![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Analizza gli spread dei broker con Panda
Analizza gli spread dei broker con Panda | Fare trading con Python
In questo video, il presentatore utilizza i panda in Python per analizzare gli spread dei broker. I dati tick esportati dalla cronologia del broker utilizzando MetaTrader 5 vengono passati in un dataframe panda e i dati spread e orari vengono analizzati per tracciare i cambiamenti negli spread nel tempo. Gli spread sono risultati generalmente ridotti, ma potrebbero aumentare durante eventi di notizie o periodi di scarsa liquidità, in particolare intorno alla mezzanotte dell'ora del broker. L'analisi consiglia ai trader di ottimizzare i propri costi di trading considerando i dati presentati per i diversi simboli.
Codifica una strategia di trading della banda di Bollinger in Python
Codifica una strategia di trading della banda di Bollinger in Python
In questo video, il presentatore spiega la strategia di trading delle bande di Bollinger in Python in cui vengono utilizzate una media mobile semplice, una banda inferiore e una banda superiore per contenere il 95% di tutti i prezzi all'interno delle bande. La strategia prevede l'acquisto quando il prezzo raggiunge la banda di Bollinger inferiore e la vendita quando il prezzo raggiunge la banda di Bollinger superiore. Uno stop loss è impostato su tre deviazioni standard sotto la media, mentre il take profit è impostato su due deviazioni standard sopra. Il presentatore mostra l'implementazione in Python utilizzando le piattaforme Pandas e MetaTrader5 e fornisce i risultati dei test, spiegando ogni risultato commerciale. Tuttavia, sconsiglia di implementare ciecamente questa strategia nei mercati di tendenza e sottolinea l'importanza di analizzare le condizioni di mercato.
Codifica una strategia di trading crossover con media mobile semplice (SMA) in Python
Codifica una strategia di trading crossover con media mobile semplice (SMA) in Python
In questo video di YouTube, il presentatore spiega come codificare una semplice strategia di trading crossover con media mobile (SMA) in Python. La strategia utilizza l'incrocio di due SMA come segnale per l'acquisto e la vendita di asset. Il presentatore mostra come visualizzare i dati storici sui prezzi utilizzando le librerie Pandas e Plotly, definisce gli SMA veloci e lenti, trova i crossover, calcola la colonna dei crossover e traccia i crossover rialzisti. Il video prosegue poi mostrando come eseguire il backtest della strategia di trading crossover SMA utilizzando classi create in precedenza e discute i risultati utilizzando un grafico a linee di profitti e perdite nel tempo. Nel complesso, il video fornisce una guida passo passo per creare e testare una strategia di trading semplice ed efficace utilizzando Python.
Codifica una strategia di trading Buy-Hold per indici azionari in Python
Codifica una strategia di trading Buy-Hold per indici azionari in Python
In questo video, il relatore discute su come scrivere una strategia di trading buy-hold per indici azionari in Python utilizzando il codice Jupyter Notebook per scrivere indicatori, strategie e backtest. La strategia si basa sull'identificazione del drawdown del 5%, 15% o 35% e sull'acquisto quando viene raggiunto un drawdown, vendendo successivamente quando si raggiunge il massimo storico precedente. Il relatore ha spiegato come aggiungere e controllare le posizioni utilizzando il metodo get position che utilizza un elenco di posizioni e aggiunge la classe di posizione per ogni nuova posizione. È stata anche spiegata la strategia di uscita in base alla quale ogni posizione aperta viene chiusa quando il drawdown si avvicina allo zero. Infine, viene sottolineata l'importanza di operazioni di alta qualità e lunghi periodi per consentire il recupero dei prezzi e il presentatore mostra i risultati del backtest rappresentati su un grafico.
Codice 10 Indicatori tecnici di trading con Python
Codice 10 Indicatori tecnici di trading con Python
Il video discute dieci indicatori tecnici di trading con Python, a partire dalla media mobile semplice (SMA), che viene utilizzata per determinare le tendenze. L'average true range (ATR) misura la volatilità, mentre l'indice di forza relativa (RSI) identifica i prezzi di ipercomprato e ipervenduto. Il massimo minimo e la deviazione standard di ieri possono aiutare a identificare mercati variabili, di rottura e volatili. Le bande di Bollinger utilizzano una media mobile semplice (SMA) e una deviazione standard per indicare strategie di mean reversion o breakout. Il crossover MACD e SMA indica un cambiamento di tendenza calcolando EMA o SMA veloci e lenti. Il crossover della media mobile combina medie mobili veloci e lente per identificare potenziali inversioni di tendenza, mentre l'oscillatore stocastico considera i valori più alti e più bassi di un periodo per identificare condizioni di ipercomprato e ipervenduto.
Come codificare una strategia di trading RSI in Python
Come codificare una strategia di trading RSI in Python
Il video fornisce una spiegazione approfondita su come codificare e eseguire il backtest di una strategia di trading RSI in Python. La strategia si basa sull'acquisto quando l'RSI è ipervenduto e sulla vendita quando è ipercomprato, con i segnali di ingresso quando l'RSI scende sotto i 30 e quando supera i 70, è il momento di vendere. La strategia di uscita prevede l'utilizzo dell'indicatore ATR (Average True Range) per impostare il take profit e lo stop loss a 280 pip di distanza dal prezzo di acquisto o di vendita. Il video copre l'uso delle librerie MetaTrader5, Pandas e Plotly per richieste di dati storici, calcolo degli indicatori, backtesting e visualizzazione dei risultati. Conclude incoraggiando gli spettatori a scaricare il notebook Jupiter per implementare la strategia di trading RSI in Python.
Impara i panda sugli esempi commerciali
Impara i panda sugli esempi commerciali
Il video insegna agli utenti come applicare varie funzioni Pandas per analizzare i dati commerciali in Python per rispondere a domande analitiche come determinare le durate commerciali più lunghe e più brevi, calcolare i mesi più redditizi e perdenti, identificare i mesi più attivi, analizzare gli ordini di acquisto e vendita, e calcolando il più grande drawdown assoluto. Inoltre, copre il calcolo del tasso di vincita, del rapporto tra ricompensa e rischio e del fattore di profitto, che misura il rapporto tra profitto lordo e perdita. Il relatore fornisce un file CSV ed esempi reali per guidare gli spettatori attraverso il processo di analisi e offre un taccuino Jupiter per chiunque voglia esercitarsi con i panda.
Gestire i dati in CSV e database (SQLite)
Gestire i dati in CSV e database (SQLite)
Nel video "Gestisci dati in CSV e database (SQLite)", il relatore mostra come salvare e leggere i dati in un file CSV utilizzando Pandas DataFrame e come lavorare con i database utilizzando SQLite3. Agli spettatori viene mostrato come i dati OHLC vengono salvati in un DataFrame di panda, salvati come file CSV e successivamente letti e convertiti in un DataFrame di panda. Il relatore mostra anche agli spettatori come lavorare con i database in Python utilizzando SQLite3, inclusa la creazione di un database o la connessione a uno esistente, il salvataggio dei dati all'interno del database e la lettura dei dati utilizzando semplici query. Il relatore conclude il video offrendo agli spettatori l'accesso al codice utilizzato nel tutorial ed esprimendo la speranza che il tutorial sia stato utile.
MetaTrader 5 trading live con Python nel 2021 (modello incluso)
MetaTrader 5 trading dal vivo con Python
Il video "MetaTrader 5 live trading with Python in 2021 (Template included)" presenta una guida utile per i trader che desiderano personalizzare le proprie strategie di trading e migliorare la redditività utilizzando MetaTrader5 e Python. Presenta un template che può essere modificato in base alle esigenze del trader, evidenziando le sezioni di codice necessarie. Il video copre anche diverse funzioni come l'inizializzazione di funzioni, l'importazione di dati e l'esecuzione di ordini commerciali. Tra gli strumenti utili dimostrati c'è la funzione di ripresa, che consente ai trader di monitorare le posizioni aperte anche dopo aver chiuso il foglio Python. Pur sottolineando la necessità di un dispositivo Windows per utilizzare la libreria MetaTrader 5, il relatore suggerisce anche alcune opzioni per gli utenti Mac.
Trailing stop loss: forza della debolezza?
Trailing stop loss: forza della debolezza?
Lucas di Control discute i punti di forza e di debolezza di una strategia di trailing stop-loss, che mira a ridurre il rischio nel trading utilizzando soglie continue di stop-loss o di profitto. Un punto di forza è che consente ai trader di sfruttare le variazioni di tendenza e gestire il rischio, ma un punto debole è che può far perdere ai trader potenziali profitti. Il relatore consiglia ai trader di considerare la volatilità degli asset e di utilizzare strategie personalizzate di conseguenza. Offre anche un corso su come utilizzare il trailing stop-loss e altre strategie di trading.