Algoritmisen kaupankäynnin strategiatutkimus Python-ympäristössä
Jokiaho, Pekka (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025082724180
https://urn.fi/URN:NBN:fi:amk-2025082724180
Tiivistelmä
Tämä opinnäytetyö keskittyy algoritmisen kaupankäynnin strategian kehittämiseen, testaamiseen ja validointiin Python-ohjelmointiympäristössä. Työssä toteutetaan kvantitatiivinen analyysi, jossa tutkitaan Mean Reversion-strategian toimivuutta historiallisessa Bitcoin/EUR-markkinadatassa vuosilta 2020–2024. Strategia perustuu teknisiin indikaattoreihin, kuten Bollinger Bands ja Relative Strength Index (RSI), ja sen suorituskyky arvioidaan Backtrader-kirjaston avulla.
Tutkimuksessa hyödynnetään useita validointimenetelmiä, kuten parametrien optimointia, robustisuustestausta ja walk-forward-analyysiä. Näiden avulla pyritään minimoimaan ylioptimoinnin riskiä ja varmistamaan strategian kyky yleistyä erilaisissa markkinaolosuhteissa.
Työ osoittaa, että Python tarjoaa tehokkaan ja joustavan alustan algoritmisen kaupankäynnin tutkimukselle ja kehitykselle. Tulosten perusteella voidaan todeta, että huolellisesti suunniteltu ja validoitu strategia voi tuottaa kilpailukykyistä suorituskykyä simuloidussa ympäristössä.
Tutkimuksessa hyödynnetään useita validointimenetelmiä, kuten parametrien optimointia, robustisuustestausta ja walk-forward-analyysiä. Näiden avulla pyritään minimoimaan ylioptimoinnin riskiä ja varmistamaan strategian kyky yleistyä erilaisissa markkinaolosuhteissa.
Työ osoittaa, että Python tarjoaa tehokkaan ja joustavan alustan algoritmisen kaupankäynnin tutkimukselle ja kehitykselle. Tulosten perusteella voidaan todeta, että huolellisesti suunniteltu ja validoitu strategia voi tuottaa kilpailukykyistä suorituskykyä simuloidussa ympäristössä.