Python im algorithmischen Handel - Seite 13

Neuer Kommentar
 

EMA IN PYTHON - BIBLIOTHEK FÜR TECHNISCHE ANALISYS



EMA EN PYTHON - TECHNISCHE ANALISYS-BIBLIOTHEK

Der Kursleiter demonstriert, wie der Indikator für den exponentiellen gleitenden Durchschnitt in Python geladen wird, indem vorab geladene Daten verwendet werden. Der erste Schritt besteht darin, die Daten von MetaTrader 5 zu erhalten, was durch Auswahl des gewünschten Marktes und der gewünschten Daten und anschließendem Export der Daten erfolgen kann. Sobald die Daten erhalten sind, müssen sie mithilfe einer Funktion in Kerzen umgewandelt werden. Der Dozent installiert dann die erforderliche Bibliothek und importiert die EMA-Indikatorklasse aus der Bibliothek. Um den EMA zu berechnen, wird eine Datenrahmenspalte, z. B. die Schlussdaten, an den Konstruktor übergeben. Der Fensterparameter gibt die Anzahl der für den EMA zu verwendenden Perioden an. Schließlich werden die EMA-Werte mithilfe der Methode ema_indicator erhalten, die einen Datenrahmen mit den Werten erstellt.

 

SMA IN PYTHON - BIBLIOTHEK FÜR TECHNISCHE ANALYSEN



SMA UND PYTHON!! - TECHNISCHE ANALYSEBIBLIOTHEK

Das Video spricht über den Simple Moving Average (SMA) und wie er in Python verwendet werden kann. Der Moderator erklärt, dass SMA mit früheren Daten, die über MetaTrader5 abgerufen werden können, einfach zu verwenden ist. Das Video zeigt weiter, wie man Kerzen aus Tickdaten erstellt und den SMA-Wert mit der AlgoTraderTrends-Bibliothek berechnet. Der Moderator bietet eine Schritt-für-Schritt-Anleitung zum Importieren und Verwenden der Bibliothek zum Berechnen des SMA-Werts aus einer bestimmten Spalte des Datenrahmens. Das Video endet mit einem Aufruf zum Handeln, damit die Zuschauer das Video mögen, abonnieren und teilen können, wenn sie es hilfreich fanden.

 

Wie importiere ich Aktienkursdaten von MetaTrader 5 in Python?


Wie importiere ich Aktienkursdaten von MetaTrader 5 in Python?

In diesem YouTube-Video werden verschiedene Methoden zum Importieren von Aktienkursdaten aus MetaTrader 5 in Python erklärt. Zu den Methoden gehören das Importieren der erforderlichen Bibliotheken, das Festlegen des gewünschten Zeitrahmens und der gewünschten Zeitzone, das Definieren einer Funktion namens „Get Data“, das Bearbeiten des resultierenden Datenrahmens, das Verwenden des tqtndm-Pakets, das Erstellen eines Ratenrahmens und das Verwenden von zwei Datenrahmen zum Abrufen von Preisen und Datums-/Uhrzeitinformationen. Der Redner schlägt vor, die Schleifen in eine Funktion zu integrieren, um den Code sauberer zu machen, und mit diesen Methoden können Benutzer Daten für zahlreiche Symbole ohne große Schwierigkeiten importieren.

  • 00:00:00 In diesem Abschnitt erklärt der Referent, wie man Aktienkursdaten von MetaTrader5 in Python importiert. Der erste Schritt besteht darin, alle erforderlichen Bibliotheken zu importieren, einschließlich pandas, pytz, datetime, tqdm und MetaTrader5. Dann initialisiert der Sprecher MetaTrader5 und stellt die gewünschte Zeitzone und den Zeitrahmen ein. Der Sprecher definiert eine Funktion namens "Daten abrufen", die das Symbol, die Anzahl der benötigten Kerzen und den Zeitrahmen erfordert. Die Funktion gibt die gewünschten Daten zurück, und der Sprecher erklärt, was jeder Ein- und Ausgang in der Funktion bewirkt.

  • 00:05:00 In diesem Abschnitt erläutert der Referent eine Funktion zum Importieren von Aktienkursdaten aus MetaTrader5 in Python. Die Funktion nimmt ein Symbol, einen Zeitrahmen und ein Datum auf und gibt einen Datenrahmen zurück, der die angeforderten Daten enthält. Der Sprecher führt Schritte durch, um den resultierenden Datenrahmen zu manipulieren, einschließlich der Umwandlung der Zeitspalte in Tageszeit und des Löschens unnötiger Spalten. Darüber hinaus wird die Verwendung einer for-Schleife vorgeschlagen, um das Abrufen von Daten für mehrere Assets zu vereinfachen.

  • 00:10:00 In diesem Abschnitt erklärt der Referent, wie man Aktienkursdaten von MetaTrader5 mit dem tqtndm-Paket in Python importiert. Sie verwenden die Try-Funktion und die Accept-Funktion, um eine zuvor definierte Ratenfunktion aufzurufen, die das Symbol und die auf 400 festgelegte Anzahl von Tagen akzeptiert. Die zurückgegebenen Daten werden an ein Wörterbuch angehängt, und alle nicht verfügbaren Daten werden gelöscht. Der Sprecher schlägt vor, die Schleife in eine Funktion zu stecken, um den Code sauberer zu machen. Insgesamt umfasst der Prozess das Erstellen eines Tarifrahmens, das Anhängen der Daten an ein Wörterbuch und das anschließende Ausführen des Skripts.

  • 00:15:00 In diesem Abschnitt erklärt der Referent, dass Benutzer durch die Verwendung von zwei Datenrahmen Aktienkursdaten einfach von Metatrader5 in Python importieren können, indem sie die Preise und Datums-/Zeitinformationen abrufen. Dieses Verfahren kann ohne große Schwierigkeiten für zahlreiche Symbole verwendet werden.
 

RSI TRADING BOT IN PYTHON!!- DATEN VOM METATRADER ERHALTEN 5



RSI BOT DE TRADING IN PYTHON!! - COGIENDO-DATEN VON METATRADER 5

Das Video bietet ein ausführliches Tutorial zum Erstellen eines Python-Bots mit dem RS-Index auf MetaTrader 5 (MT5) für den algorithmischen Handel. Der Prozess umfasst das Konfigurieren von MT5 für algorithmischen Handel und Webanfragen, das Erstellen einer Bot-Datei mithilfe der Mt5-Bibliothek und das Importieren der RS-Handelsklasse mit einem Konstruktor, der Parameter wie den Zeitraum, die Losgröße und die Marktzeichenfolge empfängt. Um den Bot zu aktivieren, verwendet der Präsentator die „set“-Funktion, um ein Ereignis zu initiieren, und die „join“-Funktion, um den Vorgang korrekt zu beenden. Das Video behandelt auch die Erstellung eines Servermoduls zum Empfangen von Daten von MT5 und die Definition einer Funktion zum Öffnen und Schließen von Bot-Trades. Der Moderator testet den Bot, indem er ihn in ein Diagramm lädt und sein Verhalten analysiert. Insgesamt bietet das Video eine ausführliche Anleitung zum Einrichten und Testen des RSI-Bots für den automatisierten Handel.

  • 00:00:00 In diesem Abschnitt erklärt der Videoersteller, wie man mit MetaTrader 5 (MT5) einen Handelsbot unter Verwendung des RS-Index in Python erstellt. Der erste Schritt besteht darin, MT5 zu konfigurieren, um algorithmischen Handel und Webanfragen zu ermöglichen. Dann zeigt der Ersteller, wie man den Bot erstellt, indem er eine Bot-Datei mit der Mt5-Bibliothek erstellt, die RS-Handelsklasse importiert und einen Konstruktor erstellt, der Parameter wie Zeitraum, Losgröße und Marktzeichenfolge empfängt. Schließlich demonstriert der Ersteller, wie man den Bot mithilfe eines Ereignisses und eines Wörterbuchs zum Speichern von Handelsdaten korrekt stoppt. Benutzer können auf den vollständigen Code im GitHub-Profil des Erstellers zugreifen.

  • 00:05:00 In diesem Abschnitt des Videos erläutert der Moderator die Erstellung von Funktionen zum Öffnen und Schließen der drei Bots sowie das Aktivieren eines Ereignisses und das Stoppen der Bots, nachdem sie gestartet wurden. Der Präsentator verwendet die „Set“-Funktion, um das Ereignis zu aktivieren und die „Join“-Funktion, um den Vorgang korrekt zu beenden. Darüber hinaus erstellen sie eine separate Funktion, um darauf zu warten, dass der Benutzer „Enter“ drückt, bevor sie das Programm stoppen und die Bots mit der „Join“-Funktion stoppen. Anschließend definieren sie eine Funktion für jeden der drei Bots, wobei der einzige Unterschied zwischen ihnen der auf der Konsole ausgegebene Text ist.

  • 00:10:00 In diesem Abschnitt behandelt das Video die Erstellung eines Moduls namens „python rs6“, das als Server fungiert und Daten von MT5 empfängt, das als Client fungiert. Die Socket-Bibliothek wird verwendet, um den Server mit einer Portnummer von 889 und einer auf localhost festgelegten Adresse zu erstellen. Das Video erklärt dann, wie man eine Funktion erstellt, um den Socket zu initiieren und auf Verbindungen zu warten, wobei die Accept-Funktion verwendet wird, um eingehende Verbindungen zu akzeptieren. Die Hauptschleife der Funktion wird so eingestellt, dass sie unbegrenzt läuft, bis das Stoppereignis festgelegt ist, wobei die Funktion Nachrichten empfängt und sie decodiert, während das Stoppereignis nicht festgelegt ist. Insgesamt behandelt das Video die Grundlagen der Erstellung eines Python-Bots für den Handel mit RSI-Daten.

  • 00:15:00 In diesem Abschnitt des Videos erstellt der Moderator einen RSI-Trading-Bot in Python, der Daten von MT5 abruft. Der Bot mit dem Namen „rs player“ wird im Expert Advisor-Bereich von MT5 erstellt und mit den R&S- und Socket-Verbindungen geladen, um eine Verbindung zu einem Python-Server an einer bestimmten Adresse herzustellen. Bei einem ausgeführten Tick sendet der Bot Informationen an den Server, bei denen es sich um einen String handelt, der den RSI-Wert vom vorherigen Tick und den aktuellen RSI-Wert enthält. In Python werden die empfangenen Daten durch ein Komma geteilt und in ein Fließkomma umgewandelt, was eine weitere Bearbeitung der Daten ermöglicht. Der Bot wird geschlossen, indem die Verbindung und der Server-Socket mit einer zusätzlichen Funktion geschlossen werden, um aufgetretene Fehler zu behandeln. Der Präsentator testet den Bot, indem er eine Hauptdatei erstellt, die MT5 und die Bot-Klasse importiert, eine Instanz initialisiert und die Live-Handelssitzung startet.

  • 00:20:00 In diesem Abschnitt zeigt das Video, wie der Bot in ein Diagramm geladen und getestet wird, ob er Daten korrekt empfängt. Der Bot ist so eingestellt, dass er in 60 Sekunden 1 Trade von 0,01 erhält, mit Variablen zum Erstellen von Aufträgen und der Höhe der verwendeten Hebelwirkung. Um den Bot auszuführen, zeigt das Video den Benutzern, wie sie den Code speichern und in MQL5 kompilieren und anschließend den Bot schließen, indem sie auf „Enter“ klicken. Dann zeigt das Video die Erstellung einer Auftragsdatei mit Makros, einschließlich „Kerzen“ und „Zwischenoperationen“, um sicherzustellen, dass nur ein Handel pro Kerzensatz ausgeführt wird. Insgesamt bietet das Video eine detaillierte Anleitung zum Einrichten und Testen des RSI-Bots für den algorithmischen Handel.

  • 00:25:00 In diesem Abschnitt des Transkriptauszugs erklärt der Sprecher, wie eine Funktion namens „Grenzen“ erstellt wird, die das Stoppereignis, das gemeinsame Datenwörterbuch und das Bot-Informationswörterbuch als Eingaben empfängt. Die Funktion enthält Variablen zum Speichern der Zeit der letzten Operation und der aktuellen Zeit. Der Abschnitt behandelt auch die Logik hinter der Eröffnung einer Kauf- oder Verkaufsposition basierend auf bestimmten Bedingungen und die Bedeutung der Berücksichtigung der Zeit zwischen den Operationen. Der Sprecher erwähnt, dass eine Funktion namens „Position eröffnen“ erstellt werden muss, um eine Position zu eröffnen.

  • 00:30:00 In diesem Abschnitt erklärt der YouTuber, wie man eine Funktion für den Handel mit der MetaTrader 5-Plattform mit Python definiert. Die Funktion heißt "offene Position" und erhält den Markt, das Lot und die Art der Operation. Der YouTuber erklärt, dass der Code für diese Funktion auf einer Google Chrome-Seite zum MT5-Python-Bestellversand zu finden ist und direkt kopiert und eingefügt werden kann. Es gibt jedoch einige Dinge, die angepasst werden müssen, wie z. B. die Auftragsart, Stop-Loss und Take-Profit, die vom Broker des Benutzers abhängen. Der YouTuber definiert den Stop-Loss und Take-Profit für den Bot und zeigt dann, wie man die Funktion importiert und einen Bot zur Ausführung von Trades erstellt.

  • 00:35:00 In diesem Abschnitt demonstriert der YouTuber, wie man auf das letzte Element einer Liste im Code von Ceret Orders zugreift, indem er „[-1]“ in den Code eingibt, wodurch das letzte Element der Liste zurückgegeben wird. Der nächste Schritt besteht darin, den Kauf-Trigger auf einen bestimmten Preispunkt zu setzen, indem der Code so geändert wird, dass er kauft, wenn der Preis über 50 steigt. Der Bot kann ausgeführt werden, und wenn die Kriterien erfüllt sind, z. B. wenn der Preis den Schwellenwert überschreitet, wird er ausgeführt einen Kaufauftrag ausführen. Der Benutzer kann dann überprüfen, ob die Take-Profit- und Stop-Loss-Level korrekt eingestellt sind, indem er den Code überprüft und das Verhalten des Bots beobachtet. Der YouTuber ermutigt Benutzer, sich den Bot auf GitHub anzusehen und das Video zu mögen, zu abonnieren und zu teilen.
 

So laden Sie Daten von der Börse mit MetaTrader 5 und Python herunter



So laden Sie Börsendaten mit MetaTrader 5 und Python herunter

Das Video-Tutorial „Wie man Börsendaten mit MetaTrader5 und Python herunterlädt“ erklärt, wie man Börsendaten mit MetaTrader5 und Python herunterlädt. Das Tutorial zeigt, wie Sie ein Python-Skript erstellen, um auf gewünschte Assets zuzugreifen und die Daten in eine CSV-Datei zu exportieren. Das Video behandelt Themen wie das sichere Speichern von Anmeldeinformationen, das Manipulieren von Daten mit Pandas und das Extrahieren von Daten aus Kerzen mithilfe von Cop-Raten. Die verfügbaren hochwertigen und kostenlosen Daten sind eine wertvolle Ressource für die Entwicklung von Tools, um mehr Menschen für die Börse zu gewinnen. Das Video endet mit einem Aufruf, die Website der Develop Academy zu besuchen, um sich weiterzubilden und sich über Instagram zu vernetzen.

  • 00:00:00 In diesem Abschnitt erörtert der Redner die Bedeutung qualitativ hochwertiger und umfassender Daten für quantitative Trader und hebt die Schwierigkeit hervor, gute öffentliche Datenquellen zu finden. Er stellt eine Lösung vor, die er kürzlich entdeckt hat, um das MetaTrader 5-System zu verwenden, um Daten herunterzuladen, sie in einer internen Datenbank zu kategorisieren und Strategien lokal auf dem eigenen Computer zu entwickeln, ohne etwas zu bezahlen. Er geht durch die Schritte zum Installieren und Exportieren von Daten und demonstriert die einzigartige Funktion von MetaTrader 5, die es Benutzern ermöglicht, Daten in eine CSV-Datei zu exportieren, die einfach in andere Datenanalysesoftware importiert werden kann.
    |
  • 00:05:00 In diesem Abschnitt erklärt der Referent, wie man Börsendaten mit MetaTrader 5 und Python herunterlädt. Durch die Erstellung eines Skripts in Python können Benutzer programmgesteuert Daten von MetaTrader 5 anfordern und die Informationen für jeden gewünschten Vermögenswert exportieren. Der erste Schritt besteht darin, das MetaTrader5-Modul in der Python-Umgebung zu installieren und dann ein Python-Skript zu erstellen, um den Prozess der Anmeldung bei MetaTrader 5 und den Zugriff auf die gewünschten Assets zu replizieren. Der Referent gibt auch einen Tipp zum Erstellen einer externen Datei zum sicheren Speichern von Anmeldedaten.

  • 00:10:00 In diesem Abschnitt erklärt das Video, wie man mit MetaTrader 5 und Python Daten von der Börse herunterlädt. Der Prozess beinhaltet die Verbindung zu einem spezifischen Server eines Brokers und die anschließende Verwendung von MetaTrader 5-Methoden zum Extrahieren und Organisieren von Daten. Das Video zeigt, wie Daten auf Bradesco-Ticker gezogen werden, einschließlich der Einrichtung von Daten und der Markierung von Arten von zu ziehenden Ticks. Nachdem die Anforderung abgeschlossen ist, zeigt das Video, wie Pandas verwendet wird, um die Daten zu manipulieren und einen Datenrahmen zu erstellen. In diesem Fall decken die zurückgegebenen Daten alle Vorgänge ab, die in Bradesco zwischen Anfang März und dem 10. März stattgefunden haben.

  • 00:15:00 In diesem Abschnitt spricht der Redner darüber, wie man Börsendaten mit MetaTrader 5 und Python herunterlädt. Sie erklären, wie man Daten über das gehandelte Volumen, den Angreifer und den Ort der Trades abruft, die zur Entwicklung von Hochfrequenz-Handelsstrategien verwendet werden können. Die Daten sind von hoher Qualität und kostenlos verfügbar, was eine großartige Ressource für Entwickler darstellt, um Tools zu erstellen, die verwendet werden können, um mehr Menschen für die Börse zu gewinnen. Der Referent demonstriert auch, wie man mit Zeitstempeln umgeht und sie in echte Daten umwandelt, sowie wie man Daten aus Kerzen mit der Cop Rates Range-Funktion extrahiert. Insgesamt liefert das Tutorial wertvolle Informationen darüber, wie man Börsendaten für die Handelsanalyse effizient sammelt.

  • 00:20:00 In diesem letzten Abschnitt gibt der Redner eine kurze Schlusserklärung ab, dankt den Zuschauern fürs Zusehen und stellt den Link zu ihrer Website, Develop Academy, für diejenigen bereit, die daran interessiert sind, mehr über quantitative Handelsstrategien zu erfahren. Der Sprecher ermutigt Zuschauer mit Fragen, Kommentare zum Video zu hinterlassen oder sie auf Instagram zu erreichen.
 

Online-Handel mit Python in MetaTrader 5 + Daten von MQL5 abrufen

Holen Sie sich den Code bei GitHub: https://github.com/Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5



Online-Handel mit Python in MetaTrader 5 + Daten von MQL5 abrufen

Das Tutorial zeigt, wie man einen Datensatz von MetaTrader herunterlädt und Online-Handelsgeschäfte mit Python abschließt. Der Kursleiter importiert die MetaTrader5-, Pandas- und Datetime-Bibliotheken, gibt das Asset und den Zeitrahmen für den Datensatz an und lädt die letzten hundert Datenpunkte herunter. Sie erklären, wie man eine Position in MetaTrader5 verwaltet, indem man Stop-Loss setzt, Gewinn mitnimmt und den GTC-Befehl für eine bestimmte Dauer verwendet. Während der Abschnitt ein grundlegendes Verständnis der verschiedenen Befehle vermittelt, die zum Verwalten einer Position erforderlich sind, ist unklar, welche Handelsstrategie insgesamt angewendet wird.

  • 00:00:00 In diesem Abschnitt des Tutorials demonstriert der Kursleiter das Herunterladen eines Datensatzes von MetaTrader und die Durchführung einfacher Online-Handelsgeschäfte mit Python. Die MetaTrader5-Bibliothek wird importiert und der Software-Verknüpfungspfad wird an Python adressiert. Die pandas- und datetime-Bibliotheken werden ebenfalls importiert, und die aktuelle Zeit wird verwendet, um die Zeit der letzten Daten im Dataset anzugeben. Der Symbolschlüssel des gewünschten Assets wird geschrieben und der Zeitrahmen (in diesem Fall der tägliche Zeitrahmen) für den Datensatz ausgewählt. Die letzten hundert Datenpunkte werden heruntergeladen, und ein Formatbefehl wird verwendet, um die Daten im persönlichen System des Benutzers zu speichern. Der Online-Handel wird durchgeführt, indem die Vermögenswerte und das Volumen der Transaktion bestimmt werden, die Preiseinheit als Pip definiert wird und je nach eingegebener Position entweder der Brief- oder der Geldkurs verwendet wird.

  • 00:05:00 In diesem Abschnitt erklärt das Video, wie man mit Python-Befehlen in MetaTrader5 Stop-Loss und Take-Profit für eine Position einstellt. Es zeigt auch, wie die Position geschlossen wird, indem die Positionsticketnummer angegeben wird. Der GTC-Befehl wird erklärt, um eine Transaktion für eine bestimmte Dauer aktiv zu halten. Das Video zeigt auch ein Beispiel einer USDJPY-Transaktion mit aktivem Stop-Loss und Take-Profit. Insgesamt bietet dieser Abschnitt ein grundlegendes Verständnis der verschiedenen Befehle, die erforderlich sind, um eine Position in MetaTrader5 über Python zu verwalten.

  • 00:10:00 In diesem Abschnitt erfahren wir, dass die Long-Position erfolgreich geschlossen wurde. Leider ist ohne weiteren Kontext unklar, worauf sich die Long-Position bezieht oder welche Handelsstrategie insgesamt angewendet wird.
GitHub - Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5
GitHub - Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5
  • Hesamtps
  • github.com
Contribute to Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5 development by creating an account on GitHub.
 

Trading mit Python - Wie führe ich Orders an der Börse aus?



Handel mit Python - ¿Cómo ejecutar órdenes en bolsa?

In diesem Video zeige ich Ihnen, wie Sie Aktienaufträge mit Python ausführen. Für diejenigen, die ihr Wissen in Datenanalyse und Ökonomie an der Börse anwenden möchten.

 

Teil 2: TRADING mit Python – Wie tätige ich automatisierte INVESTITIONEN?



Parte2: TRADING con Python - ¿Cómo hacer INVERSIONES automatizadas?

Dies ist Teil zwei, wie man mit Python handelt. Im ersten Teil habe ich erklärt, wie man Bestellungen aufgibt. In diesem Teil lehre ich, Aufträge basierend auf dem Preis von Aktien und ihren Beziehungen zwischen ihnen automatisch mit Daten aus Web Scraping zu starten und algorithmischen Handel anzuwenden.

 

Algorithmischer Handel mit Python (MACD-Indikator)



Handel mit Algorithmus mit Python (Indikator MACD)

In diesem Video zum Thema „Trading Algorítmico con Python (Indikator MACD)“ erklärt der Kursleiter ausführlich, wie der MACD-Indikator zur Erstellung von Handelsalgorithmen in Python verwendet werden kann. Das Video behandelt die drei vom MACD-Indikator verwendeten Parameter und wie sie Kauf- und Verkaufsentscheidungen bestimmen. Bibliotheken wie Pandas, NumPy und Yahoo Finance werden verwendet, um Aktiendaten zu erhalten und zu analysieren, während Datenbereinigungstechniken und Wörterbücher verwendet werden, um Schlüsselinformationen abzurufen. Insgesamt bietet das Video einen praktischen Überblick über den Aufbau von Handelsalgorithmen mit Python und dem MACD-Indikator.

  • 00:00:00 In diesem Abschnitt erörtert der Kursleiter Handelsalgorithmen unter Verwendung des MACD-Indikators mit Python. Sie erklären, dass der MACD-Indikator drei Parameter verwendet, um zu bestimmen, ob sich der Markt in einem Aufwärts- oder Abwärtstrend befindet, und auf dieser Grundlage werden Kauf- oder Verkaufsaufträge erteilt. Der Ausbilder demonstriert, wie der Code für diesen Indikator funktioniert und wie er in Abhängigkeit von verschiedenen Handelsstrategien angepasst werden kann. Er erklärt auch, wie Bibliotheken wie Yahoo Finance, Data Time, Pandas und NumPy verwendet werden, um Daten zu Aktienkursen zu erhalten und zu analysieren. Schließlich zeigen sie, wie Datenbereinigungstechniken und Wörterbücher verwendet werden, um das letzte Datum für einen Aktienkauf basierend auf dem MACD-Indikator abzurufen.

  • 00:05:00 In diesem Abschnitt erklärt der Referent, wie man ein Diagramm erstellt, um die algorithmische Handelsstrategie mit dem MACD-Indikator in Python zu veranschaulichen. Er schlägt vor, den Code von der Website „inteligencia-artificial“ herunterzuladen und auf den Schulungsbereich zuzugreifen. Das Video ermutigt die Zuschauer auch, Kommentare zu hinterlassen oder Fragen zu stellen, die sie haben könnten.
 

Algorithmischer Handel mit Python (Bollinger Bands Indicator)



Handel mit Algorítmico con Python (Indicador Bandas de Bollinger)

In diesem Video erläutert der Referent Bollinger Bands, wie sie die Marktvolatilität messen und wie man mit Python ein darauf basierendes automatisiertes Ordersystem erstellt. Der Referent erläutert die wichtigsten verwendeten Bibliotheken wie Yahoo Finance und Pandas und betont, wie wichtig es ist, Parameter anzugeben, um das System für jede analysierte Aktie anzupassen. Sie demonstrieren auch das Hinzufügen von Daten zu den Kauf- und Verkaufsspalten und wie man das letzte Verkaufsdatum mit dem aktuellen Datum vergleicht und einen Verkauf einleitet, wenn sie übereinstimmen. Abschließend erinnert der Redner die Zuschauer daran, dass die technische Analyse nicht immer genau ist, und schlägt vor, verschiedene Indikatoren zu kombinieren und künstliche Intelligenz einzusetzen, um fundierte Handelsentscheidungen zu treffen.

  • 00:00:00 In diesem Abschnitt stellt der Referent das Konzept der Bollinger-Bänder vor, die die Marktvolatilität messen und eine zentrale gleitende Durchschnittslinie sowie obere und untere Abweichungslinien umfassen. Anschließend erläutert der Referent, wie auf diesen Bändern ein automatisiertes Ordersystem aufgebaut werden kann, das bei Erfüllung bestimmter Kriterien eine Kauf- oder Verkaufsorder ausführen kann. Der Referent gibt einen Überblick über den Code, der zur Erstellung dieses Systems verwendet wurde, einschließlich der wichtigsten verwendeten Bibliotheken wie Yahoo Finance für den Datenabruf und Pandas für die Datenanalyse. Darüber hinaus erklärt der Referent, wie wichtig es ist, Parameter wie n20 und n2 anzugeben, um das System für jede analysierte Aktie individuell anzupassen.

  • 00:05:00 In diesem Abschnitt erklärt der Referent, wie Daten zu den Kauf- und Verkaufsspalten hinzugefügt werden, die zuvor im Code erstellt wurden. Sie demonstrieren, dass Daten zum „passieren“-Teil der Spalte hinzugefügt oder mit „np.nal“ leer gelassen werden können. Der Referent erklärt auch, dass man sich auf diesen Algorithmus spezialisiert habe, um nur mit Verkaufsdaten zu arbeiten, leere Spalten zu eliminieren und die Daten in einer CSV-Datei zu speichern. Sie zeigen dann, wie man das letzte Verkaufsdatum mit dem aktuellen Datum vergleicht und bei Übereinstimmung einen Verkauf einleitet. Schließlich erinnern sie die Zuschauer daran, dass die technische Analyse nicht immer 100 % genau ist, und schlagen vor, verschiedene Indikatoren zu kombinieren und Algorithmen mit künstlicher Intelligenz zu erstellen, um fundierte Handelsentscheidungen zu treffen.
1...67891011121314151617181920...24
Neuer Kommentar