Skip to content

Triple Barrier é uma técnica de gerenciamento de risco e definição de eventos de trading, introduzida por Marcos López de Prado em seu livro "Advances in Financial Machine Learning".

Notifications You must be signed in to change notification settings

wolfox33/Triple-Barrier-Method

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

13 Commits
 
 
 
 
 
 

Repository files navigation

Triple Barrier Method

Triple Barrier é uma técnica de gerenciamento de risco e definição de eventos de trading, introduzida por Marcos López de Prado em seu livro "Advances in Financial Machine Learning". Ele envolve a definição de três barreiras: um nível superior, um nível inferior e uma barreira de tempo. A posição é encerrada quando um desses três níveis é atingido.

Triple Barrier Method com ATR para Dados OHLC Este projeto implementa o método Triple Barrier para definir sinais de compra e venda em dados OHLC (Open, High, Low, Close) utilizando o ATR (Average True Range) para definir as barreiras dinâmicas de lucro e perda.

Descrição O método Triple Barrier é uma técnica de gerenciamento de risco e definição de eventos de trading que utiliza três barreiras para determinar o momento de entrada e saída de trades: uma barreira de lucro, uma barreira de perda e uma barreira de tempo. Neste projeto, as barreiras de lucro e perda são definidas como múltiplos do ATR, adaptando-se assim à volatilidade do mercado.

Funcionalidades Cálculo do ATR: Calcula o Average True Range (ATR) para um determinado período. Definição de Barreiras: Define barreiras dinâmicas de lucro e perda com base no ATR. Geração de Sinais: Gera sinais de compra e venda utilizando o método Triple Barrier.

Uso Pré-requisitos Python 3.x Pandas Numpy

##Contribuição Sinta-se à vontade para abrir issues e pull requests para melhorar este projeto.

About

Triple Barrier é uma técnica de gerenciamento de risco e definição de eventos de trading, introduzida por Marcos López de Prado em seu livro "Advances in Financial Machine Learning".

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages