Trading algoritmico con Python - pagina 7

 

MetaTrader 5 per la configurazione di Python



MetaTrader 5 per la configurazione di Python

Il tutorial video copre il processo di installazione di MetaTrader 5 per Python che prevede l'inserimento di "pip install MetaTrader5" nel prompt di Anaconda e la verifica dell'installazione eseguendo la funzione MT5Initialize() dal pacchetto MT5 in Python.

MetaTrader 5 for Python setup
MetaTrader 5 for Python setup
  • 2019.04.21
  • www.youtube.com
MetaTrader 5 계좌만들기 : https://www.forextime.com/?form=JbbrANACONDA : https://www.youtube.com/watch?v=YGkps5nqpKk- in real, I prefer the Visual Studio Python...
 

Creazione di un'applicazione Web utilizzando Python e Metatrader 5 con Streamlit




Creazione di un'applicazione Web utilizzando Python e Metatrader 5 con Streamlit

Questo video mostra come creare un grafico in tempo reale utilizzando Python, Streamlit e Metatrader 5 che visualizza i tassi di cambio delle valute e offre opzioni di zoom e timeframe. Il relatore utilizza Pandas per l'importazione di frame di dati e Plotly per tracciare i dati, aggiungendo funzioni per calcolare le medie mobili e l'indice di forza relativa. Il video include il threading per gestire lo zoom e le scorciatoie da tastiera per l'interattività. Il presentatore conclude il video spiegando le diverse funzioni del codice e aggiungendo funzionalità per disegnare oggetti sui grafici, condividendo il codice nella descrizione dell'app. Il tutorial offre ai principianti una semplice introduzione alla creazione di grafici finanziari in tempo reale.

  • 00:00:00 In questa sezione, il creatore del video mostra un grafico in tempo reale creato utilizzando MetaTrader 5, Python e Streamlit. Il grafico mostra i tassi di cambio delle valute e offre funzioni per ingrandire, rimpicciolire e passare da un intervallo di tempo all'altro. Il codice Python utilizza le librerie Streamlit e MetaTrader 5, insieme a Panda per l'importazione di frame di dati e Plotly per la rappresentazione grafica. Il grafico include funzioni per calcolare la media mobile e l'indice di forza relativa con parametri regolabili per gli utenti. Il creatore include anche il threading per gestire lo zoom e le scorciatoie da tastiera per l'interattività dell'utente. Nel complesso, il tutorial offre un'introduzione adatta ai principianti all'utilizzo di queste librerie per la creazione di grafici finanziari in tempo reale.

  • 00:05:00 vuoi costruire un'applicazione web usando Python e MetaTrader 5 con Streamlit, dovrai chiamare funzioni specifiche per fornire i dati necessari. Per ottenere i simboli, puoi usare la funzione "metatrader" per estrarre i loro nomi e poi restituirli in un formato dizionario. La funzione di configurazione del pacchetto impostato consente di personalizzare il layout dell'applicazione web, come la dimensione della finestra e il titolo. Inoltre, per calcolare l'lsi (indice di forza relativa), è necessario fornire alla funzione i dati e i parametri necessari, come il frame di dati e il valore rsi, che possono quindi essere tracciati.

  • 00:10:00 In questa sezione, l'oratore spiega come ha creato le variabili globali e aggiunto il calcolo LSI al frame di dati e ha aggiunto la traccia in modo che i valori RSI possano essere visualizzati sul grafico. Mostra anche come ha creato la funzione ciclo infinito, che aggiorna il grafico ogni secondo, utilizzando il periodo di tempo, il simbolo, le barre, la media mobile e i valori LSI. L'intervallo di tempo è ottenuto da un dizionario e le barre sono ottenute utilizzando la funzione mt5.copy_rates_from_pos(). Il grafico non è un'immagine ma un'animazione che viene costantemente aggiornata ogni secondo.

  • 00:15:00 In questa sezione, il presentatore spiega come convertire i frame di dati delle barre da ridurre in seguito e come convertire il tempo in secondi per una migliore leggibilità. La sezione copre anche l'utilizzo di un grafico a dispersione e come calcolare la media mobile per tracciarla sul grafico. Il relatore aggiorna il layout della figura con un intervallo fisso e un colore della carta per avere il grafico fisso in posizione e per presentare meglio i dati all'utente.

  • 00:20:00 In questa sezione, l'oratore spiega come sono state apportate modifiche alle dimensioni della finestra e all'asse x per eliminare i gap nel grafico giornaliero. Aggiungono anche una linea orizzontale dell'ultimo prezzo usando un semplice
    riga di codice. L'oratore mostra quindi la funzione del tasto alla pressione che riduce o ingrandisce il grafico quando l'utente preme il tasto meno o più. Il codice include più funzioni e segnaposto per mantenere l'applicazione semplice e facile da navigare.

  • 00:25:00 In questa sezione, l'oratore spiega il codice per inizializzare la connessione tra Metatrader5 e il grafico e l'uso di un thread di ascolto della tastiera per regolare la dimensione del grafico utilizzando i tasti più e meno. Discutono anche dell'uso della funzione `st.title` e della creazione di due colonne per gli slider e le opzioni attraverso la funzione `st.connect`. Il relatore spiega l'uso di un segnaposto per la prima colonna e la selezione di una media mobile attraverso la funzione `sd.selectbox`. Menzionano anche la disponibilità di opzioni per la scelta del simbolo o della coppia di azioni, nonché il periodo di tempo.

  • 00:30:00 In questa sezione, lo YouTuber conclude la dimostrazione della creazione di un'applicazione Web utilizzando Python e MetaTrader 5 con Streamlit. Hanno spiegato che l'app mostrava informazioni sui segnali di trading e aggiungeva funzionalità per disegnare oggetti sui grafici. Hanno anche sottolineato le diverse funzioni e le loro finalità nel codice, finendo con la condivisione del codice nella descrizione dell'app. Lo YouTuber ha ringraziato i suoi spettatori per aver guardato e ha concluso il video.
Building a web application using Python and Metatrader 5 with Streamlit
Building a web application using Python and Metatrader 5 with Streamlit
  • 2022.07.23
  • www.youtube.com
This is web application made with streamlit and metatrader 5 .************The code is here : https://github.com/azario0/metatrader5-streamlit************My l...
 

BOT DI TRADING DI INDICI SINTETICI DI PYTHON!! - RICEZIONE DATI CANDELE DA MetaTrader 5



BOT DI TRADING DI INDICI SINTETICI DI PYTHON!! - RICEZIONE DATI CANDELE DA MetaTrader 5

Il video tutorial spiega come creare un bot di trading Python che riceve i dati delle candele da MetaTrader 5 (MT5). Il relatore copre il processo passo dopo passo, inclusa la configurazione di MT5, la creazione di una classe per il bot, l'inizializzazione delle variabili, la creazione di thread e la definizione della strategia di trading con semplici parametri di take profit e stop loss. Il relatore fornisce anche istruzioni sulla gestione degli errori e sul debug del codice e conclude il video evidenziando la semplicità del processo e menzionando un prossimo corso sull'argomento. Il tutorial è approfondito e adatto ai principianti, rendendolo un'ottima risorsa per chiunque sia interessato a creare un bot di trading Python.

  • 00:00:00 In questa sezione del video, il presentatore mostra come creare un bot di scambio di indici con Python spiegando i passaggi coinvolti nel processo. Il primo passo è configurare la piattaforma MetaTrader 5 abilitando il trading algoritmico e consentendo le richieste web per l'host locale. Dopodiché, il relatore apre Visual Studio Code e avvia la codifica creando una classe per il bot con un costruttore che riceve i parametri per margine del lotto, periodo di tempo e mercato. Il bot funzionerà con thread che condividono informazioni tramite un dizionario, quindi il relatore inizializza un elenco di thread e un dizionario per l'archiviazione dei dati condivisi. Infine, viene creato un evento per interrompere i thread. Il relatore fornisce ulteriori informazioni e spiegazioni nel repository GitHub.

  • 00:05:00 In questa sezione, il presentatore inizializza tutti gli elementi necessari come variabili di classe, costanti, code, dizionari e thread per consentire al bot di scambio di condividere i dati tra i thread. Il presentatore dichiara anche i metodi per il bot per avviare e terminare i thread. La funzione kill thread imposta il valore della variabile peel su 'kill' e quindi chiama la funzione join per arrestare i thread in modo sicuro. Infine, il presentatore crea una funzione di attesa che consente all'utente di arrestare il bot premendo Invio.

  • 00:10:00 In questa sezione del video, il relatore spiega che creeranno un programma Python per ricevere i dati delle candele da MetaTrader 5 utilizzando i socket. Iniziano creando un file chiamato candles.py e importando le librerie necessarie come socket e json per inviare e ricevere dati tramite socket. Definiscono inoltre l'indirizzo e la porta da utilizzare per la connessione socket. L'oratore procede quindi a creare una funzione per inizializzare la connessione socket utilizzando socket server e client. Dimostrano come associare il socket all'indirizzo e alla porta specificati e ascoltare le connessioni in entrata. La funzione quindi accetta le connessioni e stampa l'indirizzo del client.

  • 00:15:00 In questa sezione, lo YouTuber spiega come creare la funzione che prenderà le informazioni sulla candela chiamando la funzione "thread_candles". Inizia creando una variabile chiamata "messaggio" per ricevere informazioni da MetaTrader5. Quindi, il socket viene avviato e viene creato un ciclo principale che funzionerà fino a quando l'utente non preme Invio, a quel punto viene impostata la pillola da uccidere. Il ciclo inizia prendendo il messaggio dal socket dalla connessione e decodificandolo. Il codice controlla se il messaggio può essere stampato e, in caso affermativo, lo stamperà. Dopo aver mostrato come creare il file principale, lo YouTuber passa a spiegare come creare un client all'interno di MT5, ma sottolinea che non approfondiranno poiché non è un tutorial MT5.

  • 00:20:00 In questa sezione, il presentatore fornisce una guida passo passo su come copiare il codice da GitHub e utilizzarlo per creare un bot di trading Python che riceve i dati delle candele da MT5. Il presentatore spiega che il codice utilizza i token per inviare informazioni su ogni tick e crea una stringa che contiene il formato JSON per i prezzi di apertura e chiusura di ciascuna candela. Per trasformare la stringa in un dizionario, il relatore suggerisce di utilizzare la funzione json load. Il presentatore mostra anche come avviare e arrestare il bot e il client e come eliminare il bot dal menu del consulente esperto.

  • 00:25:00 In questa sezione, il video tutorial illustra l'aggiornamento di un dizionario con i dati ricevuti da MT5 e la creazione di un thread degli ordini. Il dizionario aggiornato viene inviato utilizzando la funzione self.data, che converte i dati nel formato corretto. Il tutorial include la definizione di macro per il bot, come il numero di candele tra le operazioni e i parametri di stop loss. La funzione del thread degli ordini riceve l'evento di stop e i dati di trading e crea una strategia di trading di base con un semplice take profit e stop loss. Il tutorial include anche la chiusura della connessione e del socket del server, seguita dal test del bot con codice di esempio.

  • 00:30:00 In questa sezione, lo YouTuber discute i passaggi necessari per ricevere i dati delle candele da MT5 e utilizzarli per aprire operazioni in base a determinati criteri. Il primo passaggio consiste nel dichiarare una variabile denominata last operation time e impostarne il valore iniziale su zero, che verrà utilizzato in seguito per tenere traccia dell'apertura di un'operazione. Quindi, viene dichiarata un'epoca utilizzando la funzione datetime che utilizzeremo in seguito per convertire l'ora corrente in secondi. Successivamente, attendiamo l'avvio del thread della candela per evitare errori. Una volta terminato, entriamo in un ciclo in cui controlliamo se le condizioni per l'apertura di un'operazione sono soddisfatte. Se la candela precedente è un boom (chiusura > apertura) e l'ora corrente è maggiore dell'ora dell'ultima operazione più il periodo di tempo dei dati di trading, viene aperta un'operazione. L'ora dell'ultima operazione viene aggiornata e viene richiamata la funzione di posizione aperta. Infine, i dati di trading (compresi il mercato e la dimensione del lotto) vengono definiti e passati come argomento alla funzione di posizione aperta.

  • 00:35:00 In questa sezione, il creatore spiega come inviare l'operazione di cella utilizzando MT5 e fornisce un tutorial su come eseguire una funzione di posizione aperta. L'utente deve inserire il mercato come una stringa, il lotex come un'operazione float e type. Questa funzione aiuta a definire le variabili di stop loss e take profit che sono definite prendendo il prezzo corrente meno il valore di stop loss e aggiungendo il valore di take profit al prezzo corrente. Il creatore consiglia di utilizzare la candela cellulare e i dati di trading per testare ed eseguire il debug del codice. Infine, il creatore fornisce un esempio di quando la funzione viene eseguita e gli ordini vengono scambiati.

  • 00:40:00 In questa sezione, il tutorial si concentra sugli errori di debug. Viene mostrato il processo passo-passo del debug, a partire dal messaggio di errore visualizzato fino a cercare su Google per trovare una soluzione. L'errore specifico qui è il tipo di riempimento dell'ordine non valido, che dipende dal broker utilizzato. La soluzione è provare tutti e tre i tipi di riempimento degli ordini elencati e vedere quale funziona per il tuo broker. Una volta corretto l'errore, il tutorial passa all'apertura di una posizione con successo.

  • 00:45:00 In questa sezione, il relatore conclude il video fornendo una breve panoramica del bot di trading di indici sintetici Python, evidenziando la facilità con cui può essere creato. Dice anche che creerà un corso su questo argomento, che sarà molto completo ea un prezzo ragionevole rispetto a corsi simili. Incoraggia gli spettatori a mettere mi piace, condividere e iscriversi al suo canale e a contattarlo per qualsiasi domanda.
PYTHON SYNTHETIC INDEX TRADING BOT!! - RECEIVING CANDLE DATA FROM MT5
PYTHON SYNTHETIC INDEX TRADING BOT!! - RECEIVING CANDLE DATA FROM MT5
  • 2022.06.29
  • www.youtube.com
YOU MUST INSTALL THE MT5 LIBRARY FOR PYTHON:pip install MetaTrader5In this video I'm going to teach you how to create a PYTHON TRADING BOT that uses MT5 and ...
 

Come importare i dati sui prezzi delle azioni da MetaTrader 5 in Python?



Come importare i dati sui prezzi delle azioni da MetaTrader 5 in Python?

In questo video di YouTube vengono spiegati diversi metodi per importare i dati sui prezzi delle azioni da MetaTrader 5 in Python. I metodi includono l'importazione delle librerie necessarie, l'impostazione dell'intervallo di tempo e del fuso orario desiderati, la definizione di una funzione chiamata "ottenere dati", la manipolazione del frame di dati risultante, l'utilizzo del pacchetto tqtndm, la creazione di un frame di tariffe e l'utilizzo di due frame di dati per recuperare prezzi e informazioni su data/ora. L'oratore suggerisce di inserire i loop in una funzione per rendere il codice più pulito e, utilizzando questi metodi, gli utenti possono facilmente importare dati per numerosi simboli senza troppe difficoltà.

  • 00:00:00 In questa sezione, il relatore spiega come importare i dati sui prezzi delle azioni da MetaTrader5 in Python. Il primo passo è importare tutte le librerie necessarie, inclusi panda, pytz, datetime, tqdm e MetaTrader5. Quindi, l'oratore inizializza MetaTrader5 e imposta il fuso orario e l'intervallo di tempo desiderati. L'oratore definisce una funzione chiamata "ottenere dati" che richiede il simbolo, il numero di candele necessarie e l'intervallo di tempo. La funzione restituisce i dati desiderati e l'oratore spiega cosa fa ciascun input e output nella funzione.

  • 00:05:00 In questa sezione, il relatore spiega una funzione utilizzata per importare i dati sui prezzi delle azioni da MetaTrader5 in Python. La funzione accetta un simbolo, un intervallo di tempo e una data e restituisce un frame di dati contenente i dati richiesti. L'oratore esegue i passaggi per manipolare il frame di dati risultante, inclusa la conversione della colonna dell'ora in giorno e l'eliminazione delle colonne non necessarie. Inoltre, si suggerisce l'uso di un ciclo for per semplificare la chiamata di dati per più asset.

  • 00:10:00 In questa sezione, il relatore spiega come importare i dati sui prezzi delle azioni da MetaTrader5 in Python utilizzando il pacchetto tqtndm. Usano la funzione try e accept per chiamare una funzione rate precedentemente definita che accetta il simbolo e il numero di giorni impostato su 400. I dati restituiti vengono aggiunti a un dizionario e tutti i dati non disponibili vengono eliminati. L'oratore suggerisce di inserire il ciclo in una funzione per rendere il codice più pulito. Nel complesso, il processo prevede la creazione di un rate frame, l'aggiunta dei dati a un dizionario e quindi l'esecuzione dello script.

  • 00:15:00 In questa sezione, il relatore spiega che con l'uso di due frame di dati, gli utenti possono importare facilmente i dati sui prezzi delle azioni da metatrader5 a Python recuperando i prezzi e le informazioni su data/ora. Questo metodo può essere utilizzato per numerosi simboli senza troppe difficoltà.
How to import stock price data from metatrader5 into python?
How to import stock price data from metatrader5 into python?
  • 2022.04.10
  • www.youtube.com
Using MetaTrader5 module in python to import data from metatrader to python and turn it into a dataframe to use in your strategy backtesting .
 

Trading online con Python in MetaTrader 5 + ottieni dati da MQL5



Trading online con Python in MetaTrader 5 + ottieni dati da MQL5

Il tutorial mostra come scaricare un set di dati da MetaTrader e condurre operazioni di trading online utilizzando Python. L'istruttore importa le librerie MetaTrader5, panda e datetime, specifica l'asset e il periodo di tempo per il set di dati e scarica gli ultimi cento punti dati. Spiegano come gestire una posizione in MetaTrader 5 impostando stop loss, take profit e utilizzando il comando GTC per una durata specificata. Sebbene la sezione fornisca una comprensione di base dei diversi comandi richiesti per gestire una posizione, non è chiaro quale sia la strategia di trading complessiva utilizzata.

  • 00:00:00 In questa sezione del tutorial, l'istruttore mostra come scaricare un set di dati da MetaTrader 5 e condurre semplici operazioni di trading online utilizzando Python. La libreria MetaTrader5 viene importata e il percorso di scelta rapida del software è indirizzato a Python. Vengono importate anche le librerie panda e datetime e l'ora corrente viene utilizzata per specificare l'ora dell'ultimo dato nel set di dati. Viene scritta la chiave simbolo dell'asset desiderato e viene selezionato l'intervallo di tempo (intervallo di tempo giornaliero in questo caso) per il set di dati. Vengono scaricati gli ultimi cento punti dati e viene utilizzato un comando di formattazione per memorizzare i dati nel sistema personale dell'utente. Il trading online viene effettuato determinando gli asset e il volume della transazione, definendo l'unità di prezzo come pip e utilizzando il prezzo ask o bid a seconda della posizione inserita.

  • 00:05:00 In questa sezione, il video spiega come impostare stop loss e take profit per una posizione utilizzando i comandi Python in MetaTrader5. Mostra anche come chiudere la posizione specificando il numero del ticket della posizione. Il comando GTC viene spiegato per mantenere attiva una transazione per una durata specificata. Il video mostra anche un esempio di transazione USDJPY con stop loss e take profit attivi. Nel complesso, questa sezione fornisce una conoscenza di base dei diversi comandi richiesti per gestire una posizione in MetaTrader 5 tramite Python.

  • 00:10:00 In questa sezione apprendiamo che la posizione lunga è stata chiusa con successo. Sfortunatamente, senza ulteriore contesto, non è chiaro a cosa si riferisca la posizione lunga o quale sia la strategia di trading complessiva impiegata.
online trading by python in MetaTrader5 + get data from mql5
online trading by python in MetaTrader5 + get data from mql5
  • 2022.04.19
  • www.youtube.com
https://github.com/Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5
 

Backtest della configurazione a 3 candele con Python



Backtest della configurazione a 3 candele con Python

Il video mostra come utilizzare Python per eseguire il backtest della redditività di una configurazione a tre candele. Il presentatore ottiene i dati OHLC settimanali per la coppia di valute EUR/USD da Metatrader5 e li converte in un dataframe Pandas, visualizzandoli utilizzando Plotly Express. Identificano le candele rialziste e ribassiste utilizzando una specifica funzione del tipo di candela e definiscono la condizione di configurazione a tre candele rialziste. Calcolando la probabilità della quarta candela di salire o scendere per ogni occorrenza della configurazione, effettuano il backtest della redditività dell'acquisto di queste configurazioni. Il presentatore conclude che andare long su ogni configurazione rialzista avrebbe generato un certo reddito, ma sottolinea l'importanza di essere pazienti poiché il profitto arriva in un periodo rapido.

  • 00:00:00 In questa sezione, il relatore discute su come utilizzare Python per eseguire il backtest della configurazione a tre candele. Per fare ciò, si connettono prima alla piattaforma Metatrader5 e richiedono i dati OHLC per la coppia di valute EUR/USD su un periodo settimanale dal 1 gennaio 2019 al novembre 2021. I dati vengono quindi convertiti in un dataframe Pandas e visualizzati utilizzando Plotly Express . L'oratore mostra quindi come etichettare le candele nel dataframe come rialziste o ribassiste utilizzando una funzione specifica del tipo di candela. Lo usano per soddisfare la condizione per una configurazione a tre candele rialziste spostando la colonna del tipo di candela in avanti di una, due e tre candele, creando una condizione in cui tutte e tre le candele sono rialziste. Quindi calcolano la probabilità che la quarta candela salga o scenda per ogni occorrenza di questa configurazione e testano a posteriori la redditività dell'acquisto di queste configurazioni.

  • 00:05:00 In questa sezione del video, il relatore discute su come eseguire il backtest di una configurazione a tre candele utilizzando Python. La configurazione prevede l'identificazione di candele in cui la prima, la seconda e la terza candela sono tutte rialziste. Il presentatore crea un dataframe con la chiusura precedente e confronta il risultato con la candela precedente per calcolare il numero di punti guadagnati o persi. Quindi procedono ad analizzare statisticamente i dati per determinare se sarebbe una buona idea acquistare o vendere. Iterando ogni singola configurazione e aggiungendo le tre configurazioni di candele su un grafico, mostrano che l'acquisto alla chiusura di ogni configurazione e la vendita immediatamente dopo la chiusura della candela successiva sarebbero redditizi in alcune situazioni. Il relatore calcola il numero di volte in cui si verifica la configurazione e quanto si guadagnerebbe o si perderebbe in media per configurazione. Concludono che andare long su ogni configurazione rialzista avrebbe generato un certo reddito.

  • 00:10:00 In questa sezione, il video introduce un esempio di backtest della configurazione a 3 candele con Python. Dopo aver reimpostato l'asse, mostra il periodo di tempo con operazioni in perdita e in profitto nel 2019 con la curva dei profitti dei punti cumulativi. Il profitto arriva in un periodo rapido, richiedendo pazienza fino all'arrivo di questo periodo. Il video mostra anche come analizzare XA USD sul grafico giornaliero e visualizzarne le prestazioni richiedendo dati storici e tracciando il data frame. La curva dei profitti viene utilizzata per vedere gli alti e bassi dei profitti e delle perdite. Infine, il video conclude che questo metodo di test può essere utilizzato su qualsiasi numero di mercati e tempi e implica che gli utenti possono scrivere le proprie strategie algoritmiche.
Backtesting the 3-candle-setup with Python
Backtesting the 3-candle-setup with Python
  • 2021.11.12
  • www.youtube.com
In this video, we will backtest 3 candles in-a-row setup for algorithmic trading.Chapters00:00 Intro00:55 Requesting Data & Visualization03:33 Finding the 3-...
 

Python MetaTrader 5 Copia il commercio



Python MetaTrader 5 Copia il commercio

Questa applicazione può copiare il commercio da MetaTrader 5 a un altro MetaTrader 5 controllato da una dashboard web che può anche controllare chi può copiare il tuo commercio, impostare coppia / ticker, impostare volume, fermare la perdita e trarre profitto da ciascuno dei segnali della tua copiatrice.
La tolleranza temporale per la copia è di 5 secondi, se il segnale non viene copiato per più di 5 secondi, Windows cmd a volte si blocca, si consiglia di utilizzare un'altra applicazione terminale su Windows.

Domande e risposte
-----------------------------------
D: Può essere eseguito utilizzando MT4
R: No, MT4 non supporta Python

D: Può funzionare su Linux?
R: No, in realtà mt5 è progettato per Windows, se in esecuzione su Mac o Linux viene eseguito solo utilizzando un emulatore di Windows simile o qualcosa del genere per forzare l'esecuzione dell'applicazione Windows in esecuzione su Mac o Linux

D: C'è una garanzia che il segnale verrà copiato?
R: il successo o il fallimento del segnale da copiare dipende da vari fattori, la maggior parte delle volte la tua condizione vps, può gestire la connessione dal master o dai client, connessione client instabile, ritardo dello script, terminale, blocchi, ecc.

Se riscontri problemi come il blocco del prompt dei comandi durante l'esecuzione dello script Python, vai su https://stackoverflow.com/questions/591047/command-line-windows-hanging-in-rdp-windows

Script
------------
creare un ambiente virtuale:
python -m venv .venv

attivare l'ambiente virtuale:
.venv/Script/activate

libreria dei requisiti di installazione:
pip install -r requisiti.txt

eseguire lo script principale:
python master.py

eseguire lo script slave:
python trade.py

Python MT5 Copy Trade
Python MT5 Copy Trade
  • 2022.06.15
  • www.youtube.com
This application can copy trade from MT5 to another MT5 controlled by web dashboard that also can control who can copy your trade, set pair/ticker, set volum...
 

Python e MetaTrader Back Testing Systems | Sviluppo e test di strategie di trading ML



Sistemi di backtest su Python e Metatrader | Sviluppo e test di strategie di trading ML

Il video discute lo sviluppo di una piattaforma di backtesting stabile per valutare più strategie di trading e impiegare l'apprendimento automatico per il forex trading. Il relatore dimostra come creare una nuova piattaforma di backtesting utilizzando MetaTrader 5 che si interfaccia con i broker per estrarre i dati di input. Spiegano anche come codificare un consulente esperto per estrarre dati, elaborarli utilizzando strategie Python e quindi avviare operazioni in base a parametri predeterminati. Il video mostra anche come generare dati di etichette ed estrarre funzionalità per la creazione e l'addestramento di algoritmi di machine learning. Infine, il relatore discute diversi algoritmi utilizzati per il backtesting, con la foresta casuale identificata come la più accurata. Nel complesso, il sistema di backtesting ha fornito risultati affidabili ed efficienti, con una performance del 96%, e il lavoro futuro include l'integrazione di algoritmi di apprendimento automatico in ambienti di trading dal vivo.

  • 00:00:00 In questa sezione, il relatore introduce il concetto di forex trading e perché è diventato così popolare tra istituzioni, governi, società multinazionali e singoli investitori. Il mercato è aperto 24 ore al giorno dal lunedì al venerdì, rendendolo accessibile a chiunque. Uno dei motivi della sua popolarità è l'immenso potenziale di profitto. Tuttavia, la previsione accurata della direzione del cambio forex è importante. A tal fine, l'obiettivo del relatore era quello di creare una piattaforma di backtesting stabile per valutare più strategie di trading, determinare quali coppie di valute e intervalli di tempo hanno funzionato meglio e utilizzare l'apprendimento automatico per migliorare le previsioni. L'oratore menziona anche ricerche precedenti che utilizzavano macchine vettoriali di supporto e reti neurali artificiali per la previsione.

  • 00:05:00 In questa sezione, il relatore discute l'approccio allo sviluppo di una piattaforma di backtesting per l'addestramento e il test degli algoritmi, che è il primo passo nello sviluppo di algoritmi di apprendimento automatico. Esaminano le piattaforme di backtesting disponibili, come MK Backtesting, ma alla fine decidono di crearne una nuova che si integri perfettamente con le strategie Python esistenti e soddisfi i criteri di coerenza e integrità dei dati. La nuova piattaforma si basa sulla piattaforma MetaTrader 5 standard del settore, che si interfaccia con i broker per estrarre i dati di input per la piattaforma di backtesting. La piattaforma di backtest utilizza una serie di parametri come stop loss e take profit per valutare i dati e generare file di output basati sul segnale generato dalle strategie di trading, come la Trading Strategy Class. Nel complesso, l'approccio prevede la preparazione di dati di livello, lo sviluppo di una piattaforma di backtesting e quindi la creazione di un algoritmo di apprendimento automatico basato sui dati preparati.

  • 00:10:00 In questa sezione, l'oratore descrive come un consulente esperto è codificato per estendere i dati da MetaTrader 5 su base di trading dal vivo ogni volta che viene generata una nuova candela. Il consulente esperto estrae i dati da MetaTrader 5 e li scrive in un file di foglio di calcolo esterno, che viene quindi letto da un motore Python per elaborarlo utilizzando diverse strategie per ottenere un segnale di trading. Il segnale viene quindi scritto in un file di azione, che viene letto dal consulente esperto, e quindi avvia le negoziazioni nell'ambiente MetaTrader 5. L'ambiente di trading può fare trading dal vivo eseguendo operazioni basate su determinati margini di take profit e stop loss, e il consulente esperto modifica e chiude le negoziazioni in base a vari parametri.

  • 00:15:00 In questa sezione, il relatore spiega il processo di backtesting e la generazione di un report nella piattaforma MetaTrader. Mostrano come regolare la velocità del backtesting e importare le strategie necessarie per fare previsioni. Quindi discutono delle diverse funzioni del programma, incluso l'action writer, che gestisce le attività di pulizia come la creazione e il salvataggio dei file di output. Infine, mostrano il rapporto prodotto dal backtesting, che include un riepilogo di tutte le negoziazioni effettuate insieme a dettagli sulla coppia di valute, l'intervallo di tempo e il periodo.

  • 00:20:00 In questa sezione, il video spiega l'uso di una piattaforma di backtesting progettata per la creazione di dati di etichette e l'estrazione di funzionalità per la creazione e l'addestramento di algoritmi ML per il trading. Questa piattaforma semplifica il processo prendendo l'intero periodo di dati estratti e generando i segnali e gli indicatori necessari per il trading, quindi avviando e monitorando gli scambi per ottenere i risultati reali. Utilizzando questa piattaforma, il video mostra come generare dati di etichetta che rappresentano il vero risultato del commercio e le varie caratteristiche estratte dai dati, come RSI, TSI e stocastico. Creando dati più equilibrati, questa piattaforma può generare algoritmi di apprendimento automatico più affidabili per il trading.

  • 00:25:00 In questa sezione, il relatore discute i diversi algoritmi di apprendimento automatico utilizzati per il backtest, tra cui support vector machine, regressione logistica, xgboost, MLP e foresta casuale. L'accuratezza di ciascun algoritmo viene registrata e analizzata e l'oratore identifica la foresta casuale come la più accurata con una precisione del 96%. I dati vengono inoltre etichettati e tracciati per creare un file di foglio di calcolo per un uso successivo. Nel complesso, il processo di backtesting con questi algoritmi è rapido ed efficiente.

  • 00:30:00 In questa sezione, il relatore riassume i risultati del sistema di backtesting e lo sviluppo di strategie di trading ML utilizzando indicatori tecnici e algoritmi di apprendimento automatico. La piattaforma stabile di backtesting ha fornito risultati affidabili ed efficienti, con una performance del 96% rispetto alla strategia di benchmark SMAEMA, che ha avuto solo una performance del 25%. La piattaforma di backtesting era in grado di eseguire il trading automatizzato senza che fosse richiesto l'intervento manuale. Il lavoro futuro include l'integrazione di algoritmi di apprendimento automatico in ambienti di backtesting e trading dal vivo per migliorare l'accuratezza delle previsioni e massimizzare i profitti, utilizzando più strategie e algoritmi più sofisticati come l'auto-attenzione RNN e LSTM.
Python & Metatrader Back Testing Systems | Developing & Test Trading ML Strategies
Python & Metatrader Back Testing Systems | Developing & Test Trading ML Strategies
  • 2021.06.24
  • www.youtube.com
Dr. Khushi supervised this master project in which they developed Python and MetaTrader based backtesting system, trading strategies and wrapped around machi...
 

Come creare strategie di trading algoritmico con Python - Processo passo dopo passo



Come creare strategie di trading algoritmico con Python - Processo passo dopo passo

Il video fornisce una guida passo passo su come creare strategie di trading algoritmico utilizzando Python. Il primo passo prevede la definizione delle regole del sistema, l'eliminazione delle emozioni dal trading e l'esecuzione di test retrospettivi per ottimizzare la redditività. Il presentatore mostra quindi come creare una strategia di trading utilizzando un'ipotesi e indicatori tecnici come i crossover della media mobile. La strategia viene quindi codificata e il backtesting viene condotto ripetutamente per garantire l'ottimizzazione. La seconda sezione si concentra sulla codifica del framework algoritmico e sulla creazione di una funzione di segnale che determina se acquistare o vendere sulla base di un confronto di medie mobili semplici. La terza sezione discute come elaborare i dati di mercato in tempo reale utilizzando le funzioni, mentre la quarta descrive come implementare la strategia su WPS. Il presentatore conclude consigliando ai principianti di mantenere le loro strategie di trading semplici e chiare.

  • 00:00:00 In questa sezione del video, il presentatore spiega il processo di creazione di strategie di trading algoritmico con Python. In primo luogo, definiscono il trading algoritmico come un sistema con regole definite in modo esplicito e senza eccezioni. I vantaggi di questo sono che possiamo codificare strategie di trading basate su dati quantificabili e le emozioni vengono eliminate dall'equazione. Dicono anche che il backtesting è facile da eseguire per ottimizzare e testare la redditività del sistema. Successivamente, il presentatore mostra come creare una strategia di trading utilizzando un'ipotesi e indicatori tecnici, in particolare i crossover della media mobile. Con le informazioni raccolte, vengono create serie di regole e quindi la strategia viene sottoposta a backtesting. Questo processo può essere ripetuto finché la strategia non viene ritenuta ottimale.

  • 00:05:00 In questa sezione, il relatore discute il processo passo dopo passo della creazione di strategie di trading algoritmico con Python. Spiegano come il backtesting consente ai trader di capire come si stanno sviluppando i loro profitti e perdite e, in caso di successo, i trader possono passare a un test in avanti con un bot di trading dal vivo su un conto demo. L'oratore consiglia inoltre di utilizzare Python per il trading in quanto è un linguaggio facile da imparare e ha molte librerie per il backtesting e il trading algoritmico, come panda e plotly. Infine, il relatore illustra il processo di creazione di una semplice strategia di crossover della media mobile sull'indice azionario tedesco, utilizzando una media mobile veloce di 10 e una media mobile lenta di 100. Sottolineano l'importanza di codificare il quadro algoritmico, che può essere trovato sulla loro pagina GitHub.

  • 00:10:00 In questa sezione, il presentatore dimostra come utilizzare Python per creare una strategia di trading algoritmico utilizzando la strategia di crossover della media mobile discussa in precedenza. Forniscono due file: un file con backtest e un file bot di trading dal vivo. Il file sottoposto a backtesting include l'analisi dei dati di come è stata eseguita la strategia per l'anno 2032. Il file del bot di trading dal vivo richiede la creazione di un file con le credenziali di accesso e consente agli utenti di fare trading utilizzando i crossover della media mobile. Il presentatore mostra quindi il loro ambiente di sviluppo integrato Python e spiega il codice, che utilizza librerie come panda, blockly e datetime per recuperare dati storici, calcolare medie mobili semplici e applicare la logica di trading. Infine, il presentatore crea una funzione di segnale che determina se acquistare o vendere in base al confronto delle medie mobili semplici.

  • 00:15:00 In questa sezione, l'oratore spiega il processo di calcolo della colonna del segnale che indicherebbe quando acquistare o vendere un determinato titolo. La colonna del segnale viene derivata applicando la funzione "ottieni segnale" alle barre del frame di dati, che quindi controlla riga per riga se le condizioni per l'acquisto o la vendita sono soddisfatte. Inoltre, vengono calcolate anche le precedenti colonne di variazione del prezzo e di variazione del segnale per determinare i profitti ipotetici, tenendo conto del volume degli scambi e della commissione pagata al broker. Il relatore mostra quindi un grafico utilizzando i profitti lordi e netti su un periodo di sei mesi, dimostrando che la strategia ha prodotto un profitto netto di € 2.380, con alcuni periodi di drawdown. Infine, l'oratore menziona la condivisione di un codice di esempio della strategia di backtesting nel caso in cui lo spettatore desideri testarlo da solo per una cronologia più lunga.

  • 00:20:00 In questa sezione, il presentatore spiega come elaborare i dati di mercato in tempo reale utilizzando le funzioni per creare una strategia di trading in Python. Suggeriscono di importare MetaTrader5, panda, ora, data e ora e principi dell'account con i parametri predefiniti della loro strategia. Il presentatore ha creato funzioni per il trading per chiudere posizioni e controllare gli orari di trading delle sessioni di Londra e New York. Hanno anche creato una funzione per inviare un ordine di mercato utilizzando un segnale di trading nel ciclo e, se la SMA veloce è superiore alla SMA lenta, suggeriscono di chiudere le posizioni di vendita. Il presentatore mostra come utilizzare queste funzioni e controlla il numero di posizioni aperte con la funzione Totale posizioni MT5 per fornire una panoramica del conto quando si accede al conto di trading.

  • 00:25:00 In questa sezione, il relatore spiega la fase finale del processo che consiste nell'implementazione della strategia su WPS (Web Processing Service). Suggerisce di utilizzare un DP (Cloud Desktop Provider) chiamato Countable, a cui fornisce le configurazioni di base. Nota inoltre che MT5 funziona solo su Windows e consiglia di selezionare un data center ospitato nel Regno Unito se il broker si trova a Londra. L'oratore procede quindi a dare suggerimenti e raccomandazioni ai principianti, consigliando loro di mantenere le loro strategie semplici e chiare, per poi aggiungerne altre nel tempo. Conclude ringraziando lo spettatore e incoraggiandolo a porre domande nei commenti.
How to create Algorithmic Trading Strategies with Python - Step by Step Process
How to create Algorithmic Trading Strategies with Python - Step by Step Process
  • 2022.08.28
  • www.youtube.com
In this video, I will explain how to create an Algorithmic Trading Robot Step by Step.00:00 - Presentation09:55 - Github Repo11:21 - Backtest19:55 - Live Tra...
 

Codifica grafici a candele in tempo reale in Python



Codifica grafici a candele in tempo reale in Python

In questo video, l'autore crea un'applicazione Web in Python utilizzando Dash, panda e plotly per generare un grafico di dati a candele in tempo reale per il trading FOREX. L'applicazione utilizza la libreria MetaTrader 5 per raccogliere dati e consente agli utenti di modificare il simbolo, l'intervallo di tempo e il numero di candele da visualizzare. Il video passa attraverso il processo di creazione del layout e dei callback per l'applicazione, inclusa la richiesta di barre storiche da MetaTrader 5 e la creazione di un oggetto figure con go.candlestick. L'applicazione risultante si aggiorna ogni 20 millisecondi e ha un intervallo di aggiornamento di 200 millisecondi. Gli spettatori sono invitati a visitare la pagina GitHub per scaricare l'applicazione.

  • 00:00:00 In questa sezione, lo YouTuber risponde alla domanda di uno spettatore sulla creazione di un grafico di dati forex in tempo reale con dati a candele in streaming in tempo reale. Il video spiega come lo YouTuber codifica un'applicazione web in Python utilizzando Dash, panda e plotly per l'analisi e la visualizzazione dei dati mentre utilizza la libreria MetaTrader5 per raccogliere dati da MetaTrader 5. Spiega anche il processo per ottenere un elenco di simboli e tradurre il intervalli di tempo utilizzando un dizionario. L'output risultante dell'applicazione è un grafico in cui gli utenti possono modificare il simbolo, l'intervallo di tempo e il numero di candele per visualizzare i dati in tempo reale con un intervallo di aggiornamento di 200 millisecondi.

  • 00:05:00 In questa sezione del video, il relatore spiega la creazione del layout per l'applicazione del grafico a candele in tempo reale. I componenti a discesa per il simbolo e l'intervallo di tempo vengono importati dalle funzioni MT5 e i valori sono impostati sui valori predefiniti. L'input del numero di barre viene creato utilizzando il campo di input DBC, che ha un valore predefinito di 20. Il layout dell'app è costituito da un div HTML, che include l'elenco a discesa dei simboli, l'elenco a discesa dell'intervallo di tempo e l'input del numero di barre. Viene aggiunto un piccolo separatore, seguito dal componente dell'intervallo DCC che crea un nuovo callback ogni 200 millisecondi per aggiornare il grafico in tempo reale. Il contenuto della pagina include un callback che aggiorna il grafico ogni 20 millisecondi, tenendo conto dello stato del menu a discesa dei simboli, del menu a discesa dell'intervallo di tempo e del numero di barre immesse. Il callback richiede barre storiche da MetaTrader 5 e crea un oggetto figure con go.candlestick. Infine, il relatore ringrazia i telespettatori per l'attenzione e li invita a visitare la pagina GitHub per scaricare l'applicazione.
Code Real-Time Candlestick Charts in Python
Code Real-Time Candlestick Charts in Python
  • 2021.11.25
  • www.youtube.com
In this video, we will code a Real-Time Candlestick Web Application in Python. We will connect to MetaTrader5 to get real-time data and use Plotly-Dash to cr...