알고리즘 트레이딩에서의 파이썬 - 페이지 2

[MetaQuotes]

Pandas로 브로커 스프레드 분석

Pandas로 브로커 스프레드 분석 | 파이썬으로 거래하기

이 비디오에서 발표자는 Python의 pandas를 사용하여 브로커 스프레드를 분석합니다. MetaTrader 5를 사용하여 브로커 기록에서 내보낸 틱 데이터는 pandas 데이터 프레임으로 전달되고 스프레드 및 시간별 데이터를 분석하여 시간 경과에 따른 스프레드 변화를 표시합니다. 스프레드는 일반적으로 타이트한 것으로 나타났지만 뉴스 이벤트나 유동성이 낮은 기간, 특히 중개인 자정 무렵에 급등할 수 있습니다. 이 분석은 거래자에게 다양한 기호에 대해 제시된 데이터를 고려하여 거래 비용을 최적화하도록 조언합니다.

• 00:00:00 이 섹션에서는 비디오에서 pandas를 사용하여 브로커 스프레드를 분석하는 방법을 살펴봅니다. 동영상은 MetaTrader 5를 사용하여 브로커 히스토리에서 틱 데이터를 내보내는 방법과 판다스를 사용하여 스프레드 데이터를 분석하는 방법을 보여줍니다. 그런 다음 틱 데이터는 pandas 데이터 프레임으로 전달되고 유닉스 타임스탬프 형식에서 날짜/시간 형식으로 변환됩니다. 그런 다음 스프레드 열은 요청 가격과 입찰 가격의 차이를 사용하여 계산됩니다. 시간 열도 시간별 데이터로 변환하여 시간별 스프레드를 분석합니다. 시간 경과에 따른 스프레드의 변화를 분석하기 위해 'plotline' 라이브러리를 사용하여 데이터를 플로팅합니다. 분석에 따르면 스프레드는 일반적으로 타이트하지만 뉴스 이벤트나 유동성이 낮은 기간에는 급등할 수 있습니다. 자정 중개 시간에는 유동성이 낮고 스프레드가 높을 수 있습니다.
  
  
• 00:05:00 이 섹션에서 연사는 Python에서 pandas를 사용하여 브로커 스프레드를 분석하는 방법을 보여줍니다. 함수는 동일한 시간의 행을 그룹화하고 각 시간에 대한 평균 스프레드 및 최대 스프레드를 계산합니다. 결과 표와 막대 차트는 스프레드가 일반적으로 자정과 오전 1시에 높은 반면 EUR/USD 쌍에서는 하루 종일 매우 좁다는 것을 보여줍니다. XAU/USD 쌍의 경우 스프레드가 조금 더 넓고 미국 세션 중 오후에 더 큰 급등이 있습니다. 발표자는 트레이더에게 이러한 데이터를 고려하여 거래 비용을 최적화하고 Jupyter 노트북을 사용하여 플랫폼을 연결하고 다양한 기호를 분석할 것을 조언합니다.

[MetaQuotes]

Python에서 Bollinger Band 거래 전략 코딩

Python에서 Bollinger Band 거래 전략 코딩

이 비디오에서 발표자는 간단한 이동 평균, 하위 밴드 및 상위 밴드를 사용하여 밴드 내 모든 가격의 95%를 포함하는 Python의 Bollinger Bands 거래 전략을 설명합니다. 전략은 가격이 볼린저 밴드 하단에 도달하면 구매하고 가격이 볼린저 밴드 상단에 도달하면 매도하는 것입니다. 손절매는 평균보다 3표준편차 아래로 설정되고 테이크프로핏은 2표준편차 이상으로 설정됩니다. 발표자는 Pandas 및 MetaTrader5 플랫폼을 사용하여 Python에서 구현을 보여주고 테스트 결과를 제공하며 각 거래 결과를 설명합니다. 그러나 그는 추세 시장에서 맹목적으로 이 전략을 전개하는 것에 대해 조언하고 시장 상황 분석의 중요성을 강조합니다.

• 00:00:00 비디오의 이 섹션에서는 볼린저 밴드와 이를 사용하여 거래하는 방법에 대해 배웁니다. 볼린저 밴드는 단순 이동 평균, 하위 밴드 및 상위 밴드로 구성됩니다. 단순 이동 평균은 최근 가격의 평균값을 취하여 계산됩니다. Bollinger Bands에서는 일반적으로 밴드 내 모든 가격의 95%를 포함하는 두 가지 표준 편차가 사용됩니다. 가격이 낮을 때 매수하고 평균보다 높을 때 매도할 수 있습니다. 가격이 하단 밴드 아래에서 마감될 때 매수하고 상단 밴드 위에서 마감될 때 매도하는 전략입니다. 손절매는 3 표준 편차로 설정되고 이익은 2 표준 편차로 설정됩니다. 포지션 크기는 동시에 하나만 허용됩니다.
  
  
• 00:05:00 이 섹션에서는 화자가 Python에서 팬더를 사용하여 Bollinger Bands를 계산하는 방법을 설명합니다. 단순 이동 평균을 계산하기 위해 df sma를 정의했습니다. 표준 편차는 유사하게 계산되지만 평균 대신 std를 사용합니다. 하위 대역은 SMA 아래 2개의 표준 편차로 정의되는 반면 상위 대역은 FSMA에 FSD의 2배를 더한 것으로 정의됩니다. 백 테스팅을 시작하기 위해 신호 열이 생성되고 종가가 하단 밴드 아래 또는 상단 밴드 위에 있는지 여부에 따라 매수 또는 매도 신호가 생성됩니다. 연사는 또한 과거 데이터를 기반으로 백 테스트를 실행하고 이익을 평가하기 위해 만든 클래스 포지션 및 전략을 소개했습니다.
  
  
• 00:10:00 비디오의 이 섹션에서 발표자는 Python에서 Bollinger Band 거래 전략의 백테스트 결과를 보여줍니다. 결과에는 각 포지션의 이익 및 초기 잔액의 P&L과 함께 개설 및 마감된 포지션 목록이 표시됩니다. 차트는 전략이 수익성이 있음을 보여 주며 일년 내내 거래하여 약 $7,500를 벌었습니다. 그런 다음 발표자는 이루어진 각 거래와 그 결과 어떻게 이익 또는 손실이 발생했는지 설명합니다. 그는 또한 백 테스트에 지정된 볼륨이 약간 높고 위험하므로 조정해야 할 수도 있다고 언급합니다. 마지막으로 그는 MetaTrader 5 거래 플랫폼을 사용하여 Python에서 전략을 코딩하는 방법을 설명합니다.
  
  
• 00:15:00 이 섹션에서 연사는 Bollinger Bands를 사용하여 거래 전략에 대한 신호를 생성하기 위해 Python에서 신호 함수를 만드는 방법을 설명합니다. 함수는 MetaTrader5 플랫폼에서 막대를 요청하고 평균 및 표준 편차를 계산하고 이를 사용하여 상위 및 하위 밴드를 계산합니다. 마지막 바의 종가는 상위 밴드와 하위 밴드를 비교하여 매수 또는 매도 신호를 생성하는 데 사용됩니다. 함수 내부의 전략 루프는 신호를 확인한 다음 신호가 트리거될 때 손절매 및 이익실현과 같은 특정 매개변수와 함께 시장 주문을 보냅니다. 발표자는 MetaTrader5 플랫폼을 사용하여 전략을 테스트하여 코드가 실시간으로 어떻게 작동하는지 보여주고 사용자의 선호도에 따라 기호 및 기간을 조정하도록 조언합니다.
  
  
• 00:20:00 이 섹션에서 연사는 Bollinger Bands를 기반으로 한 거래 전략에 대해 논의합니다. 그는 이 전략이 가격이 낮은 볼린저 밴드에 도달했을 때 구매하고 구매 가격보다 두 표준 편차에서 이익을 취하는 것과 관련이 있다고 설명합니다. 그는 이 전략이 범위가 넓은 시장에서는 잘 작동하지만 추세 시장에서는 제대로 작동하지 않으며 맹목적으로 전략을 전개하는 것에 대해 조언하면서 전략을 전개하기 전에 시장 상황을 분석하는 것의 중요성을 강조합니다. 또한 화자는 전략에 사용된 Jupyter Notebook 및 Python 코드를 다운로드할 수 있는 링크를 제공하고 시청자에게 비디오를 즐겼다면 좋아요와 구독을 요청합니다.

[MetaQuotes]

Python에서 단순 이동 평균(SMA) 교차 거래 전략 코딩

Python에서 단순 이동 평균(SMA) 교차 거래 전략 코딩

이 YouTube 비디오에서 발표자는 Python에서 간단한 이동 평균(SMA) 교차 거래 전략을 코딩하는 방법을 설명합니다. 이 전략은 두 SMA의 교차를 자산 구매 및 판매 신호로 사용합니다. 발표자는 Pandas 및 Plotly 라이브러리를 사용하여 과거 가격 데이터를 시각화하고, 빠르고 느린 SMA를 정의하고, 교차점을 찾고, 교차 열을 계산하고, 강세 교차점을 그리는 방법을 보여줍니다. 그런 다음 비디오는 이전에 생성된 클래스를 사용하여 SMA 교차 거래 전략을 백테스트하는 방법을 보여주고 시간 경과에 따른 손익 라인 차트를 사용하여 결과에 대해 설명합니다. 전반적으로 비디오는 Python을 사용하여 간단하고 효과적인 거래 전략을 만들고 테스트하는 단계별 가이드를 제공합니다.

• 00:00:00 비디오의 이 섹션에서 발표자는 두 개의 단순 이동 평균의 교차를 자산 구매 및 판매 신호로 사용하는 거래 전략을 소개합니다. 이 추세 추종 전략은 이익에 대한 제한 없이 시장에서 큰 움직임을 포착할 수 있게 해줍니다. 그런 다음 발표자는 Jupiter 노트북 환경에서 이 간단한 이동 평균 교차 전략을 코딩하고 과거 가격 데이터를 사용하여 DAX 지수에서 백 테스트하는 방법을 보여줍니다. 발표자는 Pandas 및 Plotly 라이브러리를 사용하여 MetaTrader 5 플랫폼에서 얻은 데이터를 구성 및 시각화하고 시간 열을 날짜 형식으로 변환합니다.
  
  
• 00:05:00 비디오의 이 섹션에서 강사는 종가를 시각화하여 px.line을 사용하여 시간이 지남에 따라 가격이 어떻게 이동했는지 확인하는 것으로 시작합니다. 우리는 또한 DAX가 처음에 13에서 15,000 정도를 이동했으며 COVID 위기 동안 큰 하락이 있었지만 이제 가격이 다시 사상 최고치로 돌아오고 있음을 확인합니다. 신호 생성을 돕기 위해 이동 평균이 차트에 추가되고 느린 sma 및 빠른 sma가 정의됩니다. 느린 sma는 100으로 설정되고 빠른 sma는 10으로 설정되며 둘 다 플롯에 추가됩니다. 마지막으로 강사는 향후 설정을 쉽게 조정할 수 있도록 다른 셀에 일부 변수를 정의합니다.
  
  
• 00:10:00 비디오의 이 섹션에서 발표자는 Python 및 Pandas를 사용하여 단순 이동 평균(SMA) 교차 거래 전략에서 교차를 찾는 방법을 설명합니다. 프리젠터는 빠른 SMA와 느린 SMA의 주기를 각각 10과 100으로 설정합니다. 크로스오버를 찾기 위해 이전의 빠른 SMA 값과 느린 SMA 값을 비교하여 이전 빠른 SMA 값이 낮고 현재 빠른 SMA 값이 높으면 강세 교차로 간주합니다. 반면에 이전의 빠른 SMA 값이 더 높고 현재의 빠른 SMA 값이 더 낮으면 약세 교차로 간주됩니다. 발표자는 이 프로세스를 자동화하기 위해 "find_crossover"라는 함수를 만듭니다.
  
  
• 00:15:00 이 섹션에서는 이전에 계산한 빠른 SMA 값과 느린 SMA 값을 사용하여 교차 열을 계산하는 방법을 설명합니다. np.vectorize 함수는 함수와 입력을 나타내는 열을 전달하는 데 사용되며 결과에서 None 값이 제거됩니다. 크로스오버 열이 생성된 후 비디오는 강세 크로스오버를 찾고 x가 row.time과 동일한 v 라인에서 pick.dot를 사용하여 차트의 수직선으로 플로팅하는 방법을 보여줍니다.
  
  
• 00:20:00 이 섹션에서 강사는 빨간색 선이 녹색 선 위로 교차할 때 매수하고 느리게 움직이는 평균 아래로 교차할 때 매도하여 SMA 교차 거래 전략을 백테스트하는 과정을 안내합니다. 강사는 이전에 만든 클래스, 클래스 위치 및 클래스 전략을 사용하여 백 테스트를 만듭니다. 클래스 position에는 위치를 열고 닫는 메서드와 결과를 사전으로 반환하는 메서드가 있습니다. 수업 전략 중에 강사는 거래 계정의 시작 잔액을 초기화하고 거래량을 지정하며 과거 데이터 및 신호 열이 있는 데이터 프레임을 추가합니다. 클래스 전략의 run 메서드에서 교차 값을 기반으로 포지션을 열고 닫는 if 문을 사용하여 전략의 논리를 정의합니다. 마지막으로 클래스가 인스턴스화되고 실행되어 결과를 얻습니다.
  
  
• 00:25:00 이 섹션에서 발표자는 Python을 사용하여 코딩한 단순 이동 평균(SMA) 교차 거래 전략의 백테스트 결과에 대해 논의합니다. 성능을 시각적으로 분석하기 위해 Plotly Express 및 Figure 개체를 사용하여 시간 경과에 따른 손익의 선형 차트를 보여줍니다. 그들은 전략이 대부분 작은 이익과 손실을 가지고 있지만 결국 큰 이익은 큰 추세와 함께 온다고 언급합니다. 그런 다음 발표자는 시청해 준 시청자에게 감사를 표하고 궁금한 점이 있으면 질문하고 동영상이 마음에 들면 좋아요와 구독을 하도록 초대합니다.

[MetaQuotes]

파이썬에서 주가 지수에 대한 매수-보유 거래 전략 코딩

파이썬에서 주가 지수에 대한 매수-보유 거래 전략 코딩

이 비디오에서 발표자는 지표, 전략 및 백테스트를 작성하기 위해 Jupyter Notebook 코드를 사용하여 Python에서 주식 지수에 대한 매수 보류 거래 전략을 작성하는 방법에 대해 설명합니다. 이 전략은 5%, 15% 또는 35% 드로다운을 식별하고 드로다운에 도달하면 구매하고 이전 사상 최고에 도달하면 매도하는 것을 기반으로 합니다. 발표자는 위치 목록을 사용하고 새 위치마다 위치 클래스를 추가하는 위치 가져오기 방법을 사용하여 위치를 추가하고 확인하는 방법을 설명했습니다. 하락폭이 0에 가까워지면 모든 오픈 포지션이 청산되는 출구 전략도 설명했습니다. 마지막으로 고품질 거래의 중요성과 가격 회복을 허용하는 긴 기간이 강조되고 발표자는 차트에 표시된 백 테스트 결과를 보여줍니다.

• 00:00:00 비디오의 이 섹션에서 연사는 독일 주가 지수에 대한 매수 전략을 설명하고 2015년에서 2018년 사이에 전략이 구현된 이전 사례와 약세장 및 궁극적인 회복에 의해 어떻게 영향을 받았는지 보여줍니다. 이 전략은 시간을 자원으로 사용할 때 가장 잘 작동하고 저렴한 가격에 구매하여 이익을 얻을 수 있지만 하락장에서 구매하는 것과 관련하여 상당한 위험이 있습니다. 발표자는 또한 자체 지표, 전략을 작성하고 결과를 백테스트할 수 있는 Jupyter Notebook 코드를 소개합니다. 코드는 TraderPi.com에서 다운로드할 수 있습니다.
  
  
• 00:05:00 비디오의 이 섹션에서 발표자는 Python을 사용하여 주식 지수에 대한 매수 보류 거래 전략을 만드는 방법을 설명합니다. 이 전략은 손실 수준을 식별하고 손실이 5%, 15% 또는 35%에 도달하면 매수하고 이전 사상 최고에 도달하면 매도하는 것을 기반으로 합니다. 발표자는 적용 기능을 사용하여 데이터 프레임에서 신호 열을 정의하는 방법과 위치 및 전략 클래스를 사용하여 백테스트를 수행하는 방법을 보여줍니다. 발표자는 as dict 메서드를 사용하여 위치 클래스에서 데이터를 검색하는 방법도 설명합니다.
  
  
• 00:10:00 비디오의 이 섹션에서 연사는 매수 및 보유 거래 전략에 대한 위치를 추가하고 확인하는 데 사용되는 방법을 설명합니다. get position 메서드는 손익이 계산된 데이터 프레임을 반환하는 데 사용됩니다. 코드는 위치 목록을 사용하고 새 위치가 추가될 때 이 목록 내에 위치 클래스를 추가합니다. 이 전략은 거래를 시작하기 위한 신호를 확인하고 HLC 데이터를 통해 5%, 15% 및 35%의 손실을 반복합니다. 청산 전략도 설명되어 있으며, 하락폭이 0일 때 모든 오픈 포지션이 청산됩니다. 백 테스트 결과가 표시되고 연사는 가격이 결국 회복될 수 있도록 고품질 거래와 긴 기간의 중요성을 강조합니다. 그런 다음 결과를 차트에 표시하여 거래를 설명합니다.

[MetaQuotes]

Python을 사용한 코드 10 기술 거래 지표

Python을 사용한 코드 10 기술 거래 지표

이 비디오는 추세를 결정하는 데 사용되는 단순 이동 평균(SMA)을 시작으로 Python을 사용한 10가지 기술적 거래 지표에 대해 설명합니다. ATR(Average True Range)은 변동성을 측정하고 RSI(Relative Strength Index)는 과매수 및 과매도 가격을 식별합니다. 어제의 고저 및 표준 편차는 범위, 돌파 및 변동성 시장을 식별하는 데 도움이 될 수 있습니다. 볼린저 밴드는 단순 이동 평균(SMA)과 표준 편차를 사용하여 평균 회귀 또는 돌파 전략을 나타냅니다. MACD 및 SMA 크로스오버는 빠르고 느린 EMA 또는 SMA를 계산하여 추세의 변화를 나타냅니다. 이동 평균 크로스오버는 빠른 이동 평균과 느린 이동 평균을 결합하여 잠재적인 추세 반전을 식별하는 반면, 확률적 오실레이터는 기간의 최고값과 최저값을 고려하여 과매수 및 과매도 조건을 식별합니다.

• 00:00:00 이 섹션에서 발표자는 단순 이동 평균(SMA)부터 시작하여 Python을 사용하여 계산할 10가지 기술 지표를 소개합니다. 과거 데이터는 MetaTrader5 라이브러리에서 요청한 다음 Pandas를 사용하여 처리합니다. SMA는 최근 10개의 종가를 사용하여 계산되는 추세를 결정하는 데 사용되는 인기 있는 지표입니다. 결과 SMA는 Plotly Express를 사용하여 시각화됩니다.
  
  
• 00:05:00 이 섹션에서는 기술 거래에서 단순 이동 평균(SMA) 및 지수 이동 평균(EMA) 지표의 계산 및 사용에 대해 설명하는 비디오입니다. SMA는 최근 10개 가격의 평균을 취하고 EMA는 최근 가격에 더 많은 가중치를 부여합니다. 비디오는 더 빠른 신호를 원하는 트레이더가 SMA보다 훨씬 빠르게 즉각적인 가격 변화에 반응하는 EMA를 선호할 수 있다는 두 가지 지표와 메모를 비교합니다. 그런 다음 비디오는 변동성을 측정하고 트레이더가 위험 및 잠재적 추세 변화를 평가하는 데 도움이 되는 ATR(Average True Range) 지표를 소개합니다. ATR은 특정 기간 동안 캔들의 범위(고점-저점)를 취한 다음 평균화하여 계산됩니다. 비디오는 ATR의 감소가 되돌림 단계의 시작을 나타낼 수 있다고 지적합니다. ATR은 플롯에 표시되며 변동성이 큰 기간 동안 더 높은 것으로 관찰됩니다.
  
  
• 00:10:00 이 섹션에서는 동영상에서 ATR(Average True Range) 및 RSI(Relative Strength Index)라는 두 가지 기술적 거래 지표에 대해 설명합니다. ATR은 특정 기간 동안의 고가와 저가의 차이를 비교하여 시장의 변동성을 측정하는 반면, RSI는 과매수 및 과매도 가격을 식별하는 데 도움이 됩니다. 이 비디오는 14주기 설정을 사용하여 RSI를 계산하는 방법을 보여주고 RSI 값을 생성하는 공식을 설명합니다. 비디오는 또한 RSI 지표를 플로팅하기 위한 샘플 코드를 제공하여 트레이더가 RSI가 과매도 또는 과매도 영역에 있는지 여부에 따라 잠재적인 매수 또는 매도 신호를 식별하는 데 도움을 줄 수 있습니다. 또한 비디오는 전날의 고가 및 저가와 이를 거래 전략에 어떻게 활용할 수 있는지에 대해 간략하게 설명합니다.
  
  
• 00:15:00 이 섹션에서는 비디오에서 Python을 사용한 두 가지 기술적 거래 지표인 어제의 고저 및 표준 편차에 대해 설명합니다. 어제의 고저점은 시장이 범위에 있는지 또는 추세 시장을 나타낼 수 있는 돌파가 있는지를 보여줄 수 있으므로 장중 거래에 대한 귀중한 지표가 될 수 있습니다. 표준편차는 분산을 측정하는 데 사용되며 높은 표준편차는 시장이 불안정하다는 것을 의미할 수 있고 낮은 표준편차는 시장이 많이 움직이지 않는다는 것을 나타낼 수 있습니다. 그런 다음 비디오는 기간이 20인 단순 이동 평균(SMA), SMA보다 2 표준 편차 높은 상위 밴드, SMA 아래 2 표준 편차로 구성된 볼린저 밴드에 대해 설명합니다. 볼린저 밴드는 평균 회귀 전략 또는 돌파 전략에 사용할 수 있습니다.
  
  
• 00:20:00 이 섹션에서는 두 가지 추가 기술 거래 지표인 MACD 및 SMA 교차와 Python을 사용하여 이를 계산하고 구성하는 방법에 대해 설명합니다. MACD는 기간 20의 빠른 EMA와 기간 26의 느린 EMA를 계산하고 두 EMA 간의 관계를 살펴 반전을 예측하는 추세 지표입니다. 반면에 SMA 크로스오버는 훨씬 쉬운 개념을 사용하고 있으며 단순히 교차할 때마다 추세의 변화를 나타내는 빠른 단순 이동 평균과 느린 단순 이동 평균을 포함합니다. 비디오는 두 지표를 계산하고 플로팅하는 코드를 제공하고 추세의 반전을 식별하는 데 사용할 수 있는 방법을 설명합니다.
  
  
• 00:25:00 이 섹션에서 발표자는 이동 평균 교차 및 확률적 오실레이터 지표에 대해 설명합니다. 이동 평균 크로스오버의 경우 발표자는 빠르고 느린 이동 평균을 결합하여 잠재적 추세 반전을 식별합니다. 교차는 빠른 이동 평균이 느린 이동 평균을 교차하거나 아래로 교차할 때 식별되며, 이 경우 교차 열이 생성됩니다. 발표자는 종가와 함께 이동 평균을 플로팅하고 수직선을 추가하여 각 교차점을 표시함으로써 지표의 효율성을 보여줍니다. 스토캐스틱 오실레이터는 RSI와 유사하지만 계산에 종가만 사용하는 대신 기간의 최고값과 최저값을 고려합니다. 발진기는 공식을 사용하여 정의되며 RSI와 마찬가지로 잠재적인 과매수 및 과매도 조건을 식별하는 데 사용됩니다. 발표자는 시청자가 직접 코드를 다운로드하고 테스트하도록 초대하고 잠재적인 향후 비디오에 대한 좋아하는 지표에 대한 의견을 남길 것을 제안합니다.

[MetaQuotes]

Python에서 RSI 거래 전략을 코딩하는 방법

Python에서 RSI 거래 전략을 코딩하는 방법

이 동영상은 Python에서 RSI 거래 전략을 코딩하고 백테스트하는 방법에 대한 자세한 설명을 제공합니다. 이 전략은 RSI가 과매도일 때 매수하고 과매수일 때 매도하는 방식으로 RSI가 30 미만으로 떨어지면 진입 신호를 보내고 70을 초과하면 매도할 때입니다. 출구 전략에는 ATR(Average True Range) 지표를 사용하여 매수 또는 매도 가격에서 280핍 떨어진 이익실현 및 손절매를 설정하는 것이 포함됩니다. 이 비디오는 과거 데이터 요청, 지표 계산, 백테스팅 및 결과 시각화를 위한 MetaTrader5, Pandas 및 Plotly 라이브러리의 사용을 다룹니다. 시청자에게 Python에서 RSI 거래 전략을 구현하기 위해 Jupiter 노트북을 다운로드하도록 권장하는 것으로 결론을 내립니다.

• 00:00:00 동영상은 Python에서 RSI 거래 전략을 코딩하고 백테스트하는 방법을 자세히 설명합니다. 이 전략은 RSI가 과매도일 때 매수하고 과매수일 때 매도하는 데 중점을 두어 평균 회귀 전략입니다. 진입 신호는 RSI가 30 아래로 떨어지고 70을 초과하면 매도할 때입니다. 출구 전략에는 ATR(Average True Range) 지표를 사용하여 매수 또는 매도 가격에서 280핍 떨어진 이익실현 및 손절매를 설정하는 것이 포함됩니다. 비디오는 또한 과거 데이터 요청, 지표 계산, 백테스팅 및 결과 시각화를 위해 MetaTrader5, Pandas 및 Plotly 라이브러리를 사용하는 방법을 다룹니다.
  
  
• 00:05:00 비디오의 이 섹션에서 연사는 Plotly를 사용하여 어떻게 RSI를 플로팅하고 과매수 및 과매도 수준을 생성했는지 설명합니다. 그들은 RSI가 특정 수평선 아래로 떨어질 때 매수 신호가 발생하고 70 이상일 때 매도 신호가 발생한다는 것을 보여줍니다. 캔들의 범위와 마지막 14개 캔들의 평균을 구합니다. 그런 다음 ATR을 차트에 표시하여 2020년 초 변동성 급증을 보여줍니다. 마지막으로 연사는 백테스트를 수행하고 거래 진입 및 청산을 위한 논리적 조건이 있는 전략 클래스를 생성하는 방법을 보여줍니다. 조건에는 오픈 포지션 확인, RSI 값을 사용하여 구매 신호 결정, 손절매 및 이익실현 수준 설정이 포함됩니다.
  
  
• 00:10:00 이 섹션에서 연사는 Python에서 RSI 거래 전략에 대한 백테스트를 실행하는 방법을 설명합니다. 백 테스트는 과거 데이터 세트를 반복하여 생성되며 위치 클래스가 포함된 목록에 위치가 저장됩니다. 손절매와 이익 실현은 매수 및 매도 가격에서 280시간 떨어진 것으로 정의됩니다. 백 테스트의 논리는 RSI 값이 70을 초과하면 매도 신호이며 전략의 위치 목록에 짧은 위치가 추가된다는 것입니다. 모든 과거 데이터를 반복한 후 백테스트는 포지션 및 수익 목록을 반환합니다. 이 데이터를 사용하여 Plotly Express를 사용하여 마감된 포지션을 플롯하여 백 테스트 결과를 시각화할 수 있으며 동일한 방법을 사용하여 손익을 플롯할 수 있습니다. 화자는 전략이 잘 수행되는지 또는 잘 수행되지 않는지를 나타내기 위해 결과 플롯의 예를 보여줍니다.
  
  
• 00:15:00 이 섹션에서 발표자는 청중의 관심에 감사하고 Python에서 RSI 거래 전략을 구현하기 위한 Jupiter 노트북을 다운로드하도록 초대하면서 비디오를 마무리합니다. 그는 논의된 기간에 큰 손실을 입은 후 피아노가 이제 같은 수준에서 진동하고 있다고 지적합니다. 그는 서명하고 다른 비디오로 곧 돌아올 것을 약속합니다.

[MetaQuotes]

무역 사례에 대한 Pandas 알아보기

무역 사례에 대한 Pandas 알아보기

이 비디오는 사용자에게 다양한 Pandas 기능을 적용하여 Python에서 거래 데이터를 분석하여 가장 긴 거래 기간과 가장 짧은 거래 기간 결정, 가장 수익성이 높은 달과 손실이 나는 달 계산, 가장 활동적인 달 식별, 구매 및 판매 주문 분석, 가장 큰 절대 손실을 계산합니다. 또한 승률, 위험 대비 보상 비율, 총 이익과 손실의 비율을 측정하는 이익 계수 계산을 다룹니다. 연사는 CSV 파일과 실제 예제를 제공하여 시청자에게 분석 과정을 안내하고 판다 연습을 원하는 모든 사람을 위해 Jupiter 노트북을 제공합니다.

• 00:00:00 이 섹션에서는 화자가 Pandas 라이브러리를 사용하여 Python에서 거래 데이터를 분석하는 방법을 설명합니다. 그들은 거래 데이터가 포함된 CSV 파일을 제공하고 이 데이터에 대한 6개의 분석 질문에 답하도록 뷰어를 안내합니다. 그들은 거래 수, 전체 손익, 첫 번째 및 마지막 거래 날짜와 시간, 가장 큰 손익 및 각 거래 기간을 계산하는 방법을 보여줍니다. "shape", "sum", "iloc" 및 "loc"과 같은 다양한 Pandas 함수를 사용하여 이러한 계산을 수행하고 출력의 실제 예를 제공합니다.
  
  
• 00:05:00 이 섹션에서는 비디오에서 다양한 거래 분석 질문과 Pandas 기능을 사용하여 답변을 얻는 방법을 다룹니다. 질문에는 가장 긴 거래 기간과 가장 짧은 거래 기간 찾기, 거래 이익을 기준으로 가장 수익성이 높은 달과 손실을 보는 달 계산, 거래 횟수 측면에서 가장 활동적인 달 식별, 구매 및 판매 주문 분석이 포함됩니다. Pandas의 groupby 방법은 그에 따라 데이터 프레임 값을 집계하고 정렬하는 데 사용됩니다. 사용되는 함수에는 거래 건수와 이익을 계산하는 count 및 sum과 거래 날짜 시간에서 월 값을 추출하는 datetime이 포함됩니다.
  
  
• 00:10:00 이 섹션에서 비디오는 각 주문 유형에 대한 총 거래 수를 계산하고 매도 주문보다 매수 주문이 더 잘 수행되었는지 확인하는 등 다양한 계산 및 분석을 다룹니다. 또한 동영상에서는 거래 시 발생하는 최대 누적 손실인 최대 절대 하락률을 계산하는 방법과 수익 유형에 따라 거래를 그룹화하여 평균 손익을 계산하는 방법도 설명합니다. 또한 이 비디오는 거래가 성사되거나 손실될 확률인 승률을 계산하는 방법과 승자와 패자의 평균값을 취하여 위험 대비 보상 비율을 계산하는 방법을 보여줍니다.
  
  
• 00:15:00 이 섹션에서 연사는 총 이익과 총 손실 간의 비율인 이익 요소에 대해 설명합니다. 순이익은 이익 유형(승패)에 따라 모든 손익을 별도로 합산하여 계산됩니다. 그런 다음 총 이익을 총 손실로 나누어 이익 계수를 결정합니다. 이 계산의 결과는 승리가 손실을 능가하는 정도를 결정하는 지표입니다. 이 경우 이익 계수는 1.34입니다. 연사는 또한 판다 연습을 원하는 사람들을 위해 웹 사이트에서 Jupiter 노트북을 제공할 것이라고 언급합니다.

[MetaQuotes]

CSV 및 데이터베이스의 데이터 관리(SQLite)

CSV 및 데이터베이스의 데이터 관리(SQLite)

"CSV 및 데이터베이스의 데이터 관리(SQLite)" 비디오에서 연사는 pandas DataFrame을 사용하여 CSV 파일에서 데이터를 저장하고 읽는 방법과 SQLite3를 사용하여 데이터베이스로 작업하는 방법을 시연합니다. 뷰어는 OHLC 데이터가 pandas DataFrame에 저장되고 CSV 파일로 저장된 다음 나중에 읽고 pandas DataFrame으로 변환되는 방법을 보여줍니다. 연사는 또한 시청자에게 데이터베이스 생성 또는 기존 데이터베이스에 연결, 데이터베이스 내부에 데이터 저장, 간단한 쿼리를 사용하여 데이터 읽기를 포함하여 SQLite3를 사용하여 Python에서 데이터베이스로 작업하는 방법을 보여줍니다. 발표자는 시청자에게 튜토리얼에 사용된 코드에 대한 액세스 권한을 제공하고 튜토리얼이 도움이 되기를 바란다는 말로 비디오를 마무리합니다.

• 00:00:00 이 섹션에서는 발표자가 pandas DataFrame을 사용하여 CSV 파일로 데이터를 저장하고 읽는 방법을 보여줍니다. 브로커에서 일부 OHLC 데이터를 검색한 후 데이터를 pandas DataFrame에 저장한 다음 CSV 파일로 저장합니다. `pd.read_csv`를 사용하여 CSV 데이터를 나중에 읽고 pandas DataFrame으로 변환할 수 있습니다. 연사는 나중에 Python 표준 라이브러리의 일부인 SQLite3를 사용하여 Python에서 데이터베이스로 작업하는 방법을 시연합니다. `sqlite3.connect` 메서드는 데이터베이스를 생성하거나 기존 데이터베이스에 연결하는 데 사용됩니다. OHLC 데이터는 `ohlcdf.to_sql`을 사용하여 데이터베이스 내부에 저장한 다음 `pd.read_sql_query`를 실행하여 간단한 쿼리를 사용하여 읽습니다.
  
  
• 00:05:00 이 섹션에서 연사는 시청자의 관심에 감사하고 튜토리얼에 사용된 코드를 공유하겠다고 제안하며 동영상을 마무리합니다. 발표자는 시청자가 코드에 액세스할 수 있는 웹사이트 링크를 제공합니다. 그들은 시청자가 비디오가 도움이 되었다는 희망을 표현하고 곧 다른 자습서로 돌아올 것을 약속합니다.

[MetaQuotes]

2021년 Python을 사용한 MetaTrader 5 라이브 거래(템플릿 포함)

Python을 사용한 MetaTrader 5 실시간 거래

동영상 "2021년 Python을 사용한 MetaTrader 5 라이브 거래(템플릿 포함)"는 MetaTrader5 및 Python을 사용하여 거래 전략을 사용자 정의하고 수익성을 개선하려는 트레이더를 위한 유용한 가이드를 제공합니다. 트레이더의 필요에 따라 수정할 수 있는 템플릿을 제시하고 필요한 코드 섹션을 강조 표시합니다. 비디오는 또한 기능 초기화, 데이터 가져오기 및 거래 주문 작성과 같은 다양한 기능을 다룹니다. 시연된 유용한 도구 중에는 트레이더가 Python 시트를 종료한 후에도 오픈 포지션을 모니터링할 수 있는 재개 기능이 있습니다. 발표자는 MetaTrader 5 라이브러리를 사용하려면 Windows 장치의 필요성을 강조하면서 Mac 사용자를 위한 몇 가지 옵션도 제안합니다.

• 00:00:00 이 섹션에서는 Control의 Lucas가 MetaTrader5 및 Python을 사용하여 실시간 거래에 거래 전략을 적용하는 방법을 보여줍니다. 그는 템플릿을 제공하고 필요에 따라 코드를 사용자 정의하는 방법을 보여줍니다. 비디오는 또한 기능 초기화, 데이터 가져오기, 거래 주문 만들기 등 다양한 기능을 시연합니다. 재개 기능은 Python 시트를 종료한 후에도 현재 열려 있는 위치를 모니터링하는 유용한 도구로 강조 표시됩니다. 전반적으로 비디오는 거래 전략을 사용자 정의하고 수익성을 극대화하려는 거래자에게 유용한 가이드를 제공합니다.
  
  
• 00:05:00 이 섹션에서 연사는 언제든지 열려 있는 위치에 액세스하여 결국 닫을 수 있는 기능에 대해 설명합니다. 이 함수는 고정 간격 내에서 포지션을 여는 알고리즘을 사용하며 모멘텀 전략을 사용하지 않습니다. 이 함수는 많은 주석을 포함하고 있으며 단순하지만 알고리즘에 대한 모든 정보를 반환하므로 필수적입니다. 스피커는 또한 몇 줄의 코드를 변경하여 쉽게 사용자 정의할 수 있는 템플릿을 제공하여 사용자가 자신의 알고리즘을 프로덕션에 넣을 수 있도록 합니다. 그러나 연사는 MetaTrader 5 라이브러리를 사용하려면 Windows 장치가 있어야 하며 Windows 장치에 액세스할 수 없는 Mac 사용자를 위해 몇 가지 옵션을 제공하는 것이 중요하다고 언급합니다.

[MetaQuotes]

후행 손절매: 약점의 강점?

후행 손절매: 약점의 강점?

Control의 Lucas는 지속적인 손절매 또는 이익 임계값을 사용하여 거래의 위험을 줄이는 것을 목표로 하는 후행 손절매 전략의 강점과 약점에 대해 논의합니다. 한 가지 장점은 트레이더가 추세 변화를 활용하고 위험을 관리할 수 있다는 점이지만 약점은 트레이더가 잠재적 이익을 놓치게 할 수 있다는 것입니다. 연사는 거래자들에게 자산 변동성을 고려하고 그에 따라 맞춤형 전략을 사용하라고 조언합니다. 그는 또한 후행 손절매 및 기타 거래 전략을 사용하는 방법에 대한 과정을 제공합니다.

• 00:00:00 이 섹션에서는 Control의 Lucas가 거래 중지 손실 전략의 강점과 약점에 대해 설명합니다. 거래 손절매의 목표는 위험을 줄이는 것이며, 지속적인 손절매 또는 수익을 위한 임계값 사용 등 다양한 방법으로 구성할 수 있습니다. 손절매 거래의 첫 번째 장점은 트레이더가 추세 변동뿐만 아니라 트레이더가 자신의 위험을 관리할 수 있다는 것입니다. 그러나 거래 중지 손실의 약점은 일부 거래자의 이익을 추구할 위험이 있으며 거래자가 잠재적 이익을 놓치게 할 수도 있다는 것입니다.
  
  
• 00:05:00 이 섹션에서 연사는 자산의 변동성이 트레이딩 전략으로 후행 손절매를 사용하는 데 어떤 영향을 미치는지 논의합니다. 연사는 트레이더가 자산의 변동성을 고려해야 하며 Forex 또는 암호화폐와 같은 다른 자산에 대해 동일한 전략을 적용하지 않아야 한다고 조언합니다. 연사는 또한 주문을 하고, 데이터를 가져오고, 복잡한 구조를 만들고, 위험을 관리하고, 트레일링 손절매를 포함하여 트레이더의 특정 프로젝트에 대한 템플릿을 만드는 방법을 가르치는 과정 링크를 제공합니다.