Python im algorithmischen Handel - Seite 5

[MetaQuotes]

Bauen Sie Ihren eigenen MetaTrader 5 Python Trading Bot: Erweiterte Orderverwaltung

Holen Sie sich den Code bei GitHub: https://github.com/jimtin/algorithmic_trading_bot

Bauen Sie Ihren eigenen MetaTrader 5 Python Trading Bot: Erweiterte Orderverwaltung

Dieser Abschnitt des Videos behandelt die erweiterte Auftragsverwaltung in einem MetaTrader 5-Python-Handelsbot mit Filtern für Symbole und Kommentare. Durch Hinzufügen einer Funktion zur MT5-Lib-Datei kann der Bot eine gefilterte Liste von Aufträgen basierend auf Kommentar und Symbol für jede Strategie abrufen, was eine effektive Verwaltung von Drawdowns und die Identifizierung von Trades ermöglicht. Das Video behandelt auch die Verwaltung von Auftragsstornierungen, indem überprüft wird, ob Aufträge vorhanden sind, bevor sie mit einem booleschen Wert storniert werden, und es wird betont, wie wichtig die Verwaltung von Auftragsstornierungen als Teil des Risikomanagements ist. Abschließend demonstriert das Video die Funktionsweise des Trading-Bots und bietet den Zuschauern über Discord Updates zu seinem Fortschritt.

• 00:00:00 In diesem Abschnitt des Videos spricht der Sprecher über die Verwaltung mehrerer Strategien auf demselben MetaTrader 5-Konto. Dazu entscheidet sich der Redner zwischen Strategien zu unterscheiden, indem er einen Filter für Symbol und Kommentar verwendet, der es ermöglicht, den gesamten Drawdown zu verwalten und zu identifizieren, welche Trades zu welcher Strategie gehören. Um diese Filterfunktion zu erstellen, wird der Betrachter angewiesen, der mt5-lib-Datei eine Funktion hinzuzufügen, die eine gefilterte Liste von Aufträgen basierend auf Symbol und Kommentar abruft. Der Redner betont, wie wichtig es ist, Code zu kommentieren, und stellt einen Link zu seinem GitHub-Repository bereit, wo Zuschauer auf den Code zugreifen können.
  
  
• 00:05:00 In diesem Abschnitt erläutert das Video, wie man ein Symbol in einen Datenrahmen umwandelt, um aktive Orders einfacher zu filtern. Sobald sich die Aufträge in einem Datenrahmen befinden, können sie nach Kommentar gefiltert werden, und die offenen Auftragsnummern werden zu einer Variablen namens „offene Aufträge“ hinzugefügt. Das Video zeigt auch, wie man eine Funktion erstellt, die die Bestellfilterfunktion mit der vorherigen Funktion „Bestellung stornieren“ kombiniert, was zu einem booleschen Wert führt, der angibt, ob die Bestellung storniert werden kann oder nicht.
  
  
• 00:10:00 In diesem Abschnitt des Videos erläutert der Moderator, wie Auftragsstornierungen in einem Trading-Bot verwaltet werden. Sie erhalten eine gefilterte Liste der Bestellungen und prüfen, ob Bestellungen vorhanden sind, bevor sie diese mit der Funktion "Bestellung stornieren" stornieren. Wenn es keine zu stornierenden Aufträge gibt, geben sie einfach „false“ zurück. Sie verwenden einen 'Boolean' für das Cancel-Ergebnis, um sicherzustellen, dass die Ausführung zu einem eindeutigen Ergebnis führt. Sie demonstrieren auch das Abrufen der Kommentarzeichenfolge aus der Strategie und das Sicherstellen, dass sie in der Funktion richtig benannt ist. Der Referent betont die Bedeutung des Managements von Auftragsstornierungen als kritischen Bestandteil einer Risikomanagementstrategie.
  
  
• 00:15:00 In diesem Abschnitt schließt der Autor die Videoserie ab und demonstriert die Funktionsweise des Handelsbots, indem er zeigt, dass es keine Trades für USDJPY und keine schlafende Kerze gibt. Der Autor bietet auch an, den Zuschauern auf Anfrage Updates über den Fortschritt des Bots über Discord zu senden.

[MetaQuotes]

Erstellen Sie Ihre eigene MACD-Zero-Cross-Strategie: Python Trading Bot

Holen Sie sich den Code bei GitHub: https://github.com/jimtin/algorithmic_trading_bot

Erstellen Sie Ihre eigene MACD-Zero-Cross-Strategie: Python Trading Bot

In diesem Video-Tutorial demonstriert der Moderator, wie man mit dem Python-Trading-Bot ein MACD-Nullkreuz-Strategiesignal erstellt. Der Moderator erklärt, wie die MACD-Linie generiert wird und wie sie um einen Nullwert oszilliert, um die Grundlage der Zero-Cross-Strategie zu bilden. Sie führen den Betrachter durch die Schritte zum Erstellen einer Datei für die MACD-Zero-Cross-Strategie, zum Importieren erforderlicher Bibliotheken, zum Strukturieren von Code und zum Übergeben von Parametern wie Symbol und Zeitrahmen. Das Video betont, wie wichtig es ist, die Strategie vor der Implementierung von Kauf- und Verkaufsgeschäften zu testen, und bietet Code zum Einrichten von Stop-Loss- und Take-Profit-Aufträgen basierend auf dem MACD-Nullkreuz.

• 00:00:00 In diesem Abschnitt erläutert das Video-Tutorial, wie Sie mit dem Python-Trading-Bot ein MACD-Nullkreuz-Strategiesignal generieren. Dazu muss der Benutzer Zugriff auf Candlestick-Daten (Open-High-Low-Close-Daten) von einer Börse seiner Wahl haben und seinen eigenen MACD-Indikator generieren, der aus der MACD-Linie, der MACD-Signallinie und dem Histogramm besteht. Das Video gibt einen Überblick darüber, wie die MACD-Linie entsteht und wie sie um einen Nullwert oszilliert, was die Grundlage der Zero-Cross-Strategie ist. Das Tutorial führt dann durch die Schritte zum Erstellen einer Datei für die MACD-Zero-Cross-Strategie, zum Importieren der erforderlichen Bibliotheken, zum Strukturieren von Code und zum Übergeben von Parametern wie Symbol und Zeitrahmen. Das Video betont, wie wichtig es ist, die Strategie zu testen, bevor Kauf- und Verkaufsgeschäfte implementiert werden.
  
  
• 00:05:00 In diesem Abschnitt erörtert der Referent die MACD-Zero-Cross-Strategie und gibt einen Überblick über die Codestruktur. Der MACD-Indikator erfordert mehrere Informationen, und die Standardwerte werden bereitgestellt, aber es wird empfohlen, verschiedene Werte zu testen, die für einzelne Symbole spezifisch sind. Der Redner betont, wie wichtig es ist, den Code für zukünftige Referenzen zu kommentieren, und fügt einen Link zu seinem GitHub hinzu. Der Pseudo-Code für die Strategie umfasst das Abrufen der erforderlichen Daten, das Berechnen der Indikatoren und das Generieren der Signale aus Nulllinienkreuzungen. Platzhalter für jede Funktion sind enthalten, und der Code kann erweitert werden, um andere Parameter wie Take-Profit- und Stop-Loss-Quoten für Backtesting einzubeziehen.
  
  
• 00:10:00 In diesem Abschnitt liegt der Schwerpunkt auf der getData-Funktion, die Daten von einem Austausch abruft, die in der Strategie verwendet werden sollen. Diese Funktion ähnelt derjenigen, die in der vorherigen Folge zur MACD-Crossover-Funktion verwendet wurde, und es wird argumentiert, dass sie strategieabhängig sein könnte, sodass sie in derselben Datei verbleibt. Es ist jedoch entscheidend, genügend Candlesticks abzurufen, da exponentielle gleitende Durchschnitte verwendet werden, und eine Faustregel besagt, dass mindestens fünfmal so viele Candlesticks wie die EMA-Größe berechnet werden müssen. Dies ist wichtig für Börsen wie Binance, die die Anzahl der zu einem bestimmten Zeitpunkt abgerufenen Candlesticks begrenzen können. Sobald die Daten abgerufen wurden, umfasst Schritt zwei die Berechnung der beiden für die Strategie erforderlichen Indikatoren, nämlich den MACD und den MACD-Nulldurchgang, der nach der Definition der Funktion generiert wird.
  
  
• 00:15:00 In diesem Abschnitt erläutert der Referent, wie der MACD-Indikator (Moving Average Convergence Divergence) und der Nulldurchgang mit Python berechnet werden. Zur Berechnung des MACD greift der Redner auf die Indikatorbibliothek zurück und verwendet die Funktion „calc_macd“. Um den Nulldurchgang zu berechnen, muss man zwei zusätzliche Spalten für den Datenrahmen, Position und Präposition, erstellen und sie mit einer booleschen Wahr/Falsch-Anweisung mit Null vergleichen. Eine Lambda-Funktion wird verwendet, um alle N/A-Werte zu entfernen, und die Positions- und Vorpositionswerte werden fallen gelassen, um die Nulldurchgangsspalte zu verlassen.
  
  
• 00:20:00 In diesem Abschnitt des Videos fügt der Moderator dem Code mithilfe einer wiederverwendbaren Bibliothek einen MACD-Nulldurchgangsindikator hinzu, um in Zukunft Zeit zu sparen. Sie erklären, dass die Werte, die sie für Kauf- und Verkaufsstopps und Gewinnmitnahmen verwenden, willkürlich und nicht getestet sind, sodass Benutzer ihre eigenen generieren sollten. Der Präsentator fügt dem Datenrahmen dann leere Spalten für Auftragstypen, Preis, Stop-Loss und Take-Profit hinzu und iteriert durch, um Signale basierend auf einem Nulldurchgang zu generieren. Der Code prüft, ob ein Nulldurchgang wahr ist, und fährt nur fort, wenn dies der Fall ist, sodass die Richtung des MACD getestet werden kann.
  
  
• 00:25:00 Strategie, um Stop-Loss- und Take-Profit-Aufträge basierend auf dem MACD-Nullkreuz einzubeziehen. In diesem Abschnitt erläutert der Referent den Vorgang zum Einrichten von Verkaufsstopp- und Kaufstoppaufträgen, einschließlich der Bestimmung des Stopppreises und der Take-Profit-Distanz. Bei Verkaufs-Stop-Orders wird der Stop-Preis auf das Tief der vorherigen Kerze gesetzt, während der Stop-Preis bei Kauf-Stop-Orders auf das Hoch der vorherigen Kerze gesetzt wird. Die Take-Profit-Distanz wird auf der Grundlage der Differenz zwischen dem Stop-Preis und dem Stop-Loss berechnet und zum entsprechenden Preispunkt addiert. Der Redner fügt auch Kommentare hinzu, um Benutzer bei der Aktualisierung ihrer eigenen Informationen zur Berechnung ihres Stop-Preises und ihrer Stop-Loss-Werte anzuleiten.
  
  
• 00:30:00 In diesem Abschnitt konzentriert sich das Video auf die Aktualisierung der Hauptfunktion, um sie stabiler zu machen. Der Datenrahmen mit den berechneten Werten wird jetzt an die Funktion zurückgegeben, es kann jedoch ein Fehler auftreten, wenn die Funktion versucht, die erste Zeile aufzurufen, da die Take-Profit- und Stop-Loss-Werte auf dem Wert der vorherigen Zeile basieren. Um dieses Problem zu beheben, werden der for-Schleife einige Codezeilen hinzugefügt, die ihr mitteilen, dass sie erst nach dem Passieren der nullten Zeile funktionieren soll, wodurch der Code stabiler wird. Das Video aktualisiert dann die Hauptfunktion, um die Datenrahmenzeilen nur dort zu extrahieren, wo der Nulldurchgang gleich wahr ist, um die Ergebnisse nützlicher zu machen.
  

[MetaQuotes]

Erstellen Sie Ihre eigene MACD-Crossover-Strategie mit MetaTrader 5 und Python

Holen Sie sich den Code bei GitHub: https://github.com/jimtin/algorithmic_trading_bot

Erstellen Sie Ihre eigene MACD-Crossover-Strategie mit MetaTrader 5 und Python

Dieses Video bietet eine umfassende Anleitung zum Erstellen einer MACD-Crossover-Strategie mit Python und MetaTrader 5. Der Prozess umfasst das Erhalten von OHLC-Daten, das Berechnen von Indikatoren, das Generieren von Signalen und das Entwickeln einer Funktion für Crossover, die mit verschiedenen technischen Indikatoren verwendet werden kann. Der Moderator betont die Bedeutung des Backtestings vor der Anwendung der Strategie im Live-Handel und stellt Code und Ressourcen für eine schnelle Implementierung bereit. Das Video behandelt auch die Berechnung von Werten für Verkaufssignale, die Aktualisierung von Datenrahmenwerten und das Filtern von Ergebnissen für einfacheres Backtesting. Insgesamt ist das Video eine großartige Ressource für Händler, die an der Entwicklung und Umsetzung einer MACD-Crossover-Strategie interessiert sind.

• 00:00:00 In diesem Abschnitt des Videos stellt der Moderator die notwendigen Tools vor, die zum Erstellen einer MACD-Crossover-Strategie mit Python und MetaTrader 5 erforderlich sind. Der MACD-Indikator besteht aus drei separaten Informationen: der MACD-Linie, dem MACD Signallinie und das MACD-Histogramm. Bei dieser Strategie liegt der Fokus auf der MACD-Linie und der MACD-Signallinie, die sich kreuzen, um Kauf- und Verkaufssignale zu generieren. Der Präsentator gibt einen Überblick darüber, wie man eine Strategie erstellt, eine Funktion definiert, die alle notwendigen Teile zusammenbringt, und Eingaben wie Symbol, Zeitrahmen und MACD-Eingaben spezifiziert. Der Moderator betont auch die Bedeutung des Kommentierens als Möglichkeit, eine Investition zu tätigen, die in Zukunft unnötige Zeit spart.
  
  
• 00:05:00 In diesem Abschnitt erläutert der Kursleiter die Schritte zur Entwicklung einer MACD-Crossover-Strategie auf MetaTrader 5 mit Python. Der erste Schritt besteht darin, die OHLC-Daten (Open, High, Low, Close) für das gewählte Symbol, den Zeitrahmen und die Börse zu erhalten. Dann werden der MACD-Indikator und ein weiterer Indikator (nicht angegeben) basierend auf Eingabewerten für MACD schnell, langsam und Signal berechnet. Als nächstes werden die Signale unter Verwendung der Indikatoren und willkürlichen Werte für Regeln erzeugt. Der Ausbilder rät davon ab, diese Werte für den Live-Handel ohne Backtesting zu verwenden. Schließlich könnte, falls gewünscht, ein automatischer Trading-Bot erstellt werden, um Trades basierend auf den generierten Signalen auszuführen.
  
  
• 00:10:00 In diesem Abschnitt erklärt der Referent, wie wichtig es ist, eine angemessene Anzahl von Candlesticks abzurufen, wenn EMAs in einer Handelsstrategie verwendet werden. Als Faustregel gilt, mindestens das Fünffache der Zahl des zu berechnenden EMA abzurufen. Wenn die verwendete Börse eine Begrenzung für die Anzahl der abrufbaren Candlesticks hat, kann dies die Verwendung bestimmter EMA-Werte beim Backtesting beeinflussen. Darüber hinaus geht der Redner durch den Prozess der Berechnung des MACD-Indikators mit ta-lib und erklärt, dass ein einfacher Crossover-Indikator in die Strategie eingebaut werden muss, um zu erkennen, wann sich die MACD-Linie und die Signallinie kreuzen.
  
  
• 00:15:00 In diesem Abschnitt des Videos erklärt der Moderator, wie eine generische Crossover-Funktion erstellt wird, die zwei beliebige Spalten eines Datenrahmens verwendet und angibt, wann sie sich kreuzen. Durch die Verwendung dieser Funktion können Trader problemlos verschiedene technische Indikatoren mit Crossing-Mechanismen verwenden. Die Funktion erstellt zwei zusätzliche Spalten im Datenrahmen, der sie miteinander vergleicht. Sobald ein Kreuz identifiziert wurde, wird eine dritte Spalte hinzugefügt, wobei nur die neue Kreuzspalte übrig bleibt. Der Präsentator betont, wie wichtig es ist, NA-Werte fallen zu lassen und vor Ort Gleichheit zu verwenden, um sicherzustellen, dass die Funktion beim algorithmischen Handel schnell ist. Händler können auf den Code auf der Github-Seite des Algorithmic Trading Bot zugreifen https://github.com/jimtin/algorithmic_trading_bot .
  
  
• 00:20:00 In diesem Abschnitt behandelt das Video die Berechnung von Signalen für die MACD-Crossover-Strategie. Die Funktion nimmt einen Datenrahmen auf und ermöglicht es Benutzern, die Take-Profit-, Stop-Loss- und Kauf-/Verkaufspreise anzupassen. Die Funktion beginnt mit dem Hinzufügen von Spalten für Auftragstyp, Stop-Preis, Stop-Loss und Take-Profit, die als Platzhalter für nicht getätigte Trades dienen. Die Funktion durchläuft dann jede Zeile des Datenrahmens und prüft, ob es eine Überkreuzung gibt, die anzeigt, dass ein Handel stattfinden muss. Bei einem Crossover prüft die Funktion, ob die MACD-Linie über oder unter der Signallinie liegt, um die Handelsrichtung zu bestimmen, die durch einen Signalwert von entweder 1 oder -1 angezeigt wird. Die Funktion gibt dann einen Datenrahmen mit den Kauf- und Verkaufssignalen für einfaches Backtesting und Überprüfung zurück.
  
  
• 00:25:00 In diesem Abschnitt erklärt der Referent, wie man Werte für ein Verkaufssignal in der MACD-Crossover-Strategie mit Python und MetaTrader 5 berechnet. Nachdem das Cross passiert und der MACD unter das Signal fällt, ist dies ein Hinweis darauf, zu verkaufen, was bedeutet, dass der Preis kurz davor steht oder bereits sinkt. Daher ist der Auftragstyp auf Kauf-Stop, Stop-Preis auf das Hoch der vorherigen Kerze und Stop-Loss auf das Tief der vorherigen Kerze eingestellt. Der Take-Profit ist auf ein Verhältnis von eins zu eins eingestellt. Für ein Verkaufssignal werden die entgegengesetzten Parameterwerte verwendet, dh Stop-Loss wird auf das Hoch der vorherigen Kerze gesetzt, Verkaufs-Stop auf das Tief der vorherigen Kerze und Gewinnmitnahme im Verhältnis eins zu eins.
  
  
• 00:30:00 In diesem Abschnitt des Videos erörtert der Sprecher die Aktualisierung der Werte im Datenrahmen der MACD-Crossover-Strategie. Sie stellen fest, dass der vorherige Code zwar dafür gesorgt hat, dass das Signal gleich 1 oder negativ eins war, es aber die meiste Zeit gleich null sein wird, was zu potenziellen Fehlern führt. Um Fehler zu vermeiden, fügen sie Standardwerte wieder hinzu, wenn es keinen Ordertyp, Stop-Preis, Stop-Loss oder Take-Profit-Wert gibt. Darüber hinaus stellt der Sprecher fest, dass, wenn die allererste Zeile des Datenrahmens diejenige ist, die einen wahren Wert generiert, kein Minus erforderlich ist, um dorthin zu gelangen, was zu weiteren Fehlern führen könnte. Um dieses Problem anzugehen, wird eine einfache Funktion geschrieben, um die allererste Zeile des Datenrahmens zu überspringen.
  
  
• 00:35:00 In diesem Abschnitt erklärt der Moderator, dass der vorhandene Code in der main-Funktion des Python-Skripts einige Startfunktionen aufruft und die MACD-Crossover-Strategie importiert. Er fährt fort, die Hauptfunktion zu aktualisieren, um das ETH/USD-Währungspaar mit einem Zeitrahmen von einer Stunde zu verwenden, und druckt es auf dem Bildschirm aus. Da es jedoch viele Fälle gibt, in denen nichts passiert, schlägt er vor, die Ergebnisse zu filtern, um nur die Werte zu drucken, die wahr sind, um das Backtesten der Strategie zu erleichtern. Das Video zeigt dann, wie der Code geändert werden kann, um dies zu erreichen.

[MetaQuotes]

So installieren Sie TA Lib unter Windows

Holen Sie sich den Code bei GitHub: https://github.com/jimtin/algorithmic_trading_bot

So installieren Sie TA Lib unter Windows

Dieses YouTube-Tutorial enthält detaillierte Anweisungen zur Installation von TA Lib, einer technischen Analysebibliothek, unter Windows 10. Die Schritte umfassen das Herunterladen und Installieren von Microsoft Visual Studio-Build-Tools und TA Lib, das Verwenden von Microsoft Powershell zum Entpacken der TA Lib-Datei und das Kompilieren des Programms Verwenden Sie die Developer-Eingabeaufforderung und führen Sie "pip install ta lib" aus, um das Programm zu installieren. Das Tutorial warnt davor, dass die Installation von TA Lib unter Windows eine Herausforderung sein kann, bietet jedoch eine klare Anleitung für Benutzer mit Administratorzugriff.

• 00:00:00 In diesem Abschnitt gibt der YouTuber Anweisungen zur Installation von TA Lib auf einem Windows 10-Rechner mit Administratorzugriff. Sie erklären, dass TA Lib eine technische Analysebibliothek mit über 150 Indikatoren ist, die von Handelsunternehmen und Händlern verwendet werden. Sie warnen davor, dass die Installation unter Windows eine Herausforderung sein kann, und erklären die drei erforderlichen Downloads, einschließlich der Microsoft Visual Studio-Build-Tools und der TA Lib selbst. Anschließend erläutern sie die Schritte zum Herunterladen und Installieren dieser Tools und zum Entpacken der TA Lib-Datei mithilfe von Microsoft Powershell.
  
  
• 00:05:00 In diesem Abschnitt erklärt das Transkript, wie TA Lib unter Windows kompiliert wird, nachdem Visual Studio-Tools installiert wurden. Das Video hebt eine Änderung hervor, die jetzt die Verwendung der Eingabeaufforderung des Entwicklers und die Eingabe des Speicherorts der Datei erfordert, bevor der Befehl end make zum Kompilieren des Programms ausgeführt wird. Schließlich wird den Benutzern empfohlen, "pip install ta lib" auszuführen, um das Programm zu installieren.

[MetaQuotes]

Wie handelt man mit MetaTrader 5 mit Python?

✅¿Operator mit Metatrader5 und Python verwenden?✅

Das Video zeigt, wie man Python verwendet, um sich mit MetaTrader 5 zu verbinden, um Anlageroboter zu programmieren und Forex-Marktstrategien zu automatisieren. Es werden verschiedene Bibliotheken vorgestellt und die Funktionen der MetaTrader 5-Bibliothek zur Initialisierung und zum Abrufen von Daten erläutert. Der Moderator demonstriert auch, wie man Finanzdaten aus MetaTrader 5 mit Python extrahiert, Datumsbereiche und Symbole angibt und die Daten mit einer Plot-Funktion grafisch darstellt, um Ask und Bid, Last und Volumen anzuzeigen. Das Video zeigt Codebeispiele und bietet die Möglichkeit, mit Hilfe der Bestellsendefunktion einen Kurs zum Erstellen eines Anlageroboters zu erstellen.

• 00:00:00 In diesem Abschnitt erläutert das Video, wie man Python mit MetaTrader 5 verbindet, um Anlageroboter zu programmieren und Forex-Marktstrategien zu automatisieren. Der Host stellt Bibliotheken vor, darunter DateTime, eine Datumsbibliothek, Pandas, eine Datenvisualisierungsbibliothek und die Sternbibliothek MetaTrader 5. Die MetaTrader 5-Bibliothek verfügt über Funktionen zum Initialisieren und Abrufen von Daten, die erläutert werden. Das Video enthält Codebeispiele und zeigt, wie Sie mithilfe der Bibliotheksfunktionen Anfragen stellen, um Anlageroboter zu programmieren.
  
  
• 00:05:00 In diesem Abschnitt demonstriert der Moderator, wie man Finanzdaten aus MetaTrader 5 mit Python extrahiert. Die Demo umfasst die Angabe des Bereichs der zu extrahierenden Daten und Symbole und die Konvertierung der Daten in einen Datenrahmen. Die Daten werden dann mit einer Plot-Funktion dargestellt, um Ask und Bid, Last und Volumen anzuzeigen. Der Moderator schlägt vor, dass man diese Datenrahmen verwenden könnte, um mit Hilfe der Auftragssendefunktion Strategien oder Roboter zu erstellen. Der Moderator bietet auch die Möglichkeit, einen Kurs zum Erstellen eines Anlageroboters zu erstellen.

[MetaQuotes]

RSI Trading Bot mit Python und MetaTrader 5

Holen Sie sich den Code bei GitHub: https://github.com/kecoma1/Trading_BOT/tree/main/ta/RSI/BOT

RSI TRADING BOT MIT PYTHON UND METATRADER 5!!!

Das Video erklärt, wie man einen Trading-Bot mit Python, MetaTrader 5 und dem RSI-Indikator erstellt. Es deckt verschiedene Handelsthreads und -funktionen ab, wie z. B. den Kerzenthread und die Funktion zum Laden vorheriger Kerzen, und hebt die Bedeutung der Behandlung von Ausnahmen beim Umgang mit den Tick-Werten hervor. Das Video behandelt auch das Setzen eines richtigen Stop-Loss und Take-Profit sowie den Prozess des Sendens und Prüfens der Orders. Der Präsentator demonstriert die Funktionsweise des Bots, indem er eine Zellenposition im EVP öffnet und abschließend die Zuschauer ermutigt, ihren Kanal zu liken, zu teilen und zu abonnieren.

• 00:00:00 In diesem Abschnitt des Videos erklärt der Moderator, wie man einen Python-Bot mit Metatrader 5 und dem Indikator RSI erstellt. Das Video geht durch die Hauptfunktion des Bots, die verwendeten Threads und den Bot-Klassenkonstruktor, in dem Lotage, Zeitraum und Markt festgelegt werden. Darüber hinaus bietet der Presenter eine Aufschlüsselung der verschiedenen Handelsthreads und -funktionen, einschließlich des Kerzenthreads und der Funktion zum Laden vorheriger Kerzen. Der Code für diesen Bot ist auch auf GitHub des Moderators verfügbar.
  
  
• 00:05:00 In diesem Abschnitt erklärt das Video, wie die Candle-File- und RSI-Funktionen im Trading-Bot zusammenarbeiten. Die Kerzendatei erstellt Kerzen basierend auf den empfangenen Tick-Daten und prüft für jede Periode, ob eine neue Kerze erstellt oder die aktuelle aktualisiert werden soll. Die RSI-Datei wartet, bis der Candle-Thread signalisiert, dass er bereit ist, den RSI-Indikator zu berechnen, erstellt einen Datenrahmen und verwendet die TA-Bibliothek, um den RSI-Wert zu berechnen. Das Video betont die Verwendung von Pandas-Datenrahmen zum Speichern und Verarbeiten der Werte und hebt die Bedeutung der Behandlung von Ausnahmen beim Umgang mit den Tick-Werten hervor.
  
  
• 00:10:00 In diesem Abschnitt geht das Video darauf ein, wie man den RSI-Indikator mit dem RSI-Objekt lädt und einen Datenrahmen mit der Schlussspalte aus der Kerzendatei erstellt. Der RSI berechnet dann den Wert basierend auf der Close-Spalte mit einem festgelegten Parameter von 14. Die letzten beiden nicht beweglichen Werte des RSI werden in dem von allen Threads gemeinsam genutzten Datenwörterbuch gespeichert. Die Thread-Orders werden dann aufgerufen, um eine Kauf- oder Verkaufsposition zu eröffnen, je nach dem für den Typ angegebenen Argument. Die Funktion für offene Positionen nimmt die Argumente Markt, Losgröße und Typ und definiert die Stop-Loss- und Take-Profit-Punkte. Der Haupt-Thread wartet dann darauf, dass der RSI geladen wird, bevor er prüft, ob die Bedingungen mit dem Indikator erfüllt sind, und wenn ja, öffnet er eine Position und prüft, ob zwischen der letzten Operation genug Zeit vergangen ist.
  
  
• 00:15:00 In diesem Abschnitt des Videos erläutert der Sprecher das Festlegen eines angemessenen Stop-Loss und Take-Profit, das Berechnen der Anzahl von Punkten über oder unter dem gewünschten Preis und das Erstellen eines Wörterbuchs, das die erforderlichen Informationen wie Aktion und Markt enthält , Losgröße, Art, aktueller Preis, Stop-Loss und Take-Profit. Der Referent erklärt auch den Ablauf der Bestellung und die Prüfung auf eventuell auftretende Fehler. Darüber hinaus zeigt das Video das Beenden der Threads und das Herunterfahren der Metatrader 5-Software und enthält einen Test zum Eröffnen einer Position in den Paaren EUR/USD und AUD/USD.
  
  
• 00:20:00 In diesem Abschnitt demonstriert der Moderator, wie der RSI-Handelsbot mit Python und MetaTrader 5 funktioniert, indem er eine Zellposition im EVP öffnet und überprüft, ob Stop-Loss und Take-Profits in Ordnung sind. Der Take-Profit wird auf 500 Punkte und der Stop-Loss auf 100 Punkte festgelegt. Der Moderator schließt das Video ab, indem er wiederholt, dass das Erstellen eines Bots mit der TA-Bibliothek und RSI in MetaTrader5 einfach ist und die Zuschauer dazu ermutigt, das nächste Video zu mögen, zu teilen, zu abonnieren und anzusehen.

[MetaQuotes]

Wie man Python mit MetaTrader 5 verbindet - MQL5

COMO CONECTAR PYTHON AO METATRADER 5 - MQL5

Dieses Video stellt eine Reihe darüber vor, wie man Python mit MQL5 verbindet, was die Entwicklung von Robotern ermöglicht, die quantitative und vielseitige Analysen unter Verwendung von Python-Bibliotheken für MetaTrader 5-Handelsplattformen durchführen können. Der Referent erklärt den Prozess des Herunterladens von Anaconda und MetaTrader 5 und betont die Bedeutung der Verwendung des Windows-Betriebssystems für die besten Ergebnisse. Das Video zeigt das Herunterladen der MetaTrader 5-Bibliothek in Anaconda und das Verbinden von Python mit MetaTrader 5 über MQL5. Außerdem demonstriert der Moderator, wie man überprüft, ob eine Verbindung funktioniert, und wie man die Autocomplete-Funktion verwendet, um beim Programmieren zu helfen.

• 00:00:00 In diesem Abschnitt stellt der Redner eine Reihe von Videos vor, die die leistungsstarke Programmiersprache Python mit der Sprache MQL5 verbinden, die Roboter für die Handelsplattform MetaTrader 5 entwickelt. Durch diese Verbindung können die Rechenleistung von Python und die Umsetzung von Ideen in der MQL5-Sprache kombiniert werden, um Roboter für quantitative und facettenreiche Analysen unter Verwendung von Python-Bibliotheken zu erstellen, was letztendlich zur Produktion von Robotern für den Kauf und Verkauf auf der Grundlage dieser Analysen führt. Der Redner führt den Betrachter durch den Prozess des Herunterladens von zwei wichtigen Tools, Anaconda und MetaTrader 5, und erklärt die Bedeutung der Verwendung des Windows-Betriebssystems für die effektivste Nutzung dieser Tools.
  
  
• 00:05:00 In diesem Abschnitt zeigt das Video den Download und die Installation von Anaconda, einer Plattform, auf der man Anwendungen, Algorithmen und Skripte für Data Mining, künstliche Intelligenz und mehr entwickeln kann. Innerhalb von Anaconda gibt es verschiedene Tools wie Spider, Jupyter Notebooks und Navigator, aber der Fokus liegt auf Jupyter Notebook. Das Video führt durch die Installation einer Bibliothek über die Eingabeaufforderung von Anaconda, die Python mit der MQL5-Sprache verbindet, was die Integration der Handelsfunktionalität mit MetaTrader 5 ermöglicht. Der Import der erfolgreich installierten MetaTrader 5-Bibliothek und ihrer Python-Syntax wird ebenfalls demonstriert.
  
  
• 00:10:00 In diesem Abschnitt des Videos demonstriert der Moderator, wie man Python mit MQL5 verbindet. Der erste Schritt besteht darin, die Plattform zu initialisieren, indem ein Befehl mit zwei schnellen Klicks eingegeben wird. Sie speicherten die Datei im MQL5-Ordner und überprüften, ob die Verbindung funktionierte, indem sie einen Befehl ausführten, der die Werte der Terminalinformationen anzeigte. Der Moderator weist auch darauf hin, wie wichtig es ist, die Autocomplete-Funktion zu verwenden, um beim Programmieren zu helfen, und dass er mehrere Videos veröffentlichen wird, die zeigen, wie die Funktionalität des Meta-Traders mit der MQL5-Sprache verwendet werden kann.

[MetaQuotes]

So sammeln Sie MetaTrader 5-Tick-Preise für Python

WIE MAN METATRADER 5 TICK-PREISE FÜR PYTHON ERHEBT

Im Video „HOW TO COLLECT METATRADER 5 TICK PRICES FOR PYTHON“ erklärt der Moderator, wie man MetaTrader 5 mit Python verbindet und Preisdaten für ein bestimmtes Symbol sammelt. Sie verwenden ein Dictionary-Objekt, um Daten zu manipulieren und zu parsen, und importieren erforderliche Bibliotheken, um Zeitstempeldaten umzuwandeln und sie mithilfe der Pandas-Bibliothek anzuzeigen. Die gesammelten Daten umfassen Informationen wie Zeit in Millisekunden, Volumen und reales Volumen, die für die Analyse von Preistrends nützlich sein können. Schließlich wandeln sie die Daten für eine effizientere Analyse in eine Datenrahmenstruktur um, visualisieren die Daten und führen eine schnelle beschreibende Analyse durch, bevor sie die Verbindung mit dem MetaTrader 5-Terminal schließen.

• 00:00:00 In diesem Abschnitt des Videos zeigt der Moderator, wie man MetaTrader 5 mit Python verbindet und wie man Preise innerhalb der MetaTrader-Plattform mit Python erwirbt. Zunächst importiert der Präsentator die erforderlichen Bibliotheken und initialisiert das Terminal. Dann wird das Objekt des Terminals in ein Verzeichnisobjekt geändert, um es einfacher zu manipulieren. Als Nächstes demonstriert der Moderator, wie ein Wörterbuch verwendet wird, um Daten zu parsen und alle zugehörigen Schlüssel und Werte zurückzugeben. Abschließend zeigt der Moderator, wie man Daten von MetaTrader sammelt und in einer Variablen namens „data“ in Python speichert.
  
  
• 00:05:00 In diesem Abschnitt erläutert der Referent, wie Preisinformationen für ein bestimmtes Symbol mithilfe der Programmiersprache Python erfasst werden. Der Benutzer gibt das Symbol, das Startdatum und die Anzahl der zu sammelnden Datenpunkte an. Der Sprecher importiert dann die erforderlichen Bibliotheken, um die Zeitstempeldaten umzuwandeln, und zeigt die gesammelten Daten mithilfe der Pandas-Bibliothek an. Die gesammelten Daten umfassen Informationen wie Zeit in Millisekunden, Volumen und reales Volumen, die für die Analyse von Preistrends nützlich sein können.
  
  
• 00:10:00 In diesem Abschnitt demonstriert der Referent, wie Daten in eine Datenrahmenstruktur transformiert werden, die einer Tabellenkalkulation ähnelt, um eine schnellere und effizientere Datenanalyse zu ermöglichen. Sie importieren mehrere Python-Bibliotheken, einschließlich Pandas, und führen den Code aus, um eine neue Datenrahmenvariable zu erstellen. Anschließend zeigen sie, wie das Format besser lesbar gemacht und die Daten zur einfacheren Analyse visualisiert werden können. Der Referent demonstriert auch, wie die Verbindung mit dem MetaTrader-Terminal beendet wird, und führt eine schnelle beschreibende Analyse der gesammelten Daten durch. Das Video ist Teil einer Serie über die Verbindung einer MetaTrader-Plattform mit Python für Datenanalyse und KI.

[MetaQuotes]

Wie man mit Python und MetaTrader 5 im MetaEditor arbeitet

Verwenden Sie Python und MT5 ohne MetaEditor

Das Video-Tutorial „Como trabalhar com Python e MT5 no MetaEditor“ erklärt, wie man Python und MT5 im MetaEditor-Programm verwendet. Es behandelt den Zugriff auf das Terminal, das Erstellen einer neuen Python-Datei und beliebte Python-Bibliotheken. Es ist möglich, einen Python-Compiler in der MetaEditor-Plattform zu installieren, aber der Referent rät zu alternativen Umgebungen wie Spider oder Jupyter Notebook. Das Video schlägt andere Optionen für die Python-Entwicklung vor, einschließlich Cloud-basierter Plattformen wie Google Colab.

[MetaQuotes]

Wie man Demo-, Real-, B3 MARKET- und FOREX-Konten in MetaTrader 5 und Python handelt

COMO TROCAR CONTAS DEMO, REAL, MERCADO B3 E FOREX NO MT5 E PYTHON

In dem Video stellt der Moderator ein Tutorial zur Verfügung, wie man MetaTrader 5 mit Python verbindet, um Kontotypen zu ändern, wie z. B. Demo zu Real, sowie auf verschiedene Marktkonten für verschiedene Broker zuzugreifen. Das Tutorial behandelt die Initialisierung und den Zugriff auf Konten durch Eingabe von Anmeldedaten, Serverdaten und Kennwörtern. Die Anweisungen sind einfach und leicht zu befolgen.