Python para el trading algorítmico - página 13

[MetaQuotes]

EMA EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

EMA EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

El instructor demuestra cómo cargar el indicador de promedio móvil exponencial en Python utilizando datos precargados. El primer paso es obtener los datos de MetaTrader 5, lo que se puede hacer seleccionando el mercado y las fechas deseadas y luego exportando los datos. Una vez que se obtienen los datos, es necesario convertirlos en velas mediante una función. Luego, el instructor instala la biblioteca necesaria e importa la clase de indicador EMA de la biblioteca. Para calcular la EMA, se pasa al constructor una columna de marco de datos, como los datos de cierre. El parámetro de ventana especifica la cantidad de períodos que se usarán para la EMA. Finalmente, los valores de EMA se obtienen mediante el método ema_indicator, que crea un marco de datos con los valores.

[MetaQuotes]

SMA EN PYTHON - BIBLIOTECA DE ANÁLISIS TÉCNICO

¡¡SMA EN PITÓN!! - BIBLIOTECA DE ANÁLISIS TÉCNICOS

El video habla sobre el promedio móvil simple (SMA) y cómo se puede usar en Python. El presentador explica que SMA es fácil de usar con datos pasados, que se pueden obtener a través de MetaTrader5. El video continúa demostrando cómo crear velas a partir de datos de ticks y calcular el valor de SMA utilizando la biblioteca AlgoTraderTrends. El presentador proporciona una guía paso a paso sobre cómo importar y usar la biblioteca para calcular el valor de SMA de una columna específica del marco de datos. El video concluye con un llamado a la acción para que los espectadores den Me gusta, se suscriban y compartan el video si lo encontraron útil.

[MetaQuotes]

¿Cómo importar datos de precios de acciones de MetaTrader 5 a Python?

¿Cómo importar datos de precios de acciones de MetaTrader 5 a Python?

En este video de YouTube, se explican diferentes métodos para importar datos de precios de acciones de MetaTrader 5 a Python. Los métodos incluyen la importación de las bibliotecas necesarias, la configuración del marco de tiempo y la zona horaria deseados, la definición de una función llamada "obtener datos", la manipulación del marco de datos resultante, el uso del paquete tqtndm, la creación de un marco de tarifas y el uso de dos marcos de datos para recuperar precios y información de fecha/hora. El orador sugiere poner los bucles en una función para hacer que el código sea más limpio y, al usar estos métodos, los usuarios pueden importar fácilmente datos para numerosos símbolos sin mucha dificultad.

• 00:00:00 En esta sección, el orador explica cómo importar datos de precios de acciones de MetaTrader5 a Python. El primer paso es importar todas las bibliotecas necesarias, incluidas pandas, pytz, datetime, tqdm y MetaTrader5. Luego, el orador inicializa MetaTrader5 y establece la zona horaria y el marco de tiempo deseados. El hablante define una función llamada "obtener datos" que requiere el símbolo, la cantidad de velas necesarias y el marco de tiempo. La función devuelve los datos deseados y el hablante explica qué hace cada entrada y salida en la función.
  |
  
• 00:05:00 En esta sección, el orador explica una función utilizada para importar datos de precios de acciones de MetaTrader5 a Python. La función toma un símbolo, un marco de tiempo y una fecha, y devuelve un marco de datos que contiene los datos solicitados. El orador sigue los pasos para manipular el marco de datos resultante, incluida la conversión de la columna de tiempo a diurno y la eliminación de columnas innecesarias. Además, se sugiere el uso de un bucle for para facilitar la llamada de datos para múltiples activos.
  
  
• 00:10:00 En esta sección, el orador explica cómo importar datos de precios de acciones de MetaTrader5 a Python usando el paquete tqtndm. Utilizan la función de prueba y la función de aceptación para llamar a una función de tarifas previamente definida que toma el símbolo y la cantidad de días establecida en 400. Los datos devueltos se agregan a un diccionario y los datos no disponibles se eliminan. El orador sugiere poner el bucle en una función para que el código sea más limpio. En general, el proceso implica crear un marco de tarifas, agregar los datos a un diccionario y luego ejecutar el script.
  
  
• 00:15:00 En esta sección, el orador explica que con el uso de dos marcos de datos, los usuarios pueden importar fácilmente datos de precios de acciones de metatrader5 a Python recuperando los precios y la información de fecha/hora. Este método se puede utilizar para numerosos símbolos sin mucha dificultad.

[MetaQuotes]

¡BOT DE COMERCIO RSI EN PYTHON! - OBTENER DATOS DE METATRADER 5

RSI BOT DE TRADING EN PYTHON!! - COGIENDO DATOS DE MT5

El video proporciona un tutorial detallado sobre cómo crear un bot de Python utilizando el índice RS en MetaTrader 5 (MT5) para el comercio algorítmico. El proceso implica configurar MT5 para transacciones algorítmicas y solicitudes web, crear un archivo de bot utilizando la biblioteca Mt5 e importar la clase de negociación RS, con un constructor que recibe parámetros como el período de tiempo, el tamaño del lote y la cadena de mercado. Para activar el bot, el presentador utiliza la función "establecer" para iniciar un evento y la función "unirse" para finalizar el proceso correctamente. El video también cubre la creación de un módulo de servidor para recibir datos de MT5 y la definición de una función para abrir y cerrar operaciones de bot. El presentador prueba el bot cargándolo en un gráfico y analizando su comportamiento. En general, el video proporciona una guía extensa sobre cómo configurar y probar el bot RSI para el comercio automatizado.

• 00:00:00 En esta sección, el creador del video explica cómo crear un bot comercial utilizando el índice RS en Python con MetaTrader 5 (MT5). El primer paso es configurar MT5 para habilitar el comercio algorítmico y las solicitudes web. Luego, el creador muestra cómo crear el bot creando un archivo de bot usando la biblioteca Mt5, importando la clase comercial RS y creando un constructor que recibe parámetros como el período de tiempo, el tamaño del lote y la cadena de mercado. Finalmente, el creador demuestra cómo detener el bot correctamente usando un evento y un diccionario para almacenar datos comerciales. Los usuarios pueden acceder al código completo en el perfil de GitHub del creador.
  
  
• 00:05:00 En esta sección del video, el presentador analiza la creación de funciones para abrir y cerrar los tres bots, así como también cómo activar un evento y detener los bots una vez que se han iniciado. El presentador utiliza la función "establecer" para activar el evento y la función "unirse" para finalizar el proceso correctamente. Además, crean una función separada para esperar a que el usuario presione "enter" antes de detener el programa y detener los bots usando la función "unirse". Continúan definiendo una función para cada uno de los tres bots, siendo la única diferencia entre ellos el texto impreso en la consola.
  
  
• 00:10:00 En esta sección, el video trata sobre la creación de un módulo llamado "python rs6" que actuará como servidor y recibirá datos de MT5, actuando como cliente. La biblioteca de sockets se usa para crear el servidor, con un número de puerto de 889 y la dirección establecida en localhost. Luego, el video continúa explicando cómo crear una función para iniciar el socket y escuchar las conexiones, utilizando la función de aceptación para aceptar las conexiones entrantes. El ciclo principal de la función está configurado para ejecutarse indefinidamente hasta que se configure el evento de detención, y la función recibe mensajes y los decodifica mientras el evento de detención no está configurado. En general, el video cubre los conceptos básicos de la creación de un bot de Python para operar con datos RSI.
  
  
• 00:15:00 En esta sección del video, el presentador crea un robot comercial RSI en Python que recupera datos de MT5. El bot, llamado "rs player", se crea en la sección Expert Advisor de MT5 y se carga con R&S y conexiones de socket para conectarse a un servidor de Python en una dirección específica. Con un tick ejecutado, el bot envía información al servidor, que es una cadena que contiene el valor RSI del tick anterior y el valor RSI actual. En Python, los datos recibidos se dividen por una coma y se convierten en un flotante, lo que permite una mayor manipulación de los datos. El bot se cierra cerrando la conexión y el socket del servidor con una función adicional para manejar cualquier error encontrado. El presentador prueba el bot creando un archivo principal que importa MT5 y la clase de bot, inicializa una instancia e inicia la sesión comercial en vivo.
  
  
• 00:20:00 En esta sección, el video muestra cómo cargar el bot en un gráfico y probar si recibe datos correctamente. El bot está configurado para recibir 1 operación de 0,01 en 60 segundos, con variables para establecer órdenes y la cantidad de apalancamiento utilizada. Para ejecutar el bot, el video muestra a los usuarios cómo guardar el código y compilarlo en MQL5, y luego cerrar el bot haciendo clic en 'ingresar'. Luego, el video muestra la creación de un archivo de órdenes con macros, incluidas 'velas' y 'entre operaciones', para garantizar que solo se ejecute una operación por conjunto de velas. En general, el video ofrece una guía detallada sobre cómo configurar y probar el bot RSI para el comercio algorítmico.
  
  
• 00:25:00 En esta sección del extracto de la transcripción, el orador explica cómo crear una función llamada "bordes" que recibe el evento de detención, el diccionario de datos compartidos y el diccionario de información del bot como entradas. La función incluye variables para guardar la hora de la última operación y la hora actual. La sección también cubre la lógica detrás de abrir una posición de compra o venta basada en ciertas condiciones y la importancia de tener en cuenta el tiempo entre operaciones. El orador menciona que se necesita crear una función llamada "posición abierta" para abrir una posición.
  
  
• 00:30:00 En esta sección, el YouTuber explica cómo definir una función para operar con la plataforma MetaTrader 5 usando Python. La función se llama "posición abierta" y recibe el mercado, el lote y el tipo de operación. El YouTuber explica que el código para esta función se puede encontrar en una página de Google Chrome para el envío de pedidos de MT5 Python, y se puede copiar y pegar directamente. Sin embargo, hay varias cosas que deben personalizarse, como el tipo de orden, el stop loss y el take profit, que dependen del bróker del usuario. El YouTuber continúa definiendo el stop loss y el take profit para el bot, y luego muestra cómo importar la función y crear un bot para ejecutar operaciones.
  
  
• 00:35:00 En esta sección, el YouTuber demuestra cómo acceder al último elemento de una lista en el código de Pedidos de Ceret escribiendo "[-1]" en el código, lo que devolvería el último elemento de la lista. El siguiente paso es configurar el activador de compra en un cierto punto de precio cambiando el código para comprar si el precio supera los 50. El bot se puede ejecutar y si se cumplen los criterios, como que el precio supere el umbral, lo hará. ejecutar una orden de compra. Luego, el usuario puede verificar que los niveles de toma de ganancias y límite de pérdidas estén configurados correctamente al verificar el código y observar el comportamiento del bot. YouTuber alienta a los usuarios a ver el bot en GitHub y a darle me gusta, suscribirse y compartir el video.

[MetaQuotes]

Cómo descargar datos de la Bolsa de Valores con MetaTrader 5 y Python

Cómo descargar datos de Bolsa con MetaTrader 5 y Python

El video tutorial "Cómo descargar datos bursátiles con MetaTrader5 y Python" explica cómo descargar datos bursátiles usando MetaTrader5 y Python. El tutorial demuestra cómo crear una secuencia de comandos de Python para acceder a los activos deseados y exportar los datos a un archivo CSV. El video cubre temas como el almacenamiento seguro de credenciales de inicio de sesión, la manipulación de datos con Pandas y la extracción de datos de velas utilizando tasas de policía. Los datos gratuitos y de alta calidad disponibles son un recurso valioso para desarrollar herramientas que atraigan a más personas al mercado de valores. El video concluye con una llamada para visitar el sitio web de Develop Academy para aprender más y conectarse a través de Instagram.

• 00:00:00 En esta sección, el orador analiza la importancia de tener datos abundantes y de calidad para los comerciantes cuantitativos y destaca la dificultad de encontrar buenas fuentes de datos públicos. Presenta una solución que descubrió recientemente para usar el sistema MetaTrader 5 para descargar datos, categorizarlos en una base de datos interna y desarrollar estrategias localmente en la computadora de uno sin pagar nada. Recorre los pasos de instalación y exportación de datos, demostrando la característica única de MetaTrader 5 que permite a los usuarios exportar datos a un archivo CSV que se puede importar fácilmente a otro software de análisis de datos.
  |
  
• 00:05:00 En esta sección, el ponente explica cómo descargar datos bursátiles utilizando MetaTrader 5 y Python. Al crear un script en Python, los usuarios pueden solicitar datos mediante programación de MetaTrader 5 y exportar la información para cualquier activo deseado. El primer paso es instalar el módulo MetaTrader5 en el entorno de Python y luego crear un script de Python para replicar el proceso de iniciar sesión en MetaTrader 5 y acceder a los activos deseados. El orador también comparte un consejo sobre cómo crear un archivo externo para almacenar de forma segura las credenciales de inicio de sesión.
  
  
• 00:10:00 En esta sección, el video explica cómo descargar datos de la bolsa de valores usando MetaTrader 5 y Python. El proceso implica conectarse al servidor específico de un corredor y luego usar los métodos de MetaTrader 5 para extraer y organizar los datos. El video demuestra cómo extraer datos en el ticker de Bradesco, incluida la configuración de fechas y el marcado de tipos de ticks para extraer. Una vez que se completa la solicitud, el video muestra cómo usar Pandas para manipular los datos y crear un marco de datos. En este caso, los datos devueltos cubren todas las operaciones que ocurrieron en Bradesco entre el inicio del mes de marzo y el 10 de marzo.
  
  
• 00:15:00 En esta sección, el ponente habla sobre cómo descargar datos bursátiles utilizando MetaTrader 5 y Python. Explican cómo recuperar datos sobre el volumen negociado, el agresor y la ubicación de las operaciones, que se pueden utilizar para desarrollar estrategias comerciales de alta frecuencia. Los datos son de alta calidad y están disponibles de forma gratuita, lo cual es un gran recurso para que los desarrolladores creen herramientas que pueden usarse para atraer a más personas al mercado de valores. El orador también demuestra cómo manejar las marcas de tiempo y convertirlas en datos reales, así como también cómo extraer datos de velas utilizando la función Rango de tasas de policía. En general, el tutorial proporciona información valiosa sobre cómo recopilar de manera eficiente datos del mercado de valores para el análisis comercial.
  
  
• 00:20:00 En esta sección final, el orador da una breve declaración de cierre, agradeciendo a los espectadores por mirar y proporcionando el enlace a su sitio web, Develop Academy, para aquellos interesados en aprender más sobre estrategias comerciales cuantitativas. El orador alienta a los espectadores con preguntas a dejar comentarios en el video o comunicarse con ellos en Instagram.

[MetaQuotes]

Comercio en línea de Python en MetaTrader 5 + Obtener datos de MQL5

Obtenga el código en GitHub: https://github.com/Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5

Comercio en línea de Python en MetaTrader 5 + Obtener datos de MQL5

El tutorial demuestra cómo descargar un conjunto de datos de MetaTrader y realizar transacciones comerciales en línea utilizando Python. El instructor importa las bibliotecas MetaTrader5, pandas y datetime, especifica el activo y el marco de tiempo para el conjunto de datos y descarga los últimos cien puntos de datos. Explican cómo administrar una posición en MetaTrader5 configurando stop loss, take profit y usando el comando GTC durante un período específico. Si bien la sección brinda una comprensión básica de los diferentes comandos necesarios para administrar una posición, no está claro cuál es la estrategia comercial general que se emplea.

• 00:00:00 En esta sección del tutorial, el instructor demuestra la descarga de un conjunto de datos de MetaTrader y la realización de transacciones comerciales en línea simples utilizando Python. La biblioteca MetaTrader5 se importa y la ruta de acceso directo del software se dirige a Python. Las bibliotecas pandas y datetime también se importan, y la hora actual se usa para especificar la hora de los últimos datos en el conjunto de datos. Se escribe la clave del símbolo del activo deseado y se selecciona el período de tiempo (período de tiempo diario en este caso) para el conjunto de datos. Se descargan los últimos cien puntos de datos y se utiliza un comando de formato para almacenar los datos en el sistema personal del usuario. El comercio en línea se lleva a cabo determinando los activos y el volumen de la transacción, definiendo la unidad de precio como un pip y utilizando el precio de oferta o demanda según la posición ingresada.
  
  
• 00:05:00 En esta sección, el video explica cómo establecer stop loss y take profit para una posición usando los comandos de Python en MetaTrader5. También muestra cómo cerrar la posición especificando el número de ticket de posición. El comando GTC se explica para mantener una transacción activa durante un período específico. El video también muestra un ejemplo de una transacción USDJPY con un stop loss activo y una toma de ganancias. En general, esta sección proporciona una comprensión básica de los diferentes comandos necesarios para administrar una posición en MetaTrader5 a través de Python.
  
  
• 00:10:00 En esta sección, aprendemos que la posición larga se cerró con éxito. Desafortunadamente, sin más contexto, no está claro a qué se refiere la posición larga o cuál es la estrategia comercial general que se emplea.

[MetaQuotes]

Trading con Python - ¿Cómo ejecutar órdenes en el mercado de valores?

Trading con Python - ¿Cómo ejecutar órdenes en bolsa?

En este video te muestro cómo ejecutar órdenes de acciones con Python. Para aquellos que quieran aplicar sus conocimientos en análisis de datos y economía, en el mercado de valores.

[MetaQuotes]

Parte 2: COMERCIO con Python - ¿Cómo hacer INVERSIONES automatizadas?

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

Esta es la segunda parte, sobre cómo operar con Python. En la primera parte expliqué cómo lanzar órdenes. En esta parte enseño a lanzar órdenes en base al precio de las acciones y sus relaciones entre ellas, de forma automática, con datos de web scraping y aplicar Trading algorítmico.

[MetaQuotes]

Comercio algorítmico con Python (indicador MACD)

Trading Algorítmico con Python (Indicador MACD)

En este video sobre "Trading Algorítmico con Python (Indicador MACD)", el instructor brinda una explicación detallada de cómo se puede usar el indicador MACD para crear algoritmos de negociación en Python. El video cubre los tres parámetros utilizados por el indicador MACD y cómo dictan las decisiones de compra y venta. Las bibliotecas como Pandas, NumPy y Yahoo Finance se utilizan para obtener y analizar datos bursátiles, mientras que las técnicas de limpieza de datos y los diccionarios se utilizan para recuperar información clave. En general, el video proporciona una descripción general práctica de la creación de algoritmos comerciales con Python y el indicador MACD.

• 00:00:00 En esta sección, el instructor analiza los algoritmos comerciales que utilizan el indicador MACD con Python. Explican que el indicador MACD usa tres parámetros para determinar si el mercado está en una tendencia alcista o bajista, y en base a esto, se colocan órdenes para comprar o vender. El instructor demuestra cómo funciona el código de este indicador y cómo se puede personalizar según las diferentes estrategias comerciales. También explica cómo usar bibliotecas como Yahoo Finance, Data Time, Pandas y NumPy para obtener y analizar datos sobre precios de acciones. Finalmente, muestran cómo usar técnicas de limpieza de datos y diccionarios para recuperar la última fecha de compra de acciones, según el indicador MACD.
  
  
• 00:05:00 En esta sección, el orador explica cómo crear un gráfico para ilustrar la estrategia comercial algorítmica utilizando el indicador MACD en Python. Sugiere descargar el código del sitio web, "inteligencia-artificial", y acceder a la sección de capacitación. El video también alienta a los espectadores a dejar comentarios o plantear cualquier pregunta que puedan tener.

[MetaQuotes]

Trading algorítmico con Python (Indicador de Bandas de Bollinger)

Trading Algorítmico con Python (Indicador Bandas de Bollinger)

En este video, el orador analiza las Bandas de Bollinger, cómo miden la volatilidad del mercado y cómo crear un sistema de pedidos automatizado basado en ellas usando Python. El ponente explica las principales bibliotecas utilizadas, como Yahoo Finance y Pandas, y destaca la importancia de especificar parámetros para personalizar el sistema para cada valor analizado. También demuestran cómo agregar datos a las columnas de compra y venta y cómo comparar la fecha de la última venta con la fecha actual e iniciar una venta si coinciden. Finalmente, el orador recuerda a los espectadores que el análisis técnico no siempre es preciso y sugiere combinar varios indicadores y usar inteligencia artificial para tomar decisiones comerciales informadas.

• 00:00:00 En esta sección, el ponente introduce el concepto de Bandas de Bollinger, que miden la volatilidad del mercado e incluyen una línea central de media móvil y líneas de desviación superior e inferior. Luego, el orador analiza cómo crear un sistema de órdenes automatizado basado en estas Bandas, que puede ejecutar una orden de compra o venta cuando se cumplen ciertos criterios. El orador brinda una descripción general del código utilizado para crear este sistema, incluidas las principales bibliotecas utilizadas, como Yahoo Finance para la recuperación de datos y Pandas para el análisis de datos. Además, el ponente explica la importancia de especificar parámetros, como n20 y n2, para personalizar el sistema para cada stock analizado.
  
  
• 00:05:00 En esta sección, el orador explica cómo agregar datos a las columnas de compra y venta que se crearon anteriormente en el código. Demuestran que los datos se pueden agregar a la parte "suceder" de la columna o dejarlos vacíos usando "np.nal". El ponente también explica que se han especializado en este algoritmo para trabajar solo con datos de ventas, eliminando columnas vacías y guardando los datos en un archivo CSV. Luego muestran cómo comparar la fecha de la última venta con la fecha actual e iniciar una venta si coinciden. Finalmente, recuerdan a los espectadores que el análisis técnico no siempre es 100% preciso y sugiere combinar varios indicadores y crear algoritmos con inteligencia artificial para tomar decisiones comerciales informadas.