アルゴリズム取引におけるPython - ページ 14

 

Python でローソク足チャートを作成する (Pandas Library Notes)



Python でローソク足グラフを作成する (Pandas Bookstore Notes)

このビデオでは、Python の Pandas ライブラリと CSV データを使用してローソク足チャートを作成する方法についてステップバイステップのガイドを提供します。まず、CSV データをインポートし、グラフの作成に使用するデータ フレームを作成します。このチュートリアルでは、財務プロットに使用される mpl Finance ライブラリのインストールについても説明します。このビデオでは、Python で Pandas を効果的に使用するには Pandas を理解することの重要性と、データを正確に表現するためにグラフの種類と日付範囲を変更する方法を強調しています。これは、自動取引のモデリングなどのタスクにも役立ちます。

  • 00:00:00 このセクションでは、Python の Pandas ライブラリと CSV データを使用してローソク足チャートを作成する方法をYouTuber が説明します。最初のステップは、オンラインのさまざまなソースからダウンロードできる履歴データを CSV 形式で取得することです。 CSV データがスクリプトにインポートされると、ローソク足チャートの作成に使用できるデータのコレクションであるデータ フレームが作成されます。次に、YouTuber はデータ フレームから特定の列を選択してグラフを作成する方法を示します。これらのチャートは、自動取引のための機械学習アルゴリズムと組み合わせて使用できます。

  • 00:05:00 このセクションでは、Pandas ライブラリを使用して Python でローソク足チャートを作成する方法について説明します。このチュートリアルは、データセットから列を選択し、DataFrame の順序を逆にすることから始まります。これは、株式市場データを操作する際の重要なステップです。このビデオでは、財務プロットの作成に使用されるライブラリである mpl Finance のインストールについても説明しています。次に、使用する CSV ファイルを選択する前に、チュートリアルは Pandas と mpl Finance をインポートします。

  • 00:10:00 チュートリアルのこのセクションでは、講演者が Python の Pandas ライブラリを使用してローソク足チャートを作成する説明します。データフレームを利用することで、株価の終値をグラフ上に表示することができます。講演者は、mpf ライブラリを使用してさまざまなタイプのチャートを選択する方法と、日付範囲を変更して特定の期間にズームインする方法を説明します。このチュートリアルではステップバイステップのガイドが提供され、Python でこのライブラリを効果的に使用するために Pandas を理解することの重要性が強調されています。

  • 00:15:00このセクションのビデオでは、Python の Pandas ライブラリを使用してローソク足チャートを作成する方法を示します。最初のステップは、CSV ファイルからデータを読み取り、「Chart」と呼ばれる DataFrame を作成することです。次のステップでは、DataFrame を使用して、「mpl_finance」ライブラリを使用してローソク足グラフを作成します。このビデオでは、グラフをカスタマイズし、折れ線グラフや他の種類のグラフに変更する方法を示します。グラフの作成に使用されるコードはビデオの説明にも記載されています。このビデオでは、DataFrame からデータを選択するときに適切な日付範囲を選択することの重要性も強調しています。これは、モデリングなどの他のタスクにも役立つ可能性があります。
 

Python を使用したアルゴリズム取引 (ディシジョン ツリー)



Python を使用した取引アルゴリズム (意思決定の決定)

Python を使用したアルゴリズム取引に関するこのビデオでは、講演者がデシジョン ツリー アプローチを使用して、SP500、金、イーサリアムの間の歴史的な相関関係に基づいてビットコインの価格変動を予測します。モデルは当日のデータを使用してトレーニングされ、翌日の結果を予測するために使用されます。デシジョン ツリーは予測に役立ちますが、講演者は、データ サンプルが少ないだけでは完璧ではない可能性があると述べています。視聴者は、ビデオ内で提供される Web サイトで、人工知能と Python に関連するより多くのアルゴリズム取引戦略、コース、記事にアクセスできます。

  • 00:00:00 トランスクリプトのこのセクションでは、講演者は、デシジョン ツリーに焦点を当てて、アルゴリズム アプローチを使用した意思決定プロセスを紹介します。デシジョン ツリー手法は、ビットコインの価格変動を予測するために、p500、金、イーサリアムの間の過去の価格変動相関関係からのデータに適用されます。トレーニング モデルは、当日の X データに基づいており、翌日のデータを予測するために使用されます。講演者は、直感と論理をプロセスに適用してアプローチを開発したと述べています。

  • 00:05:00 このセクションでは、ビデオはアルゴリズム取引戦略を使用して、ビットコインの価格が翌日上がるか下がるかを予測する方法を示しています。このアルゴリズムは、既存のデータを使用してトレーニングされたデシジョン ツリー モデルを使用し、入力特徴に基づいて将来の結果を予測します。ビデオで示されている例ではデータ セットが限られていますが、より大きなデータ セットでも同じアプローチを使用して精度を向上させることができます。さらに、このビデオでは、視聴者がより多くのアルゴリズム取引戦略にアクセスできる Web サイトや、人工知能と Python に関連するコースや記事も提供します。

  • 00:10:00 このセクションでは、スピーカーは、Python でアルゴリズム取引予測を行うためにデシジョン ツリーを使用する方法を説明します。これらは、「上」と「下」という用語に数値を割り当ててデータの相関関係を分析することにより、決定木の使用法を示しています。講演者は、デシジョン ツリーは予測を行うのに役立ちますが、データ サンプルが小さいだけでは完璧ではない可能性があることを示唆しています。彼らはまた、デシジョン ツリーを他のタイプのチャートの予測に適用できること、さらに学習を進めるために人工知能を利用できることも示唆しています。
 

投資のための Python: ドルインデックスを取得するには? DXY



Python の反転: ¿Cómo sacar Dollar Index? DXY

このビデオでは、Python の Beautiful Soup ライブラリと Pandas ライブラリを使用して、他の通貨に対する米ドルの強さを測定する DXY Index データの抽出について説明します。プレゼンターは、DXY データから変動パーセンテージ情報を抽出し、さらなるデータ分析と機械学習を目的として CSV ファイルに保存するコードを提供します。さらに、Python、金融、アルゴリズム取引に関する無料コースを提供する Web サイトを共有しています。したがって、このビデオは、Python を使用して財務データを抽出するための便利なガイドです。

  • 00:00:00 このセクションでは、講演者は、ユーロ、円、ポンド、カナダドル、スイスフラン、スウェーデンクローナなどの他の通貨に対する米ドルの強さを測定するDXYインデックスの概念を紹介します。講演者は、このデータが自動投資、データ分析、機械学習に役立つ可能性があると説明します。次に、Python の Beautiful Soup ライブラリを使用して、インデックスのバリエーションを取得することに焦点を当てて、Web ページから DXY データを抽出するコードを提供します。講演者は、自身の Instagram ハンドルと、データを収集した Web ページも共有しています。

  • 00:05:00 ビデオのこのセクションでは、プレゼンターが投資目的で Python を使用してドル指数 (DXY) を抽出する方法を示します。発表者は、後の分析のために DXY 情報を CSV ファイルに保存するコードを使用します。このコードは、まず DXY データからパーセンテージ情報を抽出し、次に「split」関数と「replace」関数を使用してそれを日付情報から分離します。最後に、コードは抽出した情報を CSV ファイルに保存します。このファイルには 2 つの列 (日付と変動率の列) が含まれます。発表者は、抽出されたデータが機械学習やデータ分析の目的に使用できることを示唆しています。

  • 00:10:00 このセクションでは、スピーカーが Python を使用してドルインデックスを抽出する方法をデモンストレーションします。 Python スクリプトからの抜粋を示し、それがどのように機能するかを説明します。このコードは、pandas ライブラリを使用して HTML テーブルからデータを抽出し、さらなる分析のために CSV ファイルに保存します。講演者は、Python、アルゴリズム取引、金融に関する無料コースを提供する Web サイトへのリンクも提供します。全体として、このビデオは、Python を使用して財務データを抽出しようとしている人にとって役立つガイドを提供します。
 

Python を使用したアルゴリズム取引 - フルコース



Python を使用したアルゴリズム取引 - フルコース

00:00:00 - 01:00:00このビデオでは、Python を使用してアルゴリズム的に株を取引する方法を説明します。まず、pandas ライブラリの基本を紹介し、次にそれを使用してデータ フレームを作成する方法を示します。次に、このコースでは、株式の HTTP リクエストを実行する方法と、API 呼び出しの結果を使用してデータ フレームにデータを入力する方法を示します。最後に、このコースでは API リクエストをバッチ処理することでコードのパフォーマンスを向上させる方法について説明します。

01:00:00 - 02:00:00 このビデオでは、Python を使用して自動アルゴリズムを使用して株を取引する方法について説明します。まず株とシンボルのリストを作成し、それらの株を文字列に変換します。次に、ビデオは、その文字列を使用して HTTP リクエストを起動するための URL を作成します。最後に、ビデオでは、そのリクエストを実行してデータを取得する方法を示します。

02:00:00 - 03:00:00 このビデオでは、Python を使用して、株価収益率を価値指標として使用するアルゴリズム取引戦略を作成する方法を説明します。この戦略は、この指標に基づいて株式を選別し、現在の株価に基づいて売買の推奨を行います。

03:00:00 - 04:00:00 このビデオチュートリアルでは、Python を使用してアルゴリズム的に株を取引する方法を説明します。さまざまな成功指標の計算方法、欠損データの処理方法、例外処理を使用して欠損値を置き換える方法について説明します。

04:00:00 - 04:30:00 このビデオでは、Python を使用してさまざまな株価指標のパーセンタイル スコアを計算する方法を説明します。また、Python を使用して株価とコールとプットのポジション サイズを含む Excel ファイルを作成する方法、および印刷用にファイルをフォーマットする方法についても説明します。

パート1:

  • 00:00:00 このコースはアルゴリズム取引と Python に関するものです。最初のプロジェクトは、人気のある S&P 500 インデックス ファンドの均等バージョンを構築することです。 2 番目のプロジェクトは、さまざまなモメンタム、投資指標に基づいて最良の銘柄を選択する定量的モメンタム戦略です。 3 番目のプロジェクトは、多数の価値指標に基づいて魅力的な銘柄を選択する定量的価値スクリーニングです。

  • 00:05:00 このコースは、アルゴリズム取引のための Python を教えるように設計されています。 Python はこの種の取引では人気のある言語ですが、処理速度が遅い言語です。多くの実務者は、Python が実際に他の言語で実行されるコードをトリガーするための接着言語としてよく使用されることに気づいています。このコースでは、Python を使用して 3 つのアルゴリズム取引戦略を開発します。

  • 00:10:00 このビデオでは、Python プログラミング言語を紹介し、それを使用してオンライン API からデータにアクセスする方法を示します。このコースでは、IRS コード API を使用して株式市場データを収集することに焦点を当てます。

  • 00:15:00 このビデオでは、インストラクターがアルゴリズム取引の概念と、Python でさまざまな投資戦略を作成する方法を紹介します。最初のプロジェクトは、S&P 500 インデックス ファンドの均等加重バージョンを作成することです。

  • 00:20:00 この Python ビデオ チュートリアルでは、NumPy、pandas、リクエスト、XLS ライブラリを使用してアルゴリズム取引戦略を作成する方法を説明します。

  • 00:25:00 このビデオは、Python を使用して株を取引する方法に関するチュートリアルです。最初のステップは、S&P 500 の 500 銘柄のリストを CSV ファイルに保存することです。次に、IE x クラウド API キーを Jupyter Notebook にインポートし、それを使用して API トークンを取得します。まず、API キーなどの機密情報を保存する Secrets.py ファイルをスクリプトにインポートします。次に、API キーを使用して、IE x クラウド API から財務データを取得します。データはパンダのデータ フレームに保存されており、データを印刷して機能することを確認できます。

  • 00:30:00 Python チュートリアルのこの部分では、クラウド API を使用して個別の株式の時価総額と株価をクエリする方法について説明します。

  • 00:35:00 このビデオでは、リクエスト ライブラリを使用して HTTP リクエストを実行し、結果を変数に保存する方法を説明しています。ここでは、curl コマンド ライン ツールを使用して API エンドポイントを作成する方法と、リクエストを実行する方法を示します。データ変数には、ステータス コードおよびその他の情報を含む、リクエストからの応答オブジェクトが含まれます。

  • 00:40:00 このビデオでは、Python プログラミング言語を使用して、アルゴリズムを使用して株を取引する方法を説明します。このビデオでは、Python 環境をセットアップする方法と、ドット JSON メソッドを使用して HTTP リクエストのデータを JSON オブジェクトに変換する方法を示します。 Python 環境のデータ変数は、iX Cloud ドキュメントの拡張変更変数と同じように動作します。このビデオでは、iX Cloud の価格データが正確でない可能性があることを説明し、Google 検索を使用して正確性をテストする方法を示しています。

  • 00:45:00 このビデオでは、著者が API 呼び出しを解析し、株価を設定し、時価総額を計算する方法を説明します。次に、パンダのデータ フレームにデータ ポイントを追加する方法を説明し、データ フレームをリストとして印刷することでその方法を示します。

  • 00:50:00 このビデオでは、Python を使用してアルゴリズム的に株を取引する方法について説明します。このコースは、データ分析ライブラリである pandas の基本を紹介することから始まり、その後、データ フレームと pandas シリーズの作成に進みます。次に、このコースでは、株式の HTTP リクエストを実行する方法と、API 呼び出しの結果を使用してパンダのデータ フレームにデータを入力する方法を示します。最後に、このコースでは API リクエストをバッチ処理することでコードのパフォーマンスを向上させる方法を示します。

  • 00:55:00 このビデオでは、Python を使用したアルゴリズム取引のトピックの概要を、パンダ データ フレーム ライブラリの使用と、コードを高速化するためのバッチ API 呼び出しの使用に焦点を当てて説明します。このビデオでは、株式のリストを 100 個のチャンクに分割する方法と、chunks 関数を使用して各項目が 100 個に制限されているパンダ シリーズのリストのリストを生成する方法について説明します。最後に、for ループを使用して銘柄リスト内の各銘柄のバッチ API 呼び出しを実行し、各銘柄からの情報が最終的なデータ フレームに追加されます。
パート2:
  • 01:00:00 この Python ビデオ チュートリアルでは、Python プログラミング言語を使用して、自動アルゴリズムを使用して株を取引する方法を説明します。このビデオは、株と銘柄のリストを作成し、それらの株を文字列に変換することから始まります。次に、ビデオは、その文字列を使用して HTTP リクエストを起動するための URL を作成します。最後に、ビデオでは、そのリクエストを実行してデータを取得する方法を示します。

  • 01:05:00 このビデオでは、Python を使用してアルゴリズム取引を実行する方法を説明します。 API 呼び出し URL を作成する方法、API 呼び出しからのデータを解析する方法、およびリクエスト ライブラリを使用してデータを取得する方法について説明します。このビデオでは、pandas シリーズ クラスに無視インデックスを追加する方法と、コードを実行する方法も示しています。

  • 01:10:00 この Python スクリプトは、ユーザーが入力したポートフォリオ サイズに対して購入する株数を迅速に計算します。

  • 01:15:00 この Python スクリプトはポジション サイズを計算し、そのポジション サイズに達するために株を購入します。数学モジュールの切り捨て関数を使用して、購入する株数を切り捨てます。

  • 01:20:00 このビデオでは、Python を使用して株を取引する方法を示しています。ビデオの最初のセクションでは、データフレーム内のデータにアクセスして使用する方法を説明します。 2 番目のセクションでは、データフレームを Excel ファイルに保存する方法について説明します。

  • 01:25:00 このビデオでは、Python を使用して取引用のアルゴリズムを作成する方法を示します。最初のステップは、Excel ファイルを作成し、pandas モジュールからデータフレームを渡すことです。次に、文字列、ドル、および整数セルのさまざまな形式を使用した書式設定が導入されます。最後に、形式が Excel ファイルのセルに適用されます。

  • 01:30:00 このビデオでは、Python を使用して自動アルゴリズムを使用して株を取引する方法を説明します。ビデオの最初の部分では、Excel スプレッドシートの列の書式設定に使用される、辞書の列書式を作成する方法について説明します。ビデオの 2 番目の部分では、スプレッドシート内の列を自動的に書式設定する 2 つのループを作成する方法を示します。

  • 01:35:00 このビデオでは、仮想環境を使用して Python でアルゴリズム取引戦略を作成する方法を説明します。まず、インストラクターは Jupyter Notebook を開いて仮想環境を開始します。次に、仮想環境をアクティブにして、新しいプロジェクトを作成します。このプロジェクトには、株価予測モデル、時価総額予測モデル、および購入株数予測モデルが含まれています。次に、インストラクターはモデルをループして予測をファイルに出力する方法を示します。最後に、ファイルを保存してレッスンを終了する方法を示します。

  • 01:40:00 このビデオでは、ノートブック担当者が、Python を使用してアルゴリズム取引戦略を使用して株式を取引する方法を説明しています。このコースでは、ライブラリをインポートする方法、API 呼び出しを行う方法、勢いに基づいた戦略を構築する方法について説明します。

  • 01:45:00 このビデオでは、アルゴリズム取引に Python を使用する方法を説明します。パフォーマンス分析と取引のための言語の使用方法の基本について説明します。このビデオでは、Requests ライブラリを使用して簡単な API 呼び出しを行い、株式データを取得する方法を示します。

  • 01:50:00 このビデオでは、著者が Python を使用してアルゴリズム取引用のバッチ API 呼び出しを作成する方法を示しています。著者はまず株式リストを 100 個のグループに分割し、次に空の Panda のデータ フレームを作成してインスタンス化します。シンボル文字列リスト内の銘柄ごとに、作成者はバッチ API 呼び出し URL を作成し、その URL 上で JSON メソッドを呼び出して、リクエストのサブジェクトから JSON オブジェクトに変換します。

  • 01:55:00 このビデオでは、Python を使用してアルゴリズムを使用して株を取引する方法を説明しています。インストラクターは、株式をループし、関連するメトリクスを解析し、それらをデータフレームに追加する方法をデモンストレーションします。

パート 3:

  • 02:00:00 このビデオチュートリアルでは、Python を使用してアルゴリズムを使用して株を取引する方法を説明します。データ フレームの作成、シンボルのループ、API 呼び出しの実行、データの並べ替えの方法について説明します。最終的なデータ フレームは、どの株を購入するかを決定するために使用されます。

  • 02:05:00 この Python ビデオ チュートリアルでは、パンダ ライブラリを使用してモメンタム戦略のために購入する株数を計算する方法を示します。このチュートリアルでは、まず 1 年間の価格リターンに基づいてデータ フレームの行を並べ替え、次に inplace = true パラメーターを使用して、一時コピーを返す代わりに元のデータ フレームを変更します。次に、価格の勢いが最も高い 50 銘柄のみを含むようにデータ フレームが変更されます。最後に、モメンタム戦略のために購入する株数を計算する関数が作成され、値のエラーのみを受け入れるように特殊化されています。その後、戦略が実行され、成功します。

  • 02:10:00 このコースでは、簡単なアルゴリズム取引戦略を作成するコードの書き方、戦略のテスト方法、株式の売買に戦略を使用する方法について説明します。この戦略は、株式が高品質モメンタム株または低品質モメンタム株のいずれかであるという前提に基づいています。この戦略は、価格が安いときに株を買い、価格が高いときに株を売ることで機能します。

  • 02:15:00 この Python ビデオでは、さまざまな期間にわたる株価と戻り値のデータ フレームを使用して定量的モメンタム戦略を作成する方法を説明します。この戦略では、さまざまなモメンタム指標を使用して、高品質株を特定します。

  • 02:20:00 著者は、Python を使用して株を取引するためのアルゴリズムを作成する方法について説明します。まず追跡するメトリクスのリストを作成し、次に Sai pi ライブラリを使用して各メトリクスのパーセンタイル スコアを計算します。次に、データ フレーム内の各列のパーセンタイル スコアを計算するループを作成します。最後に、ループを使用して株式取引の戦略を作成します。

  • 02:25:00 このビデオでは、Python プログラミング言語を使用してアルゴリズム的に株を取引する方法を説明します。インストラクターは、LFC (線形最小二乗) 法を使用して、データフレーム内の各列のパーセンタイル スコアを計算します。

  • 02:30:00 このコースでは、Python を使用してアルゴリズム取引を実行する方法を説明します。このコースは Python プログラミングの概要から始まり、stats モジュールを使用してさまざまな期間および資産クラスのパーセンタイル スコアを計算する方法を説明します。次に、Mean 関数を使用してこれらのスコアの平均を計算します。次に、ループを使用して、HTM データフレーム内の各行の HTM スコアを計算します。最後に、HM データフレームが出力されて、計算が成功したことが確認されます。

  • 02:35:00 このビデオでは、著者が Python を使用してデータフレーム内の各銘柄の「HTM スコア」を計算し、HTM スコアをフィルターとして使用して最も勢いのある 50 銘柄を選択する方法を教えています。

  • 02:40:00 このビデオでは、Python を使用してアルゴリズムを使用して株を取引する方法を示します。作成者はデータフレームを初期化し、技術者以外のユーザー向けにデータを Excel ドキュメントにフォーマットします。

  • 02:45:00 ビデオの著者は、Python を使用してアルゴリズム取引システムを作成する方法を教えています。最初の手順では、列の文字と列の値の辞書を作成し、その辞書をループして各列に適切な形式を適用します。 2 番目のステップでは、ライター オブジェクトを使用してデータを Excel ファイルに書き込みます。 3 番目のステップは、列設定メソッドを使用して、データ フレーム内の各列に形式を動的に適用することです。

  • 02:50:00 このビデオでは、インストラクターが、アルゴリズム取引で使用するために Excel ファイルをフォーマットする方法と、1 つの指標に基づいてバリュー投資戦略を作成する方法を示します。

  • 02:55:00 このビデオでは、Python を使用して、株価収益率を価値指標として使用するアルゴリズム取引戦略を構築する方法を説明します。この戦略は、この指標に基づいて株式を選別し、現在の株価に基づいて売買の推奨を行います。

パート 4:

  • 03:00:00 このビデオでは、Python プログラミング言語を使用してアルゴリズム取引モデルを作成する方法について説明します。リクエスト ライブラリを使用して HTTP リクエストを行う方法と、データ値を JSON オブジェクトに変換する方法を示します。次にビデオでは、2 つの異なる取引所の株価を使用して株価と収益率を計算する方法を示します。

  • 03:05:00 このビデオでは、Python を使用してバッチ API 呼び出しを実行する方法を説明します。

  • 03:10:00 このビデオでは、Python リクエスト ライブラリを使用して get リクエストを実行し、株式市場からデータを取得する方法を示します。このデータは解析され、パンダのシリーズを生成するために使用されます。

  • 03:15:00 このコースでは、Python を使用してアルゴリズム取引を実行する方法を説明します。まずはPythonでデータフレームを作成する方法を講師が説明します。次に、インストラクターは、データフレームから魅力的なストックを削除する方法を説明します。最後に、インストラクターは、注文スキーマに従ってデータフレームから上位 50 銘柄を返す方法を説明します。

  • 03:20:00 このビデオでは、インストラクターが Python を使用してアルゴリズム取引を実行する方法を説明します。まず、株価収益率が最も低い銘柄が上位に来るようにデータ フレームを並べ替えました。次に、drop メソッドを使用して新しいインデックス列を削除しました。次に、in place = true パラメーターを使用してデータ フレームを再度並べ替え、元のデータ フレームを変更したままにしました。次に、ポジションのサイズを計算し、各銘柄の 1 株あたりの価格を計算しました。最後に、ポートフォリオ入力関数を使用して、データ フレーム内の各銘柄のポジション サイズを計算しました。

  • 03:25:00 このビデオでは、アルゴリズム取引の概念と、Python を使用して価値戦略を作成する方法を紹介します。次に、ビデオでは、Python を使用して ix Cloud API にアクセスし、複数の評価指標のデータを取り込む方法を示します。すべてがうまくいけば、データはパンダ データフレームとして返され、ビデオはデータが正しく動作していることを示します。

  • 03:30:00 このビデオでは、著者が Python を使用してアルゴリズム取引を実行する方法を示しています。著者はまず株価収益率を取得する方法を示し、次に IRS クラウド API からこの値を解析します。次に、著者は各指標に値を割り当てる方法と、IRS クラウド API からこのデータを解析する方法を示します。最後に、著者は価格対売上高比率を使用して価格対書籍比率を求める方法を示します。

  • 03:35:00 このビデオチュートリアルでは、Python を使用してアルゴリズム取引を実行する方法を説明します。このコースは、別の指標 (予約価格) を使用して企業の価格売上高比率を計算する方法を教えることから始まります。次に、企業価値、利払い・税・減価償却前利益(EBITDA)、企業価値対売上総利益(EV/EBIT)の計算方法を学びます。最後に、このコースでは企業の期末価値利益 (EV/EBIT) 比率を計算する方法を示します。

  • 03:40:00 このビデオでは、著者がアルゴリズム取引に Python を使用する方法を示しています。まず、評価指標の計算方法を示し、次に、計算された情報をデータ フレームに入力するループの作成に進みます。 API 呼び出しのステータス コードを出力してビデオを終了します。

  • 03:45:00 このビデオでは、著者が Python を使用してアルゴリズム的に株を取引する方法を示しています。まず株価記号とデータ値のデータフレームを作成し、次に append メソッドを使用してティッカーごとにデータフレームにデータを追加します。次に、head メソッドを使用して各ティッカーのデータ ポイントを解析し、append メソッドを使用してそれらのデータ ポイントを pandas データフレームに追加します。最後に、パーセンタイル法を使用して株式パーセンタイル スコアを計算します。

  • 03:50:00 この 1 時間のビデオ チュートリアルでは、Python を使用して株を取引し、さまざまな計算を使用して成功の指標を生成する方法について説明します。いずれかの計算が失敗した場合、インストラクターは例外処理を使用して値をダミー値に置き換えます。

  • 03:55:00 このビデオでは、インストラクターがパンダを使用してデータ フレーム内の欠落データに対処する方法を説明します。まず、データ フレーム内のどの列に欠落データが含まれているかを特定する方法について説明します。次に、fill in メソッドを使用して、欠損データを別の列の平均値で置き換える方法を示します。

パート 5:

  • 04:00:00 このビデオでは、Python を使用してさまざまな株価指標のパーセンタイル スコアを計算する方法を説明します。まず、トランスクリプトの抜粋では、株価指標の辞書を作成する方法と、パンダ ライブラリの「LLC」メソッドを使用して各指標のパーセンタイル スコアにアクセスする方法を示します。

  • 04:05:00 このビデオでは、Python を使用してアルゴリズム取引を実行する方法を説明します。チュートリアルの最初の部分では、Sai pi dot stats モジュールのスコア関数のパーセンタイルを使用して、特定のデータ セットのパーセンタイル スコアにアクセスする方法を示します。チュートリアルの 2 番目の部分では、LSC メソッドを使用してデータ セット内の特定の行の RV スコアを計算する方法を示します。

  • 04:10:00 このビデオでは、Python を使用して P/E 比率、PB 比率、PS 比率、Evie/EBIT 比率、Eb/粗利益などのさまざまな評価指標を計算する方法を説明しています。メトリクスが計算されたら、データを印刷して期待値と比較する方法をビデオで説明します。

  • 04:15:00 この Python ビデオでは、著者が Python ライブラリ pandas を使用してポートフォリオのポジション サイズを計算する方法を示しています。まず、ユニバース内で最も安い 50 銘柄のインデックスを含むデータフレームを作成します。次に、データフレームをフィルターして 50 銘柄のみを含め、インデックスをリセットしてアンダースコアを付けます。次に、既存のインデックスの重複を避けるためにドロップ パラメーターを渡し、各銘柄のポジション サイズを計算する for ループを作成します。最後に、各銘柄のポジション サイズを出力し、それを希望のポジション サイズである 50,000 ドルと比較します。

  • 04:20:00 このビデオでは、Python を使用してアルゴリズム的に株を取引する方法を説明します。ビデオの最初の部分では、データフレームを作成して印刷する方法の基本について説明します。ビデオの 2 番目のパートでは、Python を使用して株価とコールとプットのポジション サイズを含む Excel ファイルを作成する方法について説明します。最後に、ビデオでは Excel ファイルをフォーマットしてプリンターに送信する方法を示します。

  • 04:25:00 このビデオでは、Python を使用してアルゴリズム取引を実行する方法を示します。インストラクターは、取引目的でデータを保持するためにスプレッドシートをフォーマットする方法と、さまざまな Python 関数を使用してスプレッドシートでさまざまなタスクを実行する方法をデモンストレーションします。

  • 04:30:00 このチュートリアルでは、S&P 500 の最も安い 50 銘柄を特定する方法を使用して、クオンツ バリュー投資に Python を使用する方法を紹介します。このチュートリアルでは、コードのフォーマットと実行に関する段階的な手順が示され、次で終わります。完成したスプレッドシート。
Algorithmic Trading Using Python - Full Course
Algorithmic Trading Using Python - Full Course
  • 2020.12.04
  • www.youtube.com
Learn how to perform algorithmic trading using Python in this complete course. Algorithmic trading means using computers to make investment decisions. Comput...
 

アルゴリズム取引 Python 2023 - フルチュートリアル 初心者向け


アルゴリズム取引 Python 2023 - フルチュートリアル 初心者向け

このビデオチュートリアルでは、著者がアルゴリズム取引用の Python プログラムをインストールして利用するプロセスを詳しく説明します。これらは、アルゴリズム取引戦略に関連するコードを収容するために特別に設計された基本的な Python 3 ファイルを作成するための段階的な手順を提供します。さらに、コードを実行し、結果の出力を分析のために出力する方法も示します。このチュートリアルは主に、アルゴリズム取引を目的として Python プログラミング言語の力を利用することに焦点を当てています。 yfinance ライブラリなど、アルゴリズム取引に適用できるさまざまな必須関数とライブラリをカバーしています。このチュートリアルでは、これらの関数とライブラリを使用する重要性を強調するとともに、スプレッドシートを使用したデータのダウンロードと処理手法についても説明します。

さらに、ビデオ チュートリアルでは、Python を使用して CSV ファイルを読み書きするプロセスを紹介します。 CSV ファイルを作成するために必要な手順を説明し、Python 環境内でファイルを読み取り、操作する方法を示します。引き続き Python ベースの株取引のテーマを取り上げ、このチュートリアルでは株価指数の作成を説明し、Python 関数「convert」を使用して指数形式を変更する方法を示します。さらに、Python 関数「start.columns」を使用して、株式に特化した列リストの変更を容易にする方法についても説明します。

次のビデオチュートリアルも、株式取引での Python の使用を中心に展開しています。まず、株式データのダウンロードと解析を説明し、次に「記述」機能を使用して取得したデータを効果的に分析します。最後に、株価を監視および追跡するための「ドット ロック」機能の利用方法を示します。次に、後続のビデオ チュートリアルでは、Python を使用して株取引用のアルゴリズムを作成する方法について包括的に説明します。まず、3 つの異なる株の異なる開始点を視覚化し、続いて均一な 100 ポイントの範囲内で値を表すための正規化を示します。次に、チュートリアルでは、株価の正規化された終値をプロットし、「ドット」(モル) 関数を利用して値を 100 倍して読みやすさを向上させる方法を視聴者に案内します。

同様に、別のビデオ チュートリアルでは、Python を利用して株取引アルゴリズムを作成することに焦点を当てています。このチュートリアルでは、クローズされた株式に関する情報を保存するためにデータセット内に新しい列を作成するプロセスの概要を説明します。さらに、「シフト」関数を使用してデータを列の一番下に再配置する方法についても説明します。さらに、前日からの株価の変化率の計算も表示されます。ギアを変えて、アルゴリズム取引に関連する統計計算に Python を利用する方法を学習者に紹介する別のチュートリアルです。 「シフト」、「減算」、「除算」などの関数を使用してラグや差分関連のデータを計算するためのガイダンスを提供します。

次に、ビデオでは、Python を使用して金融資産の変化率を計算する方法を詳しく説明します。ここでは、「change」関数の名前を「pst」に変更して読みやすさを向上させる変更を示します。さらに、「periods」変数を 1 に設定し、変化率に 100 を乗算してポイント値形式で表します。このビデオでは、資産の標準的な変化を計算し、変化率からそれを差し引いて初日の影響を排除する方法も説明しています。特定のアセットのデータフレームの名前が「change」に変更され、「change」列が作成されます。このチュートリアルは、「aafl」を使用して「change」列のチェックを実行し、データフレームを保存することで終了します。

さらに、チュートリアルの作成者は、特定のデータセットの平均、標準偏差、変化率、およびリターンを計算する方法を説明します。また、ヒストグラムのプロットとヒット システム グラフの作成も示します。

統計計算を続ける別のビデオ チュートリアルでは、株式の収益の平均、分散、標準偏差の計算について説明しています。さらに、年間平均リターンと年間分散リターンを決定するためのガイダンスも提供します。

さらに拡張して、チュートリアルでは、Python の「std」関数を使用して株式収益の年間標準偏差を計算する方法を紹介します。このアプローチでは、個々のデータ ポイントではなくティッカー シンボルからデータを取得することで、大規模なデータセットを効率的に分析します。このチュートリアルでは、株式の収益率の平均と標準偏差、および株式の変化率の平均と標準偏差を追跡するための列の作成についても説明します。さらに、「サマリー」機能を使用した株式収益率の平均と標準偏差の計算についても説明します。

著者は、さまざまな株式に関連するリターンとリスクを示すための散布図の作成と注釈の付け方についても説明します。この視覚化は、株式取引のコンテキストにおけるリターンとリスクの関係を理解するのに役立ちます。次に、ビデオ チュートリアルでは、Python を使用して株を取引するためのアルゴリズムを作成する方法について詳しく説明します。 for ループと、共分散や相関などの関数の使用法について説明します。さらに、アルゴリズムの結果がグラフで表示されるため、トレーダーは取引戦略のパフォーマンスを効果的に視覚化して分析できます。

さらに、このチュートリアルでは、seaborn ライブラリを活用して株価相関を示すヒートマップを作成する方法についても説明します。ステップバイステップのガイドとプロジェクト全体のコードのダウンロードが提供されており、Python を使用した株価相関分析の実装が容易になります。焦点を変えて、ビデオチュートリアルのプレゼンターは、Python を使用して株のポートフォリオのリスクと潜在的な報酬の計算について視聴者を教育します。彼らは単純なリターンの限界について議論し、対数リターンの概念を導入し、リスクと報酬の評価における実際の応用例を示しています。この分析は、トレーダーがポートフォリオの構成とリスク管理に関して情報に基づいた意思決定を行うのに役立ちます。

別のチュートリアルでは、Python の「ローリング」関数を使用して単純な移動平均を計算するプロセスを説明します。この手法を適用することで、トレーダーは株価の変動を平滑化し、トレンドをより効果的に特定することができます。さらに、チュートリアルではデータセットの平均、中央値、移動平均の計算を示し、データ パターンの分析と理解におけるそれらの重要性を強調しています。

さらに、ビデオチュートリアルでは、株式の 50 日移動平均、200 日移動平均、EMA (株価収益率) などのさまざまな移動平均の計算を紹介しています。これらの移動平均はグラフ上にプロットされ、トレーダーが主要なトレンドと潜在的な取引シグナルを特定するのに役立ちます。データ操作テクニックを続けるビデオ チュートリアルでは、パンダの再インデックス関数を使用してデータフレーム内の欠損値を置き換える方法を説明します。また、休日や週末に遭遇した場合にデータを管理するための前方および後方フィル関数のアプリケーションについても説明します。

ビデオ チュートリアルではさらに、バイ アンド ホールド リターン、累積リターン、および最大リターンを含む、長期にわたる株式のリターンの計算を示します。さらに、累積最大収益の計算を調査し、グラフプロットを通じてデータを視覚化します。さらに、チュートリアルでは、株式のドローダウン、最大累積リターンと最大累積ドローダウンの計算方法についても説明します。ドローダウンを理解することは、トレーダーが投資に関連するリスクを評価し、潜在的な損失シナリオを特定するのに役立ちます。同様に、別のビデオチュートリアルでは、株式のドローダウンと最大ドローダウンの計算について説明しています。さらに、リスク管理における重要な指標であるドローダウン率の計算の概要も提供します。

YouTube の Python 2023 チュートリアルでは、取引のための移動平均クロスオーバー戦略の作成を視聴者に紹介しています。この戦略には、50 日移動平均と 100 日移動平均の 2 つの移動平均を利用して、株式の傾向を判断し、それに応じて取引シグナルを生成することが含まれます。さらに、ビデオチュートリアルでは、株を取引するための Python コードの書き方を説明しています。現在の価格と過去の価格データに基づいて株を買うか売るかを決定するプロセスを示します。また、ライブラリを使用して株式のポジションを長期的に追跡し、トレーダーがポートフォリオを効果的に監視および管理できるようにする方法についても説明します。

このチュートリアル ビデオでは、リターンと標準偏差を使用したアルゴリズム取引戦略のバックテストについて視聴者に啓発しています。これは、リターンの点で 50 日移動平均を上回りますが、標準偏差が高く、リスクと報酬の間のトレードオフを強調する戦略を示しています。さらに、ビデオチュートリアルでは、投資戦略を作成し、それを他の戦略と比較する方法をユーザーに案内します。最高のリターンをもたらす戦略はロングバイアスのある戦略であることを強調しており、強気のポジションを好むことを示しています。

さらに、著者はアルゴリズム取引のテスト戦略を作成する機能を紹介します。この関数は銘柄名、開始日と終了日などのパラメーターを受け取り、日次収益、累積収益、SMA (単純移動平均) などの主要なパフォーマンス指標を返します。この機能を利用することで、トレーダーは取引戦略の有効性を評価し、データに基づいた意思決定を行うことができます。次に、チュートリアルはアルゴリズム取引の Python スクリプトを構築する方法を示します。このスクリプトにはシンプルなストップロスとテイクプロフィット戦略が組み込まれており、従来のバイアンドホールド投資アプローチと比較して全体的なパフォーマンスの向上を目指しています。このスクリプトは、より洗練された取引アルゴリズムを開発するための基盤として機能します。

プレゼンターは、Python で書かれた取引戦略のバックテストのプロセスも紹介します。プレゼンターが作成したこの戦略は、2017 年からの過去の株式市場データに基づいてテストされ、トレーダーがそのパフォーマンスと実行可能性を評価できるようになります。さらに、このチュートリアルでは、株や暗号通貨を取引するための Python2023 アルゴリズムをコーディングする方法について説明します。 API を使用してさまざまな株式取引所や仮想通貨取引所からのデータにアクセスする方法について説明しており、トレーダーがリアルタイムの市場データを分析し、それに応じて取引戦略を実行できるようにします。ビデオチュートリアルでは、Python を使用して株や暗号通貨を取引する方法についてさらに詳しく説明します。これには、API サービスを使用したデータ入力、分析、保存、操作、取引戦略の実行が含まれます。これらのテクニックを活用することで、トレーダーは取引プロセスを自動化し、ポートフォリオを効率的に管理できます。

さらに、このチュートリアルでは、Python を使用して株やその他の金融資産を取引するための包括的なガイダンスを提供します。価格分析や取引などの基本的な概念だけでなく、バックテストやデータ統合のための API の利用などの高度なトピックもカバーしています。このチュートリアルでは、トレーダーにアルゴリズム取引を効果的に行うために必要な知識とツールを提供します。

結論として、これらのチュートリアルとビデオは、アルゴリズム取引での Python の使用に関する豊富な情報を提供します。データ処理、統計分析、視覚化、戦略開発、バックテスト、リアルタイム取引など、幅広いトピックをカバーしています。これらのチュートリアルに従うことで、トレーダーはアルゴリズム取引の原則について理解を深め、Python の機能を活用して情報に基づいた取引の意思決定を行うことができます。

  • 00:00:00 このビデオでは、著者がアルゴリズム取引 Python プログラムのインストール方法と使用方法について説明します。次に、アルゴリズム取引戦略のコードを保持する基本的な Python 3 ファイルを作成する方法を説明します。最後に、結果を出力してコードを実行する方法を示します。

  • 00:05:00 このチュートリアルでは、Python プログラミング言語を使用してアルゴリズム取引を実行する方法を説明します。このチュートリアルでは、y Finance ライブラリなど、アルゴリズム取引で使用できるさまざまな関数とライブラリについて説明します。このチュートリアルでは、スプレッドシートにデータをダウンロードして処理する方法も示します。

  • 00:10:00 この YouTube ビデオでは、CSV ファイルの書き込み方法と Python での読み取り方法を示しています。

  • 00:15:00 このチュートリアルでは、Python を使用して株を取引する方法を説明します。このビデオでは、まず株価指数の作成方法を説明し、次に Python 関数 Convert を使用して指数形式を変更する方法を示します。最後に、Python 関数 start.columns を使用して株式の列リストを変更する方法について説明します。

  • 00:20:00 このビデオチュートリアルでは、Python を使用して株を取引する方法について説明します。チュートリアルの最初の部分では、株式データをダウンロードして解析する方法について説明します。次に、チュートリアルでは、describe 関数を使用してデータを分析する方法について説明します。最後に、チュートリアルでは、ドット ロック機能を使用して株価を追跡する方法について説明します。

  • 00:25:00 このビデオ チュートリアルでは、Python プログラミング言語を使用して株を取引するアルゴリズムを作成する方法を説明します。このチュートリアルは、3 つの異なる株の異なる開始点を表示することから始まり、次に、すべての値が 100 ポイントの範囲で表されるように値を正規化する方法を示します。次に、チュートリアルでは、株式の終値のノルムをプロットする方法と、
    値を読みやすくするために値を 100 倍するドット (モル) 関数。

  • 00:30:00 このビデオ チュートリアルでは、Python プログラミング言語を使用して株を取引するアルゴリズムを作成する方法を説明します。最初のステップは、クローズされた株式に関する情報を保存するための新しいデータ列を作成することです。次に、ビデオでは、シフト関数を使用してデータを列の一番下に移動する方法を説明します。最後に、チュートリアルでは、前日からの株価の変化率を計算する方法を示します。

  • 00:35:00 このチュートリアルでは、Python プログラミング言語を使用して、アルゴリズム取引に関連するさまざまな統計データを計算する方法を学びます。シフト関数、減算関数、除算関数を使用してラグと差分に関連するデータを計算する方法を学びます。

  • 00:40:00 このビデオでは、Python を使用して金融資産の変化率を計算する方法を説明します。読みやすくするために変更関数は pst に変更され、期間変数は 1 に設定されます。次に、変化率に 100 を乗算してポイント値に変換します。次に、資産の標準的な変化が計算され、変化率から差し引かれて、初日の影響が除去されます。データフレーム apple の名前が変更され、列の変更が作成されます。 Aafl を実行して列の変更を確認し、データフレームが保存されます。

  • 00:45:00 このチュートリアルでは、著者は、特定のデータセットの平均と標準偏差、および毎月の変化に対する変化率と収益を計算する方法を示します。また、ヒストグラムをプロットしてシステム グラフをヒットする方法も示します。

  • 00:50:00 このビデオでは、株式の収益の平均、分散、標準偏差を計算する方法を説明します。このビデオでは、年間平均リターンの計算方法と年間可変リターンの計算方法も説明しています。

  • 00:55:00 このビデオ チュートリアルでは、std 関数を使用して特定の株式の収益の年間標準偏差を計算する方法を説明します。 std 関数は、個々のデータ ポイントではなくティッカー シンボルからデータを取り込むため、大規模なデータ セットをより効率的に分析できます。このチュートリアルでは、株式の収益率の平均と標準偏差を追跡する列を作成する方法と、株式の変化率の平均と標準偏差を追跡する列を作成する方法も示します。最後に、summary 関数を使用して株価収益率の平均と標準偏差を計算する方法について説明します。

  • 01:00:00 著者は、散布図を作成し、それに注釈を付けて、さまざまな株式に関連するリターンとリスクを示す方法を説明します。

  • 01:05:00 このビデオチュートリアルでは、Python プログラミング言語を使用して株式取引のアルゴリズムを作成する方法を説明します。このチュートリアルでは、for ループ、共分散関数、相関関数の使用法と、結果のグラフ表示について説明します。

  • 01:10:00 このチュートリアルでは、seaborn ライブラリを使用して株価相関のヒート マップを作成する方法を説明します。このチュートリアルには、プロジェクト全体のコードのダウンロードも含まれています。

  • 01:15:00 このビデオでは、プレゼンターが Python を使用して株式ポートフォリオのリスクと潜在的な報酬を計算する方法を教えています。彼は、単純な戻り値とログの戻り値の制限について説明し、それらが実際にどのように機能するかを示しています。

  • 01:20:00 このチュートリアルでは、Python のローリング関数を使用して単純な移動平均を計算する方法を説明します。

  • 01:25:00 このチュートリアルでは、一連の値の平均と中央値、および移動平均を計算する方法を説明します。

  • 01:30:00 このビデオでは、株式の 50 日移動平均、200 日移動平均、および ema (または「株価収益率」) を計算する方法を示します。このビデオでは、これらの平均をグラフにプロットする方法も示しています。

  • 01:35:00 このビデオでは、dot day がパンダの再インデックス関数を使用してデータフレーム内の欠損値を置き換える方法を説明しています。このビデオでは、休日や土日が含まれる場合に、前方フィル機能と後方フィル機能を使用してデータを管理する方法についても説明しています。

  • 01:40:00 このビデオでは、バイアンドホールドリターン、累積リターン、最大リターンなど、株式の長期にわたるリターンを計算する方法を説明します。また、累積最大収益を計算する方法とデータのグラフをプロットする方法についても説明します。

  • 01:45:00 このビデオでは、株のドローダウンを計算する方法と、株の最大累積リターンと最大累積最大値を計算する方法を説明します。

  • 01:50:00 このビデオでは、株式のドローダウンと最大ドローダウンの計算方法について説明し、ドローダウン率の計算方法の概要も提供します。

  • 01:55:00 この YouTube ビデオでは、Python 2023 チュートリアルで、移動平均クロスオーバー戦略の作成方法を説明しています。この戦略には、50 日と 100 日の 2 つの移動平均を使用して株価の傾向を判断することが含まれます。

  • 02:00:00 このビデオチュートリアルでは、Python を使用して株を取引するコードを記述する方法を説明します。このビデオでは、現在の価格と過去の価格に基づいて株を買うべきか売るべきかを決定するコードを記述する方法を示します。このビデオでは、ライブラリを使用して株式のポジションを長期的に追跡する方法も説明しています。

  • 02:05:00 このビデオでは、リターンと標準偏差を使用してアルゴリズム取引戦略をバックテストする方法を説明しています。この戦略は 50 日移動平均よりも高いリターンを実現しますが、標準偏差が高くなります。

  • 02:10:00 このビデオでは、特定の投資に対する戦略を作成する方法と、それを他の戦略と比較する方法を説明します。最高のリターンをもたらす戦略は、ロングバイアスのある戦略です。

  • 02:15:00 著者は、アルゴリズム取引のテスト戦略を作成する機能を紹介します。この関数は銘柄名、開始日と終了日を受け取り、日次収益、累積収益、sma を返します。

  • 02:20:00 このチュートリアルでは、株を取引するための Python アルゴリズムを作成する方法と、それを使用して将来の株価を予測する方法を示します。このチュートリアルには、株式への投資収益率とその収益率の標準偏差を計算する方法のデモンストレーションが含まれています。

  • 02:25:00 sma バックテスター クラスは、リターンと標準偏差を計算する戦略を作成するために使用されます。このクラスにはデータを取得する関数も含まれています。

  • 02:30:00 このビデオでは、getdata 関数を使用して株式データをダウンロードする方法、テスト結果関数の作成方法、データを使用してバイ アンド ホールド戦略のパフォーマンスとアウトパフォーマンスを計算する方法を示します。

  • 02:35:00 著者は、アルゴリズム取引戦略のパフォーマンスとアウトパフォーマンスを計算する方法を示します。著者は、結果をプロットする関数を作成する方法も示しています。

  • 02:40:00 このチュートリアルでは、著者はアルゴリズム取引の Python スクリプトを構築する方法を教えます。このスクリプトでは、シンプルなストップロスとテイクプロフィット戦略を使用して、バイアンドホールド投資よりも全体的なパフォーマンスの優位性を実現します。

  • 02:45:00 このビデオは、Python で書かれた取引戦略をバックテストする方法を示しています。この戦略は発表者によって書かれ、2017 年に株式市場でテストされました。

  • 02:50:00 このチュートリアルでは、株や暗号通貨を取引するための Python2023 アルゴリズムをコーディングする方法を説明します。このチュートリアルでは、API を使用してさまざまな株式取引所や仮想通貨取引所のデータにアクセスする方法についても説明します。

  • 02:55:00 このビデオチュートリアルでは、Python を使用して株や暗号通貨を取引する方法を説明します。このビデオでは、データの入力と分析の方法、データの保存と操作の方法、API サービスを使用した取引戦略の送信方法について説明します。

  • 03:00:00 このチュートリアルでは、Python を使用して株やその他の金融資産を取引する方法を説明します。このコースでは、価格分析や取引などの基本的な概念だけでなく、バックテストや API の使用などのより高度なトピックもカバーします。
Algorithmic Trading Python 2023 - FULL TUTORIAL Beginner
Algorithmic Trading Python 2023 - FULL TUTORIAL Beginner
  • 2022.01.14
  • www.youtube.com
We have a created an Algorithmic Trading Course in python for pure beginners wherein we discuss multiple concepts from a basic zero to hero framework. The vi...
 

取引所の株式リストを取得する方法 || Pythonによる株価分析 その1



取引所の株式リストを取得する方法 || Pythonによる株価分析 その1

これは、株価分析での Python の使用に関する私のシリーズの最初の部分です。シリーズは 3 つのセクションに分かれています。最初のセクションでは、分析用のデータの取得と整理に焦点を当てます。パート 2 では個々の証券について説明し、最後に、pip を使用して簡単にインストールできるようにコードをパッケージ化する方法を示します。コードは GitHub で入手できます (ビデオの説明内のリンク)。任意のテキスト エディタを使用できます。

株価分析で最も重要な側面はデータソースです。グローバル データを含む包括的な 1 日の終わりの履歴データを使用します。無料プランから始めることもできますが、1 日あたりの API 呼び出し数に制限があります。さらに必要な場合は、特別価格でデータ バンドルを購読できます (ビデオの説明にあるリンク)。

必要なモジュールをインポートすることから始めましょう。まず、特定の取引所から証券に関するメタデータをダウンロードします。 API キーを提供し、取引所 (デフォルトはニューヨーク証券取引所) を指定する必要があります。ここでは米国市場の例をいくつか紹介しますが、一日の終わりの履歴データ Web サイトのドキュメントを使用して国際市場を探索することもできます。

ドキュメントを設定したら、API エンドポイントを呼び出し、交換と API キーを渡します。これにはリクエストモジュールを使用します。応答は JSON 形式であり、これを pandas DataFrame に変換します。

最後に、進行状況を表示するためにいくつかの print ステートメントを追加します。エントリ ポイント関数を実行してコードをテストできます。 API キーは必ず自分のものに置き換えてください。結果は、取得されたデータを含む DataFrame になります。関心のある証券の種類に基づいてこのデータをさらにフィルタリングできます。これについては次のビデオで説明します。

この情報がお役に立てば幸いです。このシリーズの次のパートでお会いできることを楽しみにしています。

How to Get a List of Stocks on an Exchange || Stock Analysis with Python Part 1
How to Get a List of Stocks on an Exchange || Stock Analysis with Python Part 1
  • 2022.06.06
  • www.youtube.com
@MattMacarty #python #stockmarket #dataanalytics ✅ Please SUBSCRIBE:https://www.youtube.com/subscription_center?add_user=mjmacartyVideos:[Part 1](https://y...
 

S&P 500 銘柄記号をダウンロードし、セクターごとにフィルターする方法 || Pythonによる株価分析 その2



S&P 500 銘柄記号をダウンロードし、セクターごとにフィルターする方法 || Pythonによる株価分析 その2

これは、Python を使用した株価分析に関するシリーズのパート 2 です。まだパート1を見ていない方は、ぜひ見てみることをお勧めします。前のビデオでは、特定の証券取引所からデータをダウンロードし、メタデータを含む DataFrame を取得しました。ここで、普通株、ETF、ファンドなどの証券タイプに基づいてシンボルをフィルタリングしたいと思います。これにより、データをダウンロードする前に特定の証券に焦点を当てることができます。

交換データ DataFrame を入力として受け取る「get_security_type」という新しい関数を追加します。デフォルトでは普通株式をフィルターしますが、必要に応じて別のタイプを指定できます。この関数は、指定されたセキュリティ タイプに一致するシンボルのリストを返します。

さらに、一日の終わりの履歴データには S&P 500 のシンボルが含まれていないことに気付きました。そこで、CSV ファイルからシンボルを取得する「get_sp500_symbols」という別の関数を作成します。この関数は、セクタに基づいてシンボルをフィルタリングするためのオプションの「セクタ」パラメータを受け入れます。デフォルトでは、すべてのシンボルが返されます。この関数は、シンボル、名前、セクター列を含むデータフレームを返します。

これを実装するには、pandas ライブラリを使用して CSV ファイルを読み取り、指定されたパラメーターに基づいて必要なフィルターを適用します。

実装したら、機能をテストできます。デフォルトでは、「get_security_type」はすべてのシンボルを返し、「get_sp500_symbols」もすべてのシンボルを返します。セクターを指定して S&P 500 シンボルをフィルターできます。

これらの機能を導入すると、証券タイプに基づいてシンボルをフィルタリングし、S&P 500 の銘柄を探索できるようになります。シリーズの次のパートでは、データのダウンロードとキュレーションに焦点を当てます。

この情報がお役に立てば幸いです。今後もシリーズを続けていきたいと思っています。

How to Download S&P 500 Stock Symbols, Filter by Sector || Stock Analysis with Python Part 2
How to Download S&P 500 Stock Symbols, Filter by Sector || Stock Analysis with Python Part 2
  • 2022.06.09
  • www.youtube.com
@MattMacarty #dataanalytics #pythonprogramming #stockmarket ✅ Please SUBSCRIBE:https://www.youtube.com/subscription_center?add_user=mjmacartyVideos:...
 

株価データをダウンロードして保存する方法 || Pythonによる株価分析 その3



株価データをダウンロードして保存する方法 || Pythonによる株価分析 その3

これは、株価分析での Python の使用に関する私のシリーズのパート 3 です。最初の 2 つのビデオは、ビデオの説明にあるリンクから見つけることができます。このシリーズで使用されているすべてのコードは、説明内でもリンクされている GitHub リポジトリで入手できます。

前回のビデオでは、特定の取引所の有価証券のリストを取得する方法と、特定の基準に基づいて証券をフィルタリングする方法を学びました。また、S&P 500 銘柄を除外する関数も作成しました。このビデオでは、関心のあるデータのダウンロードと整理に焦点を当てます。

まず、1 日の終わりのデータとのやり取りを簡素化する「eod」と呼ばれるヘルパー ライブラリをインストールする必要があります。従来の API 呼び出しを行う代わりに、このライブラリを使用できます。 pip を使用してインストールした後、ライブラリから「EodHistoricalData」クラスをインポートします。これにより、API 呼び出しを簡単に行うことができます。さらに、時間制限を設定するための「datetime」モジュールと、ファイル システムを操作するための「os」モジュールをインポートします。

次に、データを取得する期間のデフォルトの日付をいくつか設定します。今回は約1年とさせていただきます。また、開始日と終了日の両方が必要な場合は、現在の日付を参照として設定します。

ここで、「get_data」というメイン関数の作成に進むことができます。この関数は、単一のシンボル、カンマ区切りのシンボルのリスト、シンボルのリストなど、さまざまな入力を受け入れます。また、API キーとデータが保存されるパスも必要です。この関数は、EodHistoricalData クラスを使用して指定されたティッカーのデータを取得し、指定されたフォルダーに CSV ファイルとして保存します。ダウンロードおよびスキップされた証券の数を追跡し、ダウンロード プロセスに関する情報を提供します。

関数を作成した後、いくつかのサンプル引数を渡して出力をチェックすることでテストできます。ダウンロードした証券とスキップされた証券を確認できます。この関数は、データを正常に取得し、指定されたフォルダーに保存します。

今後のビデオでは、終値やリターンの抽出など、ダウンロードしたデータを操作し、視覚化テクニックを検討します。

How to Download and Save Stock Price Data || Stock Analysis with Python Part 3
How to Download and Save Stock Price Data || Stock Analysis with Python Part 3
  • 2022.06.13
  • www.youtube.com
​ @Matt Macarty #dataanalytics #pythonprogramming #stockmarket ✅ Please SUBSCRIBE:https://www.youtube.com/subscription_center?add_user=mjmacartyVid...
 

Python による株価分析: ファイルから価格データを抽出する方法 ||パート 4



Python による株価分析: ファイルから価格データを抽出する方法 ||パート 4

株価分析に関する Python シリーズのパート 4 へようこそ。ビデオの説明に最初の 3 つのパートへのリンクがあり、GitHub リポジトリのコードにもアクセスできます。

前回のビデオでは、有価証券のリストの取得、リストのフィルタリング、CSV ファイルへのデータのダウンロードについて説明しました。このビデオでは、ダウンロードしたデータから終値列を抽出することに焦点を当てます。

これを行うには、「get_closed_prices」という関数を作成します。この関数は、データ ファイルにデフォルト値が設定されたフォルダーを入力として受け取ります。デフォルトでは終値列が抽出されますが、必要に応じて調整された終値列を選択できます。

まず、重複を避けるために「0」で始まるファイルを除いて、指定されたフォルダー内のすべての有効なファイルを読み取ります。次に、空の DataFrame を設定します。

次に、ファイルをループして、調整された close が true に設定されているかどうかを確認します。存在する場合は、pandas の read_csv 関数を使用して、フォルダーとファイルを指定して一時的な DataFrame を作成します。インデックス列を日付に設定し、調整された終値列を選択します。最後に、列の名前をティッカー シンボルに変更します。

調整された終値が true でない場合、終値列に対して同様のプロセスに従います。最初のファイルの既存の DataFrame を一時 DataFrame に置き換え、後続のファイルの既存の DataFrame に新しい DataFrame を連結します。

最後に、終値を含む DataFrame を返します。さらに、必要に応じて、DataFrame を「closes.csv」という名前の CSV ファイルに書き込みます。

目的のフォルダー名を使用して関数を呼び出すことで、関数をテストできます。この関数は、終値を含む DataFrame を返します。示された例では、指定された証券の終値列が正常に抽出されました。

パート 5 では、これらの終値に基づいてリターン データを計算します。

Stock Analysis with Python: How to Extract Price Data from Files || Part 4
Stock Analysis with Python: How to Extract Price Data from Files || Part 4
  • 2022.06.16
  • www.youtube.com
​ @Matt Macarty #dataanalytics #pythonprogramming #stockmarket ✅ Please SUBSCRIBE:https://www.youtube.com/subscription_center?add_user=mjmacartyVid...
 

|| 収益の計算、相関行列の作成、パフォーマンスのプロット || Pythonによる株価分析 その5



|| 収益の計算、相関行列の作成、パフォーマンスのプロット || Pythonによる株価分析 その5

株価分析での Python の使用に関するシリーズのパート 5 へようこそ。ビデオの説明には、前の 4 つのパートへのリンクと、コードにアクセスできる GitHub リポジトリへのリンクがあります。

パート 4 では、選択した証券の終値を取得し、ファイルに保存しました。さて、パート 5 では、これらの終値に基づいてリターンを計算することに焦点を当てます。先に進む前に、NumPy ライブラリをインポートする必要があります。

フォルダーとファイル名を入力として受け取る「calculate_returns」という関数を作成します。潜在的なエラーを処理するには、try-Except ブロックを使用します。関数内では、パンダを使用して CSV ファイルからデータを読み取ります。インデックス列を日付に設定し、戻り値の DataFrame を返します。

フォルダー名とファイル名を渡して結果を出力することで、関数をテストできます。示されている例では、選択した証券のリターンが正常に計算されています。

ここから、いくつかの次のステップが考えられます。一般的なタスクの 1 つは、証券間の相関関係を計算することです。特定の実装については詳しく説明しませんが、前の関数の結果を使用して相関関係を計算する関数を構築できます。柔軟性を高めるために、ファイル (Excel や CSV など) からデータを読み取るなど、さまざまなオプションを検討できます。

作成できるもう 1 つの便利な関数は、終値をプロットする関数です。このためには、matplotlib ライブラリをインポートする必要があります。関数「plot_closes」は、入力として終値を受け取ります。これは、CSV ファイルまたは Excel ファイルにすることができます。さらに、開始価格を基準にして価格をプロットすることもできます。

関数内では、pandas を使用してデータを読み取り、相対パラメーターに基づいて、価格をそのままプロットするか、開始価格と比較したパフォーマンスをプロットします。グリッド線やゼロ (または必要な表現に応じて 1) の水平線などのオプションを使用してプロットをカスタマイズできます。

関数をテストすると、選択した証券の結果のプロットが表示されます。相対パラメータを true に設定すると、開始価格と比較したパフォーマンスを観察できます。

パート 6 では、データを別のファイルに保存することに重点を置き、終値と変動の処理を続けます。
Calculate Returns, Create Correlation Matrix, Plot Performance || Stock Analysis with Python Part 5
Calculate Returns, Create Correlation Matrix, Plot Performance || Stock Analysis with Python Part 5
  • 2022.06.20
  • www.youtube.com
​ @Matt Macarty #dataanalytics #pythonprogramming #stockmarket ✅ Please SUBSCRIBE:https://www.youtube.com/subscription_center?add_user=mjmacartyVid...