Python para el trading algorítmico - página 12

[MetaQuotes]

PYTHON TRADING BOT #3 - MetaTrader 5, datos para operaciones de backtesting

BOT DE TRADING PYTHON #3 - Metatrader 5, datos para backtesting de trading

En esta sección de video, el presentador destaca la utilidad de la función de MetaTrader 5 que permite a los usuarios guardar datos de ticks de un rango de fechas específico para propósitos de backtesting. Él enfatiza la importancia de tener una gran cantidad de datos históricos para desarrollar algoritmos comerciales precisos y recomienda exportar los datos como un archivo CSV para cargarlos en Python para crear modelos comerciales. También predice que es posible que esta función ya no sea gratuita debido al uso cada vez mayor de bots e inteligencia artificial en el comercio. El presentador alienta a los espectadores a utilizar esta función y dirigir un mayor interés en su sitio web si tienen algún interés en el comercio y las criptomonedas.

[MetaQuotes]

PYTHON TRADING BOT #4 - MetaTrader 5 y Python

BOT DE TRADING PYTHON #4 - MetaTrader 5 y Python

Este video explica cómo usar MetaTrader 5 con Python y crear un inicio de sesión. La audiencia necesita instalar primero el paquete MetaTrader 5 para Python, y el YouTuber demuestra cómo importar bibliotecas proporcionando un código de ejemplo. También menciona que hay muchos recursos disponibles sobre cómo crear bots de MetaTrader 5 usando Python. El video concluye con una recomendación para visitar el sitio web de YouTuber para obtener materiales comerciales económicos y útiles.

[MetaQuotes]

PYTHON TRADING BOT #5 - Obtener precios de ticks

BOT DE TRADING PYTHON #5 - Obteniendo ticks (precios)

El video tutorial muestra dos formas de obtener ticks (precios) de la aplicación comercial MetaTrader 5 utilizando Python. El primer método consiste en utilizar la función symbolinfo.tick, que devuelve el precio actual de un mercado con la opción de elegir el tick de oferta o demanda. El segundo método es un poco más complejo e involucra la función copyticksrange y la biblioteca datetime para recuperar datos de ticks desde una fecha específica hasta la hora actual. El tutorial incluye un gráfico de datos de ticks recopilados cada 15 minutos y demuestra cómo compararlo con un gráfico real para garantizar la precisión. Finalmente, el video promueve un sitio web que ofrece documentos comerciales asequibles y útiles para aquellos interesados en el comercio de criptomonedas.

[MetaQuotes]

PYTHON TRADING BOT #6 - Abrir y modificar operaciones

BOT DE TRADING PYTHON #6 - Abrir y modificar operaciones

Esta sección del video tutorial sobre el comercio de bots con Python cubre el proceso de apertura y modificación de operaciones usando Python. El presentador brinda orientación sobre cómo definir una compra para abrir una operación a través de una guía paso a paso que utiliza un diccionario y una función de envío de pedidos. Otros factores que el diccionario debe cubrir incluyen el tipo de operación, los valores de stop-loss y take-profit. Se da una sugerencia para verificar la rentabilidad del comercio utilizando un volumen bajo. Además, el presentador explica la utilización de la función de información de símbolo para acceder al precio y punto de mercado. De manera similar, el video demuestra la modificación de operaciones abiertas a través de la función de envío de órdenes, comenzando con la adquisición del número de ticket a través de una función integrada denominada "obtención de posiciones". Se puede utilizar un formato de diccionario para modificar los valores de stop loss y take profit con la tecla "posición" que contiene el valor del número de ticket. El presentador termina recomendando una página web de documentos comerciales asequible y útil.

• 00:00:00 En esta sección del video, el presentador explica cómo abrir y modificar operaciones usando Python. El presentador proporciona una guía paso a paso para abrir una operación definiendo una compra usando un diccionario y luego usando la función de envío de pedidos con ese diccionario como argumento. El diccionario debe incluir información como el símbolo del mercado, el volumen (que representa la cantidad de dinero utilizada para la operación), el tipo de orden y los valores de stop loss y take profit. El presentador aconseja utilizar un volumen bajo y proporciona una breve explicación de cómo funcionan el stop loss y el take profit. El presentador también explica cómo obtener el precio de mercado y el punto utilizando la función de información de símbolos. Por último, el presentador recomienda visitar una página web para acceder a todos los códigos de error relacionados con el tipo de sentimiento en el diccionario de pedidos.
  
  
• 00:05:00 En esta sección, el video explica cómo modificar una operación abierta usando una función llamada "envío de orden". El primer paso es obtener el número de ticket de la operación abierta utilizando una función integrada llamada "obtención de posiciones". Una vez que se obtiene el número de ticket, el usuario puede modificar los valores de stop loss o take profit utilizando un formato de diccionario. Es importante tener la clave de "posición" con el valor del número de ticket en el diccionario. Este método se puede aplicar tanto a operaciones de compra como de venta. El video concluye con una recomendación de un sitio web para materiales comerciales asequibles y útiles.

[MetaQuotes]

PYTHON TRADING BOT #7 - Parada móvil

BOT DE TRADING PYTHON #7 - Parada móvil

En este video, el presentador explica cómo programar un stop loss en Python, ya que no se puede hacer automáticamente en MetaTrader 5. Demuestra cómo configurar el stop loss manualmente para minimizar la pérdida si el precio baja y asegurar una ganancia si el precio baja. sube, usando un ejemplo simple en un gráfico de precios. El presentador brinda una guía paso a paso y un código en la pantalla, y sugiere visitar su sitio web para obtener documentos comerciales útiles.

[MetaQuotes]

PYTHON TRADING BOT #8 - Generación de datos para la IA

BOT DE TRADING PYTHON #8 - Generando datos para la IA

En este video, el presentador demuestra cómo generar datos de backtesting para crear un algoritmo de inteligencia artificial exitoso para operar con scripts y criptomonedas. Sugieren usar un archivo pequeño para generar datos y parchear el formato del archivo antes de generar varios atributos, como el tipo de operación, la ganancia, la tasa de éxito, la pendiente y los indicadores. También explican cómo superar el desafío de abrir y buscar el archivo de datos repetidamente abriendo el archivo de minería en modo binario. Además, enfatizan la importancia de guardar los valores de los indicadores al entrenar la IA para un comercio efectivo.

• 00:00:00 En esta sección, el YouTuber demuestra cómo generar datos de backtesting que son esenciales para crear un algoritmo de inteligencia artificial eficaz. Recomienda usar un archivo pequeño para generar datos, ya que los más grandes pueden ser tediosos de usar. Para generar datos de backtesting, parchea el formato de los archivos y luego genera varios atributos para entrenar la IA, como el tipo de operación, la ganancia, la tasa de éxito, la pendiente y los indicadores. El algoritmo de YouTuber simula el comercio mientras carga las variables e indicadores para cada línea del archivo, y luego prueba si se puede realizar un intercambio o no, y verifica el resultado exitoso o fallido del intercambio. Uno de los errores del YouTuber es no almacenar los valores de los indicadores, lo que menciona es un atributo importante para entrenar la IA.
  
  
• 00:05:00 En esta sección del video, el presentador habla sobre un problema que enfrentaron al verificar si una operación fue exitosa en su archivo de minería de datos. Descubrieron que tenían que seguir abriendo y buscando el archivo repetidamente, lo cual era ineficiente. Para superar este desafío, sugieren abrir el archivo de minería en modo binario, lo que les permite moverse directamente a la línea que necesitan verificar. Explican que si bien tener una computadora poderosa con mucha RAM podría permitir una solución rápida y fácil, no siempre es factible. El presentador comparte que entrenar una IA eficaz requiere guardar muchos atributos y que, si bien puede haber errores, es posible encontrar soluciones simples.

[MetaQuotes]

PYTHON TRADING BOT #9 - Creación de una IA

BOT DE TRADING PYTHON #9 - Creando una IA

En este video, el presentador demuestra cómo entrenar una IA con datos del video anterior usando un cuaderno Jupyter para visualizar la salida y la biblioteca Skyler para crear un árbol de decisiones y una red neuronal. Se crean gráficos e histogramas para clasificar visualmente las operaciones exitosas y fallidas. Se utilizan diferentes modelos de IA para clasificar los datos, y el anfitrión recomienda crear un archivo pequeño con bucles para encontrar la mejor configuración para el modelo que utiliza la puntuación más alta. Recomienda usar un número impar de árboles de decisión al crear un modelo para lograr mejores resultados y comparte una tasa de precisión del 64 % de su modelo. Se alienta a los espectadores a visitar el sitio web de Sky Learn para obtener más información sobre los árboles de decisión, los bosques y las redes neuronales, dar me gusta, suscribirse y compartir el video, y visitar el sitio web del anfitrión para comprar documentos asequibles relacionados con el comercio y las criptomonedas.

• 00:00:00 En esta sección del video, el presentador explica cómo entrenar una inteligencia artificial utilizando los datos generados en el video anterior. El anfitrión utiliza un cuaderno Jupyter para visualizar el resultado de diferentes casos de prueba y la biblioteca Skyler, que está asociada con la inteligencia artificial, para crear un árbol de decisiones y una red neuronal. Los datos se pasan a Pandas a través de una función y el marco de datos se utiliza para definir los tipos de carga de cada columna de atributos. Luego, el anfitrión comparte cómo crear gráficos e histogramas para clasificar visualmente las operaciones exitosas y fallidas. Finalmente, se utilizan diferentes modelos de IA para clasificar los datos, y el anfitrión recomienda crear un pequeño archivo con bucles para encontrar la mejor configuración para el modelo que utiliza la puntuación más alta.
  
  
• 00:05:00 En esta sección, el ponente recomienda utilizar un número impar de árboles de decisión al crear un modelo para lograr mejores resultados. También revela que el modelo que creó tiene una tasa de precisión del 64 %, que es solo un 1 % más baja que otro modelo similar. Para ayudar a quienes no están familiarizados con los árboles de decisión, los bosques y las redes neuronales, recomienda visitar el sitio web Sky Learn, que es un gran recurso para aprender sobre estos temas.
  

[MetaQuotes]

COMERCIO DE VELAS EN PYTHON

VELAS DE TRADING EN PYTHON

El autor explica cómo obtener datos comerciales de MetaTrader 5 y convertirlos en velas utilizando Python. Comienza mostrando cómo se pueden obtener datos de ticks de un mercado específico en MT5 y exportarlos a un archivo CSV. Luego demuestra cómo usa un algoritmo simple para transformar los datos de ticks en velas de diferentes períodos de tiempo (15 minutos, 1 minuto, 30 segundos, etc.) que se guardan en un Pandas DataFrame. El YouTuber enfatiza la importancia de tener un DataFrame con una columna "cerrar", ya que esto permite al usuario cargar indicadores técnicos en Python con la ayuda de la biblioteca TA-Lib. El video es parte de una serie en la que enseña cómo usar Pandas y otras bibliotecas para análisis comerciales.

[MetaQuotes]

MACD EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

MACD EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

El video muestra un tutorial sobre cómo cargar valores MACD en Python usando la biblioteca de análisis técnico, con un enfoque en la generación de esos valores a partir de un archivo de datos existente con una columna cerrada. El video también demuestra la instalación de la biblioteca de análisis técnico y el cálculo de los valores de línea MACD y Señal utilizando un constructor de objetos de la biblioteca. Finalmente, el orador muestra el trazado de los valores resultantes utilizando la biblioteca Matplotlib. En conclusión, el video proporciona una guía completa sobre el proceso de carga de valores MACD en Python utilizando la biblioteca de análisis técnico.

[MetaQuotes]

RSI EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

RSI EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

En este video, el orador explica el proceso de carga del indicador RS en Python utilizando la biblioteca TIA. Los pasos involucrados incluyen definir un marco de datos que contenga la columna en la que cargar el indicador, importar la biblioteca TIA, crear un objeto con la función de constructor del indicador RS y llamar al método del indicador RS para crear un marco de datos con la información del indicador RS. El video muestra cómo comparar los datos del indicador RS con datos reales del mercado para garantizar la precisión de la implementación. En resumen, el orador proporciona un enfoque simple que se puede seguir para cargar el indicador RS en Python.