcionan.
¿Qué son los puntos pivote?
Los puntos de pivote son niveles de precios que se utilizan a menudo en el comercio intradía (pero se pueden utilizar incluso en el comercio swing).
Se consideran soportes y resistencias “naturales” para el precio durante una sesión de mercado diaria, por lo que pueden ser bastante útiles para los Day traders porque el mercado a menudo se comporta de una manera no trivial cuando se acerca a ellos.
Hay varios tipos de puntos de pivote, pero los puntos de pivote clásicos generalmente se definen a partir del precio máximo, mínimo y de cierre del último día.
Al aplicar algunos cálculos matemáticos a estos precios en el día de mercado anterior, un comerciante puede calcular los niveles de pivote para el día de mercado actual y usarlos. En este artículo, me centraré en los puntos de pivote clásicos.
¿Cómo se utilizan?
Los puntos de pivote clásicos suelen definir el nivel de pivote principal. La idea principal es que si el precio está por encima del nivel de pivote, el mercado es alcista. Si el precio está por debajo del nivel de pivote principal , el mercado es bajista.
El nivel de pivote principal a menudo es seguido por algunos niveles de soporte y resistencia, que se utilizan como niveles clave naturales para la sesión del mercado intradiario.
La siguiente figura muestra el precio de las acciones de Facebook en un período de tiempo de 15 minutos. Los niveles horizontales son los soportes de pivote (S1, S2, S3) y las resistencias (R1, R2, R3), mientras que las líneas horizontales verdes son los niveles de pivote (P).
Como puede ver, el mercado a menudo parece rechazar esos niveles como si estuvieran actuando como verdaderos soportes y resistencias. Incluso el propio nivel Pivot actúa de esta manera. Por lo tanto, es fácil comprender la importancia de estos niveles en el trading intradía.
Un operador diario podría buscar oportunidades comerciales en las que el precio esté cerca de un nivel de pivote, esperando un retroceso o una ruptura y utilizando el nivel de pivote más cercano como objetivo, por ejemplo.
Cómo calcularlos
Los niveles de pivote clásicos se calculan de acuerdo con las siguientes fórmulas, tomadas de la base de conocimientos de Tradingview
, aplicado a los precios máximos, mínimos y de cierre del último día:
- PP = (Alto + Bajo + Cercano) / 3.
- R1 = 2 * PP – Bajo.
- S1 = 2 * PP – Alto.
- R2 = PP + (alto – bajo).
- S2 = PP – (alto – bajo).
- R3 = PP + 2 * (alto – bajo).
- S3 = PP – 2 * (Alto – Bajo).
PP
es el nivel de pivote principal. S1, S2 y S3 son los niveles de soporte. R1, R2 y R3 son los niveles de resistencia.
Cálculo en Python
Veamos cómo calcular estos niveles en Python
. Para este ejemplo, me centraré en los datos de acciones de Facebook. El cuaderno completo se puede encontrar aquí:
En primer lugar, debemos obtener datos de existencias utilizando la biblioteca yfinance
.
!pip install yfinance
Luego, podemos importar las bibliotecas que necesitemos.
import numpy as np import pandas as pd import yfinance
Ahora podemos importar datos de Facebook a un marco de datos de Pandas
.
ticker = yfinance.Ticker("FB") df = ticker.history(interval="1d")
El último registro de este marco de datos es el último día de mercado. Usaremos sus niveles de precios para calcular los niveles de pivote que podemos usar hoy.
last_day = df.tail(1).copy()
Ahora, de acuerdo con las fórmulas de pivote, podemos calcular los niveles.
last_day['Pivot'] = (last_day['High'] + last_day['Low'] + last_day['Close'])/3 last_day['R1'] = 2*last_day['Pivot'] - last_day['Low'] last_day['S1'] = 2*last_day['Pivot'] - last_day['High'] last_day['R2'] = last_day['Pivot'] + (last_day['High'] - last_day['Low']) last_day['S2'] = last_day['Pivot'] - (last_day['High'] - last_day['Low']) last_day['R3'] = last_day['Pivot'] + 2*(last_day['High'] - last_day['Low']) last_day['S3'] = last_day['Pivot'] - 2*(last_day['High'] - last_day['Low'])
El resultado es:
Espero que te sea de utilidad. Gracias por leer este tutorial.
Añadir comentario