Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Analysieren Sie Broker-Spreads mit Pandas
Analysieren Sie Broker-Spreads mit Pandas | Handel mit Python
In diesem Video verwendet der Moderator Pandas in Python, um Broker-Spreads zu analysieren. Aus der Brokerhistorie mit MetaTrader 5 exportierte Tick-Daten werden in einen Pandas-Datenrahmen geleitet und Spread- und stündliche Daten analysiert, um Änderungen der Spreads im Laufe der Zeit darzustellen. Die Spreads erwiesen sich im Allgemeinen als eng, konnten jedoch während Nachrichtenereignissen oder Zeiten geringer Liquidität, insbesondere um Mitternacht der Maklerzeit, steigen. Die Analyse rät Händlern, ihre Handelskosten zu optimieren, indem sie die für verschiedene Symbole präsentierten Daten berücksichtigen.
Programmieren Sie eine Bollinger-Band-Handelsstrategie in Python
Programmieren Sie eine Bollinger-Band-Handelsstrategie in Python
In diesem Video erklärt der Moderator die Handelsstrategie Bollinger Bands in Python, bei der ein einfacher gleitender Durchschnitt, ein unteres Band und ein oberes Band verwendet werden, um 95 % aller Preise innerhalb der Bänder zu enthalten. Die Strategie beinhaltet den Kauf, wenn der Preis das untere Bollinger-Band erreicht, und den Verkauf, wenn der Preis das obere Bollinger-Band erreicht. Ein Stop-Loss wird auf drei Standardabweichungen unter dem Mittelwert festgelegt, während ein Take-Profit auf zwei Standardabweichungen darüber festgelegt wird. Der Moderator zeigt die Implementierung in Python unter Verwendung von Pandas- und MetaTrader5-Plattformen und stellt Testergebnisse bereit, die jedes Handelsergebnis erläutern. Er rät jedoch davon ab, diese Strategie blind in Trendmärkten einzusetzen, und betont, wie wichtig es ist, die Marktbedingungen zu analysieren.
Codieren Sie eine Crossover-Handelsstrategie für den einfachen gleitenden Durchschnitt (SMA) in Python
Codieren Sie eine Crossover-Handelsstrategie für den einfachen gleitenden Durchschnitt (SMA) in Python
In diesem YouTube-Video erklärt der Moderator, wie man eine Crossover-Handelsstrategie mit einfachem gleitendem Durchschnitt (SMA) in Python codiert. Die Strategie nutzt den Crossover von zwei SMA als Signal für den Kauf und Verkauf von Vermögenswerten. Der Moderator demonstriert, wie man die historischen Preisdaten mit Pandas- und Plotly-Bibliotheken visualisiert, die schnellen und langsamen SMAs definiert, Crossovers findet, die Crossover-Spalte berechnet und die bullischen Crossovers grafisch darstellt. Das Video zeigt dann, wie die SMA-Crossover-Handelsstrategie mit zuvor erstellten Klassen rückgetestet werden kann, und diskutiert die Ergebnisse anhand eines Liniendiagramms von Gewinn und Verlust im Zeitverlauf. Insgesamt bietet das Video eine Schritt-für-Schritt-Anleitung zum Erstellen und Testen einer einfachen und effektiven Handelsstrategie mit Python.
Programmieren Sie eine Buy-Hold-Handelsstrategie für Aktienindizes in Python
Programmieren Sie eine Buy-Hold-Handelsstrategie für Aktienindizes in Python
In diesem Video erläutert der Moderator, wie man eine Buy-Hold-Handelsstrategie für Aktienindizes in Python schreibt, indem man Jupyter Notebook-Code verwendet, um Indikatoren, Strategien und Backtests zu schreiben. Die Strategie basiert darauf, einen Drawdown von 5 %, 15 % oder 35 % zu identifizieren und zu kaufen, wenn ein Drawdown erreicht wird, und anschließend zu verkaufen, wenn das vorherige Allzeithoch erreicht wird. Der Referent erläuterte, wie Positionen mit der Methode „Positionen abrufen“ hinzugefügt und überprüft werden, die eine Liste von Positionen verwendet und die Positionsklasse für jede neue Position anhängt. Außerdem wurde die Ausstiegsstrategie erklärt, bei der jede offene Position geschlossen wird, wenn der Drawdown gegen Null geht. Abschließend wird die Bedeutung von qualitativ hochwertigen Trades und langen Perioden, um eine Preiserholung zu ermöglichen, betont, und der Präsentator präsentiert die Ergebnisse des Backtests in einem Diagramm.
Code 10 Technische Handelsindikatoren mit Python
Code 10 Technische Handelsindikatoren mit Python
Das Video diskutiert zehn technische Handelsindikatoren mit Python, beginnend mit dem einfachen gleitenden Durchschnitt (SMA), der zur Bestimmung von Trends verwendet wird. Die Average True Range (ATR) misst die Volatilität, während der Relative Strength Index (RSI) überkaufte und überverkaufte Kurse identifiziert. Das gestrige Hochtief und die Standardabweichung können dabei helfen, Spannen, Ausbruch und volatile Märkte zu identifizieren. Bollinger-Bänder verwenden einen einfachen gleitenden Durchschnitt (SMA) und eine Standardabweichung, um Mean-Reversion- oder Breakout-Strategien anzuzeigen. MACD- und SMA-Crossover zeigen eine Trendänderung an, indem schnelle und langsame EMAs oder SMAs berechnet werden. Der Crossover des gleitenden Durchschnitts kombiniert schnelle und langsame gleitende Durchschnitte, um potenzielle Trendumkehrungen zu identifizieren, während der stochastische Oszillator die höchsten und niedrigsten Werte eines Zeitraums berücksichtigt, um überkaufte und überverkaufte Bedingungen zu identifizieren.
Wie man eine RSI-Handelsstrategie in Python programmiert
Wie man eine RSI-Handelsstrategie in Python programmiert
Das Video bietet eine ausführliche Erklärung zum Programmieren und Backtesten einer RSI-Handelsstrategie in Python. Die Strategie beruht auf dem Kauf, wenn der RSI überverkauft ist, und dem Verkauf, wenn er überkauft ist, wobei die Einstiegssignale sind, wenn der RSI unter 30 fällt und wenn er 70 übersteigt, ist es Zeit zu verkaufen. Die Ausstiegsstrategie beinhaltet die Verwendung des Average True Range (ATR)-Indikators, um Take-Profit und Stop-Loss 280 Pips vom Kauf- oder Verkaufspreis entfernt festzulegen. Das Video behandelt die Verwendung der MetaTrader5-, Pandas- und Plotly-Bibliotheken für historische Datenanfragen, Indikatorberechnung, Backtesting und Ergebnisvisualisierung. Abschließend werden die Zuschauer ermutigt, das Jupiter-Notebook herunterzuladen, um die RSI-Handelsstrategie in Python zu implementieren.
Lernen Sie Pandas über Handelsbeispiele kennen
Lernen Sie Pandas über Handelsbeispiele kennen
Das Video lehrt Benutzer, wie sie verschiedene Pandas-Funktionen anwenden, um Handelsdaten in Python zu analysieren, um analytische Fragen zu beantworten, wie z. und Berechnung des größten absoluten Drawdowns. Darüber hinaus umfasst es die Berechnung der Gewinnrate, des Chancen-Risiko-Verhältnisses und des Gewinnfaktors, der das Verhältnis zwischen Bruttogewinn und -verlust misst. Der Referent stellt eine CSV-Datei und reale Beispiele bereit, um die Zuschauer durch den Analyseprozess zu führen, und bietet ein Jupiter-Notizbuch für alle, die Pandas üben möchten.
Daten in CSV und Datenbanken verwalten (SQLite)
Daten in CSV und Datenbanken verwalten (SQLite)
Im Video „Manage Data in CSV and Databases (SQLite)“ demonstriert der Referent, wie man mit pandas DataFrame Daten in einer CSV-Datei speichert und liest und mit SQLite3 mit Datenbanken arbeitet. Den Zuschauern wird gezeigt, wie die OHLC-Daten in einem Pandas DataFrame gespeichert, als CSV-Datei gespeichert und später gelesen und in einen Pandas DataFrame konvertiert werden. Der Redner zeigt den Zuschauern auch, wie man mit Datenbanken in Python unter Verwendung von SQLite3 arbeitet, einschließlich dem Erstellen einer Datenbank oder dem Verbinden mit einer bestehenden, dem Speichern von Daten in der Datenbank und dem Lesen der Daten mit einfachen Abfragen. Der Sprecher beendet das Video, indem er den Zuschauern Zugriff auf den im Tutorial verwendeten Code anbietet und die Hoffnung zum Ausdruck bringt, dass das Tutorial hilfreich war.
MetaTrader 5 Live-Handel mit Python im Jahr 2021 (Vorlage enthalten)
MetaTrader 5 Live-Handel mit Python
Das Video „MetaTrader 5 Live-Handel mit Python im Jahr 2021 (Vorlage enthalten)“ stellt einen hilfreichen Leitfaden für Händler dar, die ihre Handelsstrategien anpassen und die Rentabilität mit MetaTrader5 und Python verbessern möchten. Es stellt eine Vorlage dar, die basierend auf den Bedürfnissen des Händlers modifiziert werden kann, wobei die erforderlichen Codeabschnitte hervorgehoben werden. Das Video behandelt auch verschiedene Funktionen wie das Initialisieren von Funktionen, das Importieren von Daten und das Erstellen von Handelsaufträgen. Zu den nützlichen Tools, die demonstriert werden, gehört die Resume-Funktion, die es Händlern ermöglicht, offene Positionen auch nach dem Schließen des Python-Blatts zu überwachen. Während er die Notwendigkeit eines Windows-Geräts zur Verwendung der MetaTrader 5-Bibliothek betont, schlägt der Redner auch einige Optionen für Mac-Benutzer vor.
Trailing Stop Loss: Stärke der Schwäche?
Trailing Stop Loss: Stärke der Schwäche?
Lucas von Control diskutiert die Stärken und Schwächen einer Trailing-Stop-Loss-Strategie, die darauf abzielt, das Risiko im Handel durch die Verwendung kontinuierlicher Stop-Loss- oder Gewinnschwellen zu reduzieren. Eine Stärke besteht darin, dass Händler Trendschwankungen ausnutzen und Risiken managen können, aber eine Schwäche besteht darin, dass Händler potenzielle Gewinne verpassen können. Der Referent rät Händlern, die Volatilität von Vermögenswerten zu berücksichtigen und dementsprechend maßgeschneiderte Strategien zu verwenden. Er bietet auch einen Kurs zur Verwendung von Trailing-Stop-Loss und anderen Handelsstrategien an.