Python dans le Trading Algorithmique - page 13

[MetaQuotes]

EMA EN PYTHON - BIBLIOTHÈQUE D'ANALYSES TECHNIQUES

EMA EN PYTHON - BIBLIOTHEQUE D'ANALYSES TECHNIQUES

L'instructeur montre comment charger l'indicateur de moyenne mobile exponentielle dans Python à l'aide de données préchargées. La première étape consiste à obtenir les données de MetaTrader 5, ce qui peut être fait en sélectionnant le marché et les dates souhaités, puis en exportant les données. Une fois les données obtenues, il faut les convertir en bougies à l'aide d'une fonction. L'instructeur installe ensuite la bibliothèque nécessaire et importe la classe d'indicateurs EMA à partir de la bibliothèque. Pour calculer l'EMA, une colonne de trame de données, telle que les données de fermeture, est transmise au constructeur. Le paramètre window spécifie le nombre de périodes à utiliser pour l'EMA. Enfin, les valeurs EMA sont obtenues à l'aide de la méthode ema_indicator, qui crée une trame de données avec les valeurs.

[MetaQuotes]

SMA EN PYTHON - BIBLIOTHÈQUE D'ANALYSE TECHNIQUE

SMA EN PYTHON !! - BIBLIOTHEQUE D'ANALYSES TECHNIQUES

La vidéo parle de la moyenne mobile simple (SMA) et comment elle peut être utilisée en Python. Le présentateur explique que SMA est facile à utiliser avec des données passées, qui peuvent être obtenues via MetaTrader5. La vidéo montre ensuite comment créer des bougies à partir de données de ticks et calculer la valeur SMA à l'aide de la bibliothèque AlgoTraderTrends. Le présentateur fournit un guide étape par étape sur la façon d'importer et d'utiliser la bibliothèque pour calculer la valeur SMA à partir d'une colonne spécifique de la trame de données. La vidéo se termine par un appel à l'action pour que les téléspectateurs aiment, s'abonnent et partagent la vidéo s'ils la trouvent utile.

[MetaQuotes]

Comment importer les données du cours des actions de MetaTrader 5 vers Python ?

Comment importer les données du cours des actions de MetaTrader 5 vers Python ?

Dans cette vidéo YouTube, différentes méthodes pour importer des données sur le cours des actions de MetaTrader 5 vers Python sont expliquées. Les méthodes comprennent l'importation des bibliothèques nécessaires, la définition de la période et du fuseau horaire souhaités, la définition d'une fonction appelée "obtenir des données", la manipulation de la trame de données résultante, l'utilisation du package tqtndm, la création d'une trame tarifaire et l'utilisation de deux trames de données pour récupérer les prix et informations de date/heure. L'orateur suggère de mettre les boucles dans une fonction pour rendre le code plus propre, et en utilisant ces méthodes, les utilisateurs peuvent facilement importer des données pour de nombreux symboles sans trop de difficulté.

• 00:00:00 Dans cette section, l'orateur explique comment importer des données sur le cours des actions de MetaTrader5 vers Python. La première étape consiste à importer toutes les bibliothèques nécessaires, y compris pandas, pytz, datetime, tqdm et MetaTrader5. Ensuite, l'orateur initialise MetaTrader5 et définit le fuseau horaire et la période souhaités. L'orateur définit une fonction appelée "obtenir des données" qui nécessite le symbole, le nombre de bougies nécessaires et le délai. La fonction renvoie les données souhaitées et l'orateur explique ce que chaque entrée et sortie fait dans la fonction.
  |
  
• 00:05:00 Dans cette section, le conférencier explique une fonction utilisée pour importer des données sur le cours des actions de MetaTrader5 vers Python. La fonction prend un symbole, une période et une date, et renvoie une trame de données contenant les données demandées. L'orateur passe par des étapes pour manipuler le bloc de données résultant, y compris la conversion de la colonne de l'heure en jour et la suppression des colonnes inutiles. De plus, l'utilisation d'une boucle for est suggérée pour faciliter l'appel de données pour plusieurs actifs.
  
  
• 00:10:00 Dans cette section, l'orateur explique comment importer des données sur le cours des actions de MetaTrader5 vers Python à l'aide du package tqtndm. Ils utilisent la fonction try et la fonction accept pour appeler une fonction de taux précédemment définie qui prend le symbole et le nombre de jours défini sur 400. Les données renvoyées sont ajoutées à un dictionnaire et toutes les données non disponibles sont supprimées. L'orateur suggère de mettre la boucle dans une fonction pour rendre le code plus propre. Dans l'ensemble, le processus implique la création d'un cadre de taux, l'ajout des données à un dictionnaire, puis l'exécution du script.
  
  
• 00: 15: 00 Dans cette section, l'orateur explique qu'avec l'utilisation de deux trames de données, les utilisateurs peuvent facilement importer des données sur les prix des actions de metatrader5 vers Python en récupérant les prix et les informations de date/heure. Cette méthode peut être utilisée pour de nombreux symboles sans trop de difficulté.

[MetaQuotes]

RSI TRADING BOT EN PYTHON !! - OBTENIR DES DONNÉES DE METATRADER 5

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

La vidéo fournit un didacticiel détaillé sur la création d'un bot Python à l'aide de l'index RS sur MetaTrader 5 (MT5) pour le trading algorithmique. Le processus implique la configuration de MT5 pour le trading algorithmique et les requêtes Web, la création d'un fichier bot à l'aide de la bibliothèque Mt5 et l'importation de la classe de trading RS, avec un constructeur qui reçoit des paramètres tels que la période, la taille du lot et la chaîne du marché. Pour activer le bot, le présentateur utilise la fonction "set" pour initier un événement, et la fonction "join" pour terminer le processus correctement. La vidéo couvre également la création d'un module serveur pour recevoir les données de MT5 et la définition d'une fonction pour ouvrir et fermer les échanges de robots. Le présentateur teste le bot en le chargeant sur un graphique et en analysant son comportement. Dans l'ensemble, la vidéo fournit un guide complet sur la configuration et le test du bot RSI pour le trading automatisé.

• 00:00:00 Dans cette section, le créateur de la vidéo explique comment créer un bot de trading en utilisant l'index RS en Python avec MetaTrader 5 (MT5). La première étape consiste à configurer MT5 pour activer le trading algorithmique et les requêtes Web. Ensuite, le créateur montre comment créer le bot en créant un fichier bot à l'aide de la bibliothèque Mt5, en important la classe de trading RS et en créant un constructeur qui reçoit des paramètres tels que la période, la taille du lot et la chaîne du marché. Enfin, le créateur montre comment arrêter correctement le bot en utilisant un événement et un dictionnaire pour stocker les données de trading. Les utilisateurs peuvent accéder au code complet sur le profil GitHub du créateur.
  
  
• 00:05:00 Dans cette section de la vidéo, le présentateur aborde la création de fonctions pour ouvrir et fermer les trois bots, ainsi que la façon d'activer un événement et d'arrêter les bots une fois qu'ils ont été lancés. Le présentateur utilise la fonction "set" pour activer l'événement et la fonction "join" pour terminer le processus correctement. De plus, ils créent une fonction distincte pour attendre que l'utilisateur appuie sur "Entrée" avant d'arrêter le programme et d'arrêter les bots à l'aide de la fonction "Join". Ils définissent ensuite une fonction pour chacun des trois bots, la seule différence entre eux étant le texte imprimé sur la console.
  
  
• 00:10:00 Dans cette section, la vidéo traite de la création d'un module appelé "python rs6" qui agira en tant que serveur et recevra des données de MT5, agissant en tant que client. La bibliothèque de sockets est utilisée pour créer le serveur, avec un numéro de port de 889 et l'adresse définie sur localhost. La vidéo explique ensuite comment créer une fonction pour lancer la prise et écouter les connexions, en utilisant la fonction d'acceptation pour accepter les connexions entrantes. La boucle principale de la fonction est configurée pour s'exécuter indéfiniment jusqu'à ce que l'événement d'arrêt soit défini, la fonction recevant des messages et les décodant tant que l'événement d'arrêt n'est pas défini. Dans l'ensemble, la vidéo couvre les bases de la création d'un bot Python pour le trading avec les données RSI.
  
  
• 00:15:00 Dans cette section de la vidéo, le présentateur crée un bot de trading RSI en Python qui récupère les données de MT5. Le bot, nommé "rs player", est créé dans la section Expert Advisor de MT5 et chargé avec les connexions R&S et socket pour se connecter à un serveur Python à une adresse spécifiée. Avec un tick exécuté, le bot envoie des informations au serveur, qui est une chaîne qui contient la valeur RSI du tick précédent et la valeur RSI actuelle. En Python, les données reçues sont séparées par une virgule et converties en flottant, permettant une manipulation supplémentaire des données. Le bot est fermé en fermant la connexion et le socket du serveur avec une fonction supplémentaire pour gérer les erreurs rencontrées. Le présentateur teste le bot en créant un fichier principal qui importe MT5 et la classe de bot, initialise une instance et démarre la session de trading en direct.
  
  
• 00:20:00 Dans cette section, la vidéo montre comment charger le bot sur un graphique et tester s'il reçoit correctement les données. Le bot est configuré pour recevoir 1 transaction de 0,01 en 60 secondes, avec des variables pour établir les commandes et le montant de l'effet de levier utilisé. Pour exécuter le bot, la vidéo montre aux utilisateurs comment enregistrer le code et le compiler dans MQL5, puis fermer le bot en cliquant sur "entrer". Ensuite, la vidéo montre la création d'un fichier d'ordres avec des macros, y compris les « bougies » et « entre les opérations », pour s'assurer qu'une seule transaction est exécutée par ensemble de bougies. Dans l'ensemble, la vidéo propose un guide détaillé sur la configuration et le test du bot RSI pour le trading algorithmique.
  
  
• 00:25:00 Dans cette section de l'extrait de transcription, l'orateur explique comment créer une fonction appelée "borders" qui reçoit l'événement d'arrêt, le dictionnaire de données partagées et le dictionnaire d'informations du bot comme entrées. La fonction comprend des variables pour enregistrer l'heure de la dernière opération et l'heure actuelle. La section aborde également la logique d'ouverture d'une position d'achat ou de vente en fonction de certaines conditions et l'importance de prendre en compte le temps entre les opérations. L'orateur mentionne qu'une fonction appelée "poste ouvert" doit être créée pour ouvrir un poste.
  
  
• 00:30:00 Dans cette section, le YouTuber explique comment définir une fonction pour trader avec la plateforme MetaTrader 5 en utilisant Python. La fonction s'appelle "position ouverte" et reçoit le marché, le lot et le type d'opération. Le YouTuber explique que le code de cette fonction se trouve sur une page Google Chrome pour l'envoi de commandes MT5 Python, et qu'il peut être directement copié et collé. Cependant, plusieurs éléments doivent être personnalisés, tels que le type d'ordre, le stop loss et le take profit, qui dépendent du courtier de l'utilisateur. Le YouTuber définit ensuite le stop loss et le profit pour le bot, puis montre comment importer la fonction et créer un bot pour exécuter des transactions.
  
  
• 00:35:00 Dans cette section, le YouTuber montre comment accéder au dernier élément d'une liste dans le code Ceret Orders en tapant "[-1]" dans le code, ce qui renverrait le dernier élément de la liste. L'étape suivante consiste à définir le déclencheur d'achat à un certain prix en modifiant le code pour acheter si le prix dépasse 50. Le bot peut être exécuté et si les critères sont remplis, comme le prix dépassant le seuil, il sera exécuter un ordre d'achat. L'utilisateur peut ensuite vérifier que les niveaux de prise de profit et de stop loss sont correctement définis en vérifiant le code et en observant le comportement du bot. Le YouTuber encourage les utilisateurs à consulter le bot sur GitHub et à aimer, s'abonner et partager la vidéo.

[MetaQuotes]

Comment télécharger des données de la Bourse avec MetaTrader 5 et Python

Comment télécharger des données boursières avec MetaTrader 5 et Python

Le tutoriel vidéo "Comment télécharger des données boursières avec MetaTrader5 et Python" explique comment télécharger des données boursières avec MetaTrader5 et Python. Le didacticiel montre comment créer un script Python pour accéder aux actifs souhaités et exporter les données vers un fichier CSV. La vidéo couvre des sujets tels que le stockage sécurisé des identifiants de connexion, la manipulation de données avec Pandas et l'extraction de données à partir de bougies à l'aide de taux de flic. Les données de haute qualité et gratuites disponibles sont une ressource précieuse pour développer des outils pour attirer plus de personnes vers le marché boursier. La vidéo se termine par un appel à visiter le site Web de la Develop Academy pour en savoir plus et se connecter via Instagram.

• 00:00:00 Dans cette section, l'orateur discute de l'importance d'avoir des données de qualité et abondantes pour les commerçants quantitatifs et souligne la difficulté de trouver de bonnes sources de données publiques. Il présente une solution qu'il a récemment découverte pour utiliser le système MetaTrader 5 pour télécharger des données, les catégoriser dans une base de données interne et développer des stratégies localement sur son ordinateur sans rien payer. Il parcourt les étapes d'installation et d'exportation de données, démontrant la fonctionnalité unique de MetaTrader 5 en permettant aux utilisateurs d'exporter des données dans un fichier CSV qui peut être facilement importé dans d'autres logiciels d'analyse de données.
  |
  
• 00:05:00 Dans cette section, l'orateur explique comment télécharger des données boursières en utilisant MetaTrader 5 et Python. En créant un script en Python, les utilisateurs peuvent demander par programme des données à MetaTrader 5 et exporter les informations pour n'importe quel actif souhaité. La première étape consiste à installer le module MetaTrader5 dans l'environnement Python, puis à créer un script Python pour reproduire le processus de connexion à MetaTrader 5 et d'accès aux actifs souhaités. L'orateur partage également une astuce sur la création d'un fichier externe pour stocker en toute sécurité les identifiants de connexion.
  
  
• 00:10:00 Dans cette section, la vidéo explique comment télécharger les données de la bourse en utilisant MetaTrader 5 et Python. Le processus implique la connexion au serveur spécifique d'un courtier, puis l'utilisation des méthodes MetaTrader 5 pour extraire et organiser les données. La vidéo montre comment extraire des données sur le ticker Bradesco, y compris la configuration des dates et le signalement des types de ticks à extraire. Une fois la demande terminée, la vidéo montre comment utiliser Pandas pour manipuler les données et créer une trame de données. Dans ce cas, les données retournées couvrent toutes les opérations qui ont eu lieu à Bradesco entre le début du mois de mars et le 10 mars.
  
  
• 00:15:00 Dans cette section, le conférencier explique comment télécharger des données boursières à l'aide de MetaTrader 5 et Python. Ils expliquent comment récupérer des données sur le volume échangé, l'agresseur et l'emplacement des transactions, qui peuvent être utilisées pour développer des stratégies de trading à haute fréquence. Les données sont de haute qualité et sont disponibles gratuitement, ce qui est une excellente ressource pour les développeurs pour créer des outils qui peuvent être utilisés pour attirer plus de personnes sur le marché boursier. L'orateur montre également comment gérer les horodatages et les convertir en données réelles, ainsi que comment extraire des données à partir de bougies à l'aide de la fonction de plage de taux de flic. Dans l'ensemble, le didacticiel fournit des informations précieuses sur la manière de collecter efficacement des données boursières pour l'analyse commerciale.
  
  
• 00: 20: 00 Dans cette dernière section, l'orateur fait une brève déclaration de clôture, remerciant les téléspectateurs d'avoir regardé et fournissant le lien vers leur site Web, Develop Academy, pour ceux qui souhaitent en savoir plus sur les stratégies de trading quantitatives. L'orateur encourage les téléspectateurs qui ont des questions à laisser des commentaires sur la vidéo ou à les contacter sur Instagram.

[MetaQuotes]

Trading en ligne par Python dans MetaTrader 5 + Obtenir des données de MQL5

Obtenez le code sur GitHub : https://github.com/Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5

Trading en ligne par Python dans MetaTrader 5 + Obtenir des données de MQL5

Le didacticiel montre comment télécharger un ensemble de données à partir de MetaTrader et effectuer des transactions commerciales en ligne à l'aide de Python. L'instructeur importe les bibliothèques MetaTrader5, pandas et datetime, spécifie l'actif et la période pour l'ensemble de données, et télécharge les cent derniers points de données. Ils expliquent comment gérer une position dans MetaTrader5 en définissant un stop loss, un take profit et en utilisant la commande GTC pendant une durée spécifiée. Bien que la section fournisse une compréhension de base des différentes commandes requises pour gérer une position, la stratégie de négociation globale utilisée n'est pas claire.

• 00:00:00 Dans cette section du didacticiel, l'instructeur montre comment télécharger un ensemble de données à partir de MetaTrader et effectuer de simples transactions commerciales en ligne à l'aide de Python. La bibliothèque MetaTrader5 est importée et le chemin du raccourci logiciel est adressé à Python. Les bibliothèques pandas et datetime sont également importées et l'heure actuelle est utilisée pour spécifier l'heure des dernières données du jeu de données. La clé de symbole de l'actif souhaité est écrite et la période (période quotidienne dans ce cas) est sélectionnée pour l'ensemble de données. Les cent derniers points de données sont téléchargés et une commande de format est utilisée pour stocker les données dans le système personnel de l'utilisateur. Le trading en ligne est effectué en déterminant les actifs et le volume de la transaction, en définissant l'unité de prix comme un pip et en utilisant soit le prix vendeur soit le cours acheteur selon la position saisie.
  
  
• 00:05:00 Dans cette section, la vidéo explique comment définir un stop loss et un take profit pour une position à l'aide des commandes Python dans MetaTrader5. Il montre également comment fermer la position en spécifiant le numéro de ticket de position. La commande GTC est expliquée pour maintenir une transaction active pendant une durée spécifiée. La vidéo montre également un exemple de transaction USDJPY avec un stop loss et un take profit actifs. Dans l'ensemble, cette section fournit une compréhension de base des différentes commandes nécessaires pour gérer une position dans MetaTrader5 via Python.
  
  
• 00:10:00 Dans cette section, nous apprenons que la position longue a été clôturée avec succès. Malheureusement, sans plus de contexte, on ne sait pas à quoi se réfère la position longue ou quelle est la stratégie de trading globale utilisée.

[MetaQuotes]

Trading avec Python - Comment exécuter des ordres en bourse ?

Trading avec Python - ¿Cómo ejecutar órdenes en bolsa ?

Dans cette vidéo, je vous montre comment exécuter des ordres de bourse avec Python. Pour ceux qui veulent appliquer leurs connaissances en analyse de données et en économie, en bourse.

[MetaQuotes]

Partie 2 : TRADING avec Python - Comment faire des INVESTISSEMENTS automatisés ?

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

Ceci est la deuxième partie, sur la façon de commercer avec Python. Dans la première partie, j'ai expliqué comment lancer des commandes. Dans cette partie j'apprends à lancer des ordres basés sur le cours des actions et leurs relations entre elles, automatiquement, avec des données issues du web scraping et appliquer le Trading algorithmique.

[MetaQuotes]

Trading algorithmique avec Python (indicateur MACD)

Trading Algorítmico con Python (Indicateur MACD)

Dans cette vidéo sur "Trading Algorítmico con Python (Indicador MACD)", l'instructeur fournit une explication détaillée de la façon dont l'indicateur MACD peut être utilisé pour créer des algorithmes de trading en Python. La vidéo couvre les trois paramètres utilisés par l'indicateur MACD et comment ils dictent les décisions d'achat et de vente. Des bibliothèques telles que Pandas, NumPy et Yahoo Finance sont utilisées pour obtenir et analyser des données boursières, tandis que des techniques de nettoyage des données et des dictionnaires sont utilisés pour récupérer des informations clés. Dans l'ensemble, la vidéo donne un aperçu pratique de la création d'algorithmes de trading avec Python et l'indicateur MACD.

• 00:00:00 Dans cette section, l'instructeur discute des algorithmes de trading utilisant l'indicateur MACD avec Python. Ils expliquent que l'indicateur MACD utilise trois paramètres pour déterminer si le marché est dans une tendance haussière ou baissière, et sur cette base, les commandes sont passées pour acheter ou vendre. L'instructeur montre comment fonctionne le code de cet indicateur et comment il peut être personnalisé en fonction de différentes stratégies de trading. Il explique également comment utiliser des bibliothèques telles que Yahoo Finance, Data Time, Pandas et NumPy pour obtenir et analyser des données sur les cours des actions. Enfin, ils montrent comment utiliser des techniques de nettoyage de données et des dictionnaires pour récupérer la dernière date d'achat d'actions, sur la base de l'indicateur MACD.
  
  
• 00:05:00 Dans cette section, le conférencier explique comment créer un graphique pour illustrer la stratégie de trading algorithmique en utilisant l'indicateur MACD en Python. Il suggère de télécharger le code à partir du site Web, "inteligencia-artificial", et d'accéder à la section de formation. La vidéo encourage également les téléspectateurs à laisser des commentaires ou à poser toute question qu'ils pourraient avoir.

[MetaQuotes]

Trading algorithmique avec Python (indicateur de bandes de Bollinger)

Trading Algorítmico con Python (Indicador Bandas de Bollinger)

Dans cette vidéo, l'orateur discute des bandes de Bollinger, de la façon dont elles mesurent la volatilité du marché et de la manière de créer un système de commande automatisé basé sur celles-ci à l'aide de Python. Le conférencier explique les principales bibliothèques utilisées, telles que Yahoo Finance et Pandas, et souligne l'importance de spécifier des paramètres pour personnaliser le système pour chaque action analysée. Ils montrent également comment ajouter des données aux colonnes d'achat et de vente et comment comparer la date de la dernière vente avec la date actuelle et initier une vente si elles correspondent. Enfin, le conférencier rappelle aux téléspectateurs que l'analyse technique n'est pas toujours précise et suggère de combiner divers indicateurs et d'utiliser l'intelligence artificielle pour prendre des décisions commerciales éclairées.

• 00:00:00 Dans cette section, l'orateur présente le concept des bandes de Bollinger, qui mesurent la volatilité du marché et incluent une ligne moyenne mobile centrale et des lignes de déviation supérieure et inférieure. Le conférencier explique ensuite comment créer un système de commande automatisé basé sur ces bandes, qui peut exécuter un ordre d'achat ou de vente lorsque certains critères sont remplis. Le conférencier donne un aperçu du code utilisé pour créer ce système, y compris les principales bibliothèques utilisées, telles que Yahoo Finance pour la récupération des données et Pandas pour l'analyse des données. De plus, le conférencier explique l'importance de spécifier des paramètres, tels que n20 et n2, pour personnaliser le système pour chaque stock analysé.
  
  
• 00:05:00 Dans cette section, l'orateur explique comment ajouter des données aux colonnes d'achat et de vente qui ont été créées plus tôt dans le code. Ils démontrent que les données peuvent être ajoutées à la partie "happen" de la colonne ou laissées vides en utilisant "np.nal". L'orateur explique également qu'ils se sont spécialisés dans cet algorithme pour ne travailler qu'avec des données de vente, en éliminant les colonnes vides et en sauvegardant les données dans un fichier CSV. Ils montrent ensuite comment comparer la date de la dernière vente avec la date actuelle et initier une vente si elles correspondent. Enfin, ils rappellent aux téléspectateurs que l'analyse technique n'est pas toujours précise à 100 % et suggèrent de combiner divers indicateurs et de créer des algorithmes avec l'intelligence artificielle pour prendre des décisions de trading éclairées.