알고리즘 트레이딩에서의 파이썬 - 페이지 13

[MetaQuotes]

Python의 EMA - 기술 분석 라이브러리

EMA EN PYTHON - 기술 분석 라이브러리

강사는 미리 로드된 데이터를 사용하여 Python에서 지수 이동 평균 지표를 로드하는 방법을 시연합니다. 첫 번째 단계는 MetaTrader 5에서 데이터를 얻는 것입니다. 원하는 시장과 날짜를 선택한 다음 데이터를 내보내면 됩니다. 데이터를 얻으면 함수를 사용하여 양초로 변환해야 합니다. 그런 다음 강사는 필요한 라이브러리를 설치하고 라이브러리에서 EMA 지표 클래스를 가져옵니다. EMA를 계산하기 위해 닫기 데이터와 같은 데이터 프레임 열이 생성자에게 전달됩니다. window 매개변수는 EMA에 사용할 기간 수를 지정합니다. 마지막으로 EMA 값은 값으로 데이터 프레임을 생성하는 ema_indicator 메서드를 사용하여 얻습니다.

[MetaQuotes]

Python의 SMA - 기술 분석 라이브러리

SMA 엔 파이톤!! - 기술 분석 라이브러리

동영상에서는 SMA(단순 이동 평균)와 Python에서 SMA를 사용하는 방법에 대해 설명합니다. 발표자는 SMA는 MetaTrader5를 통해 얻을 수 있는 과거 데이터로 쉽게 사용할 수 있다고 설명합니다. 비디오는 틱 데이터에서 양초를 생성하고 AlgoTraderTrends 라이브러리를 사용하여 SMA 값을 계산하는 방법을 보여줍니다. 발표자는 데이터 프레임의 특정 열에서 SMA 값을 계산하기 위해 라이브러리를 가져오고 사용하는 방법에 대한 단계별 가이드를 제공합니다. 비디오는 시청자가 비디오를 좋아하고 구독하고 도움이 된다면 공유할 수 있는 클릭 유도 문안으로 끝납니다.

[MetaQuotes]

MetaTrader 5에서 Python으로 주가 데이터를 가져오는 방법은 무엇입니까?

MetaTrader 5에서 Python으로 주가 데이터를 가져오는 방법은 무엇입니까?

이 YouTube 동영상에서는 MetaTrader 5에서 Python으로 주가 데이터를 가져오는 다양한 방법을 설명합니다. 방법에는 필요한 라이브러리 가져오기, 원하는 시간 프레임 및 시간대 설정, "데이터 가져오기"라는 기능 정의, 결과 데이터 프레임 조작, tqtndm 패키지 사용, 요율 프레임 생성, 두 개의 데이터 프레임을 활용하여 가격 검색 및 날짜/시간 정보. 화자는 루프를 함수에 넣어 코드를 더 깔끔하게 만들 것을 제안하며, 이러한 방법을 사용하면 사용자가 많은 기호에 대한 데이터를 큰 어려움 없이 쉽게 가져올 수 있습니다.

• 00:00:00 이 섹션에서는 발표자가 MetaTrader5에서 Python으로 주가 데이터를 가져오는 방법을 설명합니다. 첫 번째 단계는 pandas, pytz, datetime, tqdm 및 MetaTrader5를 포함하여 필요한 모든 라이브러리를 가져오는 것입니다. 그런 다음 화자는 MetaTrader5를 초기화하고 원하는 시간대와 시간대를 설정합니다. 화자는 기호, 필요한 양초 수 및 시간 프레임이 필요한 "데이터 가져오기"라는 기능을 정의합니다. 함수는 원하는 데이터를 반환하고 화자는 함수에서 각 입력 및 출력이 수행하는 작업을 설명합니다.
  |
  
• 00:05:00 이 섹션에서는 발표자가 MetaTrader5에서 Python으로 주가 데이터를 가져오는 데 사용되는 기능을 설명합니다. 이 함수는 기호, 시간 프레임 및 날짜를 취하고 요청된 데이터가 포함된 데이터 프레임을 반환합니다. 화자는 시간 열을 낮으로 변환하고 불필요한 열을 삭제하는 등 결과 데이터 프레임을 조작하는 단계를 거칩니다. 또한 여러 자산에 대한 데이터를 더 쉽게 호출할 수 있도록 for 루프를 사용하는 것이 좋습니다.
  
  
• 00:10:00 이 섹션에서 발표자는 tqtndm 패키지를 사용하여 MetaTrader5에서 Python으로 주가 데이터를 가져오는 방법을 설명합니다. 그들은 try 함수와 accept 함수를 사용하여 기호와 400으로 설정된 일 수를 받는 이전에 정의된 비율 함수를 호출합니다. 반환된 데이터는 사전에 추가되고 사용할 수 없는 데이터는 삭제됩니다. 화자는 루프를 함수에 넣어 코드를 더 깔끔하게 만들 것을 제안합니다. 전반적으로 이 프로세스에는 요금 프레임 생성, 데이터를 사전에 추가한 다음 스크립트 실행이 포함됩니다.
  
  
• 00:15:00 이 섹션에서 발표자는 두 개의 데이터 프레임을 사용하여 사용자가 주가 및 날짜/시간 정보를 검색하여 metatrader5에서 Python으로 주가 데이터를 쉽게 가져올 수 있다고 설명합니다. 이 방법은 많은 기호에 대해 별 어려움 없이 사용할 수 있습니다.

[MetaQuotes]

Python의 RSI 거래 봇!!- METATRADER 5에서 데이터 가져오기

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

이 비디오는 알고리즘 거래를 위해 MT5(MetaTrader 5)의 RS 인덱스를 사용하여 Python 봇을 생성하는 방법에 대한 심층 자습서를 제공합니다. 이 프로세스에는 알고리즘 거래 및 웹 요청을 위한 MT5 구성, Mt5 라이브러리를 사용하여 봇 파일 생성, 기간, 로트 크기 및 시장 문자열과 같은 매개변수를 수신하는 생성자와 함께 RS 거래 클래스 가져오기가 포함됩니다. 봇을 활성화하기 위해 발표자는 "set" 기능을 사용하여 이벤트를 시작하고 "join" 기능을 사용하여 프로세스를 올바르게 종료합니다. 비디오는 또한 MT5에서 데이터를 수신하기 위한 서버 모듈 생성과 봇 거래를 열고 닫는 기능의 정의를 다룹니다. 발표자는 차트에 로드하고 동작을 분석하여 봇을 테스트합니다. 전반적으로 비디오는 자동 거래를 위해 RSI 봇을 설정하고 테스트하는 방법에 대한 광범위한 가이드를 제공합니다.

• 00:00:00 이 섹션에서는 비디오 제작자가 MetaTrader 5(MT5)를 사용하여 Python에서 RS 인덱스를 사용하여 거래 봇을 만드는 방법을 설명합니다. 첫 번째 단계는 알고리즘 거래 및 웹 요청을 활성화하도록 MT5를 구성하는 것입니다. 그런 다음 생성자는 Mt5 라이브러리를 사용하여 봇 파일을 생성하고 RS 거래 클래스를 가져오고 기간, 로트 크기 및 시장 문자열과 같은 매개 변수를 받는 생성자를 생성하여 봇을 생성하는 방법을 보여줍니다. 마지막으로 생성자는 거래 데이터를 저장하기 위해 이벤트와 사전을 사용하여 봇을 올바르게 중지하는 방법을 시연합니다. 사용자는 작성자의 GitHub 프로필에서 전체 코드에 액세스할 수 있습니다.
  
  
• 00:05:00 비디오의 이 섹션에서 발표자는 3개의 봇을 열고 닫는 기능 생성과 이벤트를 활성화하고 봇이 시작된 후 중지하는 방법에 대해 논의합니다. 발표자는 "set" 기능을 사용하여 이벤트를 활성화하고 "join" 기능을 사용하여 프로세스를 올바르게 종료합니다. 또한 프로그램을 중지하고 "가입" 기능을 사용하여 봇을 중지하기 전에 사용자가 "입력"을 누르기를 기다리는 별도의 기능을 만듭니다. 계속해서 3개의 봇 각각에 대한 기능을 정의하며 유일한 차이점은 콘솔에 인쇄되는 텍스트입니다.
  
  
• 00:10:00 이 섹션에서 동영상은 서버 역할을 하고 클라이언트 역할을 하는 MT5에서 데이터를 수신하는 "python rs6"이라는 모듈을 만드는 방법에 대해 설명합니다. 소켓 라이브러리는 포트 번호가 889이고 주소가 localhost로 설정된 서버를 만드는 데 사용됩니다. 그런 다음 비디오는 들어오는 연결을 수락하는 수락 기능을 사용하여 소켓을 시작하고 연결을 수신하는 함수를 만드는 방법을 설명합니다. 함수의 메인 루프는 중지 이벤트가 설정될 때까지 무기한 실행되도록 설정되며, 함수는 중지 이벤트가 설정되지 않은 동안 메시지를 수신하고 디코딩합니다. 전반적으로 비디오는 RSI 데이터로 거래하기 위한 Python 봇 생성의 기본 사항을 다룹니다.
  
  
• 00:15:00 비디오의 이 섹션에서 발표자는 Python에서 MT5에서 데이터를 검색하는 RSI 거래 봇을 생성합니다. "rs player"라는 봇은 MT5의 Expert Advisor 섹션에서 생성되고 지정된 주소에서 Python 서버에 연결하기 위한 R&S 및 소켓 연결과 함께 로드됩니다. 틱이 실행되면 봇은 이전 틱의 RSI 값과 현재 RSI 값을 포함하는 문자열인 정보를 서버로 보냅니다. Python에서 수신된 데이터는 쉼표로 분할되고 부동 소수점으로 변환되어 데이터를 추가로 조작할 수 있습니다. 발생한 오류를 처리하는 기능이 추가된 연결 및 서버 소켓을 닫음으로써 봇이 닫힙니다. 발표자는 MT5와 봇 클래스를 가져오고 인스턴스를 초기화하고 실시간 거래 세션을 시작하는 기본 파일을 생성하여 봇을 테스트합니다.
  
  
• 00:20:00 이 섹션에서 비디오는 봇을 차트에 로드하고 데이터를 올바르게 수신하는지 테스트하는 방법을 보여줍니다. 봇은 60초 동안 0.01의 1회 거래를 받도록 설정되어 있으며, 주문을 설정하는 변수와 사용된 레버리지 금액이 있습니다. 봇을 실행하기 위해 비디오는 사용자에게 코드를 저장하고 MQL5에서 컴파일한 다음 '입력'을 클릭하여 봇을 닫는 방법을 보여줍니다. 그런 다음 비디오는 '양초' 및 '작업 간'을 포함하여 매크로가 포함된 주문 파일을 생성하여 양초 세트당 하나의 거래만 실행되도록 하는 것을 보여줍니다. 전반적으로 비디오는 알고리즘 거래를 위해 RSI 봇을 설정하고 테스트하는 방법에 대한 자세한 가이드를 제공합니다.
  
  
• 00:25:00 스크립트 발췌 부분의 이 섹션에서 화자는 중지 이벤트, 공유 데이터 사전 및 봇 정보 사전을 입력으로 받는 "borders"라는 함수를 만드는 방법을 설명합니다. 이 기능에는 마지막 작업 시간과 현재 시간을 저장하는 변수가 포함되어 있습니다. 이 섹션에서는 특정 조건에 따라 매수 또는 매도 포지션을 여는 논리와 작업 사이의 시간을 고려하는 것의 중요성도 다룹니다. 화자는 포지션을 열려면 "오픈 포지션"이라는 함수를 만들어야 한다고 언급합니다.
  
  
• 00:30:00 이 섹션에서는 YouTuber가 Python을 사용하여 MetaTrader 5 플랫폼과 거래하기 위한 함수를 정의하는 방법을 설명합니다. 이 기능을 "오픈 포지션"이라고 하며 시장, 로트 및 작업 유형을 수신합니다. 유튜버는 이 기능에 대한 코드는 MT5 Python 주문 발송을 위한 구글 크롬 페이지에서 찾을 수 있으며 직접 복사하여 붙여넣을 수 있다고 설명한다. 그러나 사용자의 브로커에 따라 달라지는 주문 유형, 손절매, 이익 실현과 같이 사용자 지정해야 하는 몇 가지 사항이 있습니다. YouTuber는 계속해서 손절매를 정의하고 봇을 위해 이익을 취한 다음 기능을 가져오고 거래를 실행하는 봇을 만드는 방법을 보여줍니다.
  
  
• 00:35:00 이 섹션에서 YouTube 사용자는 목록의 마지막 요소를 반환하는 코드에 "[-1]"을 입력하여 Ceret Orders 코드 목록의 마지막 요소에 액세스하는 방법을 보여줍니다. 다음 단계는 가격이 50 이상일 경우 구매하도록 코드를 변경하여 특정 가격대에서 구매 트리거를 설정하는 것입니다. 봇을 실행할 수 있으며 가격이 임계값을 초과하는 등 기준이 충족되면 구매 주문을 실행합니다. 그런 다음 사용자는 코드를 확인하고 봇의 동작을 관찰하여 이익 실현 및 손절매 수준이 올바르게 설정되었는지 확인할 수 있습니다. YouTuber는 사용자가 GitHub에서 봇을 확인하고 동영상을 좋아하고 구독하고 공유하도록 권장합니다.

[MetaQuotes]

MetaTrader 5 및 Python을 사용하여 주식 시장에서 데이터를 다운로드하는 방법

MetaTrader 5 및 Python으로 증권 거래소 데이터를 다운로드하는 방법

비디오 자습서 "MetaTrader5 및 Python으로 주식 시장 데이터를 다운로드하는 방법"은 MetaTrader5 및 Python을 사용하여 주식 시장 데이터를 다운로드하는 방법을 설명합니다. 이 자습서는 Python 스크립트를 생성하여 원하는 자산에 액세스하고 데이터를 CSV 파일로 내보내는 방법을 보여줍니다. 이 비디오는 안전한 로그인 자격 증명 저장, Pandas로 데이터 조작, 경찰 비율을 사용하여 양초에서 데이터 추출과 같은 주제를 다룹니다. 사용 가능한 고품질의 무료 데이터는 더 많은 사람들을 주식 시장으로 끌어들이기 위한 도구를 개발하는 데 유용한 리소스입니다. 비디오는 인스타그램을 통해 추가 학습 및 연결을 위해 개발 아카데미 웹 사이트를 방문하라는 요청으로 끝납니다.

• 00:00:00 이 섹션에서 연사는 퀀트 트레이더를 위한 품질과 풍부한 데이터의 중요성에 대해 논의하고 좋은 공개 데이터 소스를 찾는 어려움을 강조합니다. 그는 MetaTrader 5 시스템을 사용하여 데이터를 다운로드하고 내부 데이터베이스에서 분류하고 비용을 지불하지 않고 컴퓨터에서 로컬로 전략을 개발하기 위해 최근에 발견한 솔루션을 소개합니다. 그는 데이터 설치 및 내보내기 단계를 안내하며 사용자가 다른 데이터 분석 소프트웨어로 쉽게 가져올 수 있는 CSV 파일로 데이터를 내보낼 수 있는 MetaTrader 5의 고유한 기능을 보여줍니다.
  |
  
• 00:05:00 이 섹션에서는 발표자가 MetaTrader 5 및 Python을 사용하여 주식 시장 데이터를 다운로드하는 방법을 설명합니다. 사용자는 Python으로 스크립트를 생성하여 MetaTrader 5에서 프로그래밍 방식으로 데이터를 요청하고 원하는 자산에 대한 정보를 내보낼 수 있습니다. 첫 번째 단계는 Python 환경에 MetaTrader5 모듈을 설치한 다음 MetaTrader 5에 로그인하고 원하는 자산에 액세스하는 프로세스를 복제하는 Python 스크립트를 만드는 것입니다. 발표자는 로그인 자격 증명을 안전하게 저장하기 위해 외부 파일을 만드는 방법에 대한 팁도 공유합니다.
  
  
• 00:10:00 이 섹션에서는 동영상에서 MetaTrader 5 및 Python을 사용하여 증권 거래소에서 데이터를 다운로드하는 방법을 설명합니다. 이 프로세스에는 브로커의 특정 서버에 연결한 다음 MetaTrader 5 방법을 사용하여 데이터를 추출하고 구성하는 작업이 포함됩니다. 비디오는 날짜 설정 및 가져올 틱 유형에 플래그 지정을 포함하여 Bradesco 티커에서 데이터를 가져오는 방법을 보여줍니다. 요청이 완료된 후 비디오는 Pandas를 사용하여 데이터를 조작하고 데이터 프레임을 만드는 방법을 보여줍니다. 이 경우 반환된 데이터는 3월 초부터 3월 10일 사이에 Bradesco에서 발생한 모든 작업을 포함합니다.
  
  
• 00:15:00 이 섹션에서는 발표자가 MetaTrader 5 및 Python을 사용하여 주식 시장 데이터를 다운로드하는 방법에 대해 이야기합니다. 그들은 고주파 거래 전략을 개발하는 데 사용할 수 있는 거래량, 공격자 및 거래 위치에 대한 데이터를 검색하는 방법을 설명합니다. 데이터는 고품질이며 무료로 사용할 수 있습니다. 이는 개발자가 더 많은 사람들을 주식 시장으로 끌어들이는 데 사용할 수 있는 도구를 만드는 데 유용한 리소스입니다. 연사는 또한 타임스탬프를 처리하고 이를 실제 데이터로 변환하는 방법과 경찰 비율 범위 기능을 사용하여 양초에서 데이터를 추출하는 방법을 시연합니다. 전반적으로 튜토리얼은 거래 분석을 위해 주식 시장 데이터를 효율적으로 수집하는 방법에 대한 귀중한 정보를 제공합니다.
  
  
• 00:20:00 이 마지막 섹션에서 연사는 시청자에게 양적 거래 전략에 대해 자세히 알아보고자 하는 시청자를 위해 웹사이트인 Develop Academy에 대한 링크를 제공하고 시청해 주신 것에 대해 감사의 인사를 전합니다. 연사는 질문이 있는 시청자가 동영상에 댓글을 남기거나 Instagram에서 연락하도록 독려합니다.

[MetaQuotes]

MetaTrader 5에서 Python으로 온라인 거래 + MQL5에서 데이터 가져오기

GitHub에서 코드 받기: https://github.com/Hesamtps/online-trading-by-python-in-MetaTrader5-get-data-from-mql5

MetaTrader 5에서 Python으로 온라인 거래 + MQL5에서 데이터 가져오기

튜토리얼은 MetaTrader에서 데이터 세트를 다운로드하고 Python을 사용하여 온라인 거래를 수행하는 방법을 보여줍니다. 강사는 MetaTrader5, pandas 및 datetime 라이브러리를 가져오고, 데이터 세트의 자산 및 기간을 지정하고, 마지막 100개 데이터 포인트를 다운로드합니다. 손절매, 이익 실현 및 지정된 기간 동안 GTC 명령을 사용하여 MetaTrader5에서 포지션을 관리하는 방법을 설명합니다. 이 섹션에서는 포지션을 관리하는 데 필요한 다양한 명령에 대한 기본적인 이해를 제공하지만 사용 중인 전반적인 거래 전략이 무엇인지는 명확하지 않습니다.

• 00:00:00 튜토리얼의 이 섹션에서 강사는 MetaTrader에서 데이터 세트를 다운로드하고 Python을 사용하여 간단한 온라인 거래를 수행하는 방법을 시연합니다. MetaTrader5 라이브러리를 가져오고 소프트웨어 바로 가기 경로는 Python으로 지정됩니다. pandas 및 datetime 라이브러리도 가져오고 현재 시간은 데이터 세트의 마지막 데이터 시간을 지정하는 데 사용됩니다. 원하는 자산의 기호 키를 작성하고 데이터 세트에 대한 기간(이 경우 일일 기간)을 선택합니다. 마지막 100개의 데이터 포인트가 다운로드되고 형식 명령을 사용하여 데이터를 사용자의 개인 시스템에 저장합니다. 온라인 거래는 거래의 자산과 거래량을 결정하고 가격 단위를 핍으로 정의하고 입력한 포지션에 따라 매도호가 또는 매수호가를 사용하여 수행됩니다.
  
  
• 00:05:00 이 섹션에서는 MetaTrader5에서 Python 명령을 사용하여 손절매를 설정하고 위치에 대해 이익을 취하는 방법을 설명합니다. 또한 포지션 티켓 번호를 지정하여 포지션을 청산하는 방법도 보여줍니다. GTC 명령은 지정된 기간 동안 트랜잭션을 활성 상태로 유지하기 위해 설명됩니다. 비디오는 또한 손절매 및 이익실현이 활성화된 USDJPY 거래의 예를 보여줍니다. 전반적으로 이 섹션에서는 Python을 통해 MetaTrader5에서 포지션을 관리하는 데 필요한 다양한 명령에 대한 기본적인 이해를 제공합니다.
  
  
• 00:10:00 이 섹션에서는 롱 포지션이 성공적으로 청산되었음을 알 수 있습니다. 불행하게도 추가 컨텍스트가 없으면 롱 포지션이 무엇을 의미하는지 또는 사용 중인 전체 거래 전략이 무엇인지 명확하지 않습니다.

[MetaQuotes]

Python으로 거래 - 주식 시장에서 주문을 실행하는 방법은 무엇입니까?

Trading con Python - ¿Cómo ejecutar órdenes en bolsa?

이 비디오에서는 Python으로 주식 주문을 실행하는 방법을 보여줍니다. 데이터 분석과 경제학에 대한 지식을 주식 시장에 적용하려는 사람들을 위한 것입니다.

[MetaQuotes]

파트 2: Python으로 거래하기 - 자동 투자는 어떻게 하나요?

Parte2: Python과의 거래 - ¿Cómo hacer INVERSIONES automatizadas?

이것은 파이썬으로 거래하는 방법에 대한 2부입니다. 첫 번째 부분에서는 주문을 시작하는 방법을 설명했습니다. 이 부분에서는 웹 스크래핑의 데이터를 사용하여 자동으로 주식 가격과 주식 간의 관계를 기반으로 주문을 시작하고 알고리즘 거래를 적용하는 방법을 가르칩니다.

[MetaQuotes]

Python을 사용한 알고리즘 거래(MACD 표시기)

거래 Algorítmico con Python (MACD 지표)

"Trading Algorítmico con Python(Indicador MACD)" 비디오에서 강사는 MACD 지표를 사용하여 Python에서 거래 알고리즘을 만드는 방법에 대해 자세히 설명합니다. 이 비디오는 MACD 지표에서 사용되는 세 가지 매개변수와 이러한 매개변수가 구매 및 판매 결정을 지시하는 방법을 다룹니다. Pandas, NumPy 및 Yahoo Finance와 같은 라이브러리는 주식 데이터를 얻고 분석하는 데 사용되며 데이터 정리 기술 및 사전은 주요 정보를 검색하는 데 사용됩니다. 전반적으로 비디오는 Python 및 MACD 지표를 사용하여 거래 알고리즘을 구축하는 방법에 대한 실용적인 개요를 제공합니다.

• 00:00:00 이 섹션에서는 강사가 Python으로 MACD 표시기를 사용하는 거래 알고리즘에 대해 설명합니다. MACD 지표는 세 가지 매개 변수를 사용하여 시장이 상승 추세인지 하락 추세인지를 결정하고 이를 기반으로 매수 또는 매도 주문이 이루어진다고 설명합니다. 강사는 이 지표의 코드가 작동하는 방식과 다양한 거래 전략에 따라 어떻게 사용자 정의할 수 있는지 보여줍니다. 또한 Yahoo Finance, Data Time, Pandas 및 NumPy와 같은 라이브러리를 사용하여 주가 데이터를 얻고 분석하는 방법을 설명합니다. 마지막으로 MACD 지표를 기반으로 주식 구매를 위한 마지막 날짜를 검색하기 위해 데이터 정리 기술과 사전을 사용하는 방법을 보여줍니다.
  
  
• 00:05:00 이 섹션에서 연사는 Python의 MACD 표시기를 사용하여 알고리즘 거래 전략을 설명하는 그래프를 만드는 방법을 설명합니다. 그는 "inteligencia-artificial" 웹 사이트에서 코드를 다운로드하고 교육 섹션에 액세스할 것을 제안합니다. 비디오는 또한 시청자가 의견을 남기거나 질문을 제기하도록 권장합니다.

[MetaQuotes]

Python을 사용한 알고리즘 거래(볼린저 밴드 표시기)

거래 Algorítmico con Python (Indicador Bandas de Bollinger)

이 비디오에서 연사는 Bollinger Bands, 시장 변동성을 측정하는 방법, Python을 사용하여 이를 기반으로 자동 주문 시스템을 만드는 방법에 대해 설명합니다. 발표자는 Yahoo Finance 및 Pandas와 같이 사용되는 주요 라이브러리를 설명하고 분석된 각 주식에 대해 시스템을 사용자 정의하기 위한 매개변수 지정의 중요성을 강조합니다. 또한 구매 및 판매 열에 데이터를 추가하는 방법과 마지막 판매 날짜를 현재 날짜와 비교하고 일치하는 경우 판매를 시작하는 방법을 보여줍니다. 마지막으로 연사는 시청자에게 기술적 분석이 항상 정확한 것은 아니라는 점을 상기시키고 정보에 입각한 거래 결정을 내리기 위해 다양한 지표를 결합하고 인공 지능을 사용할 것을 제안합니다.

• 00:00:00 이 섹션에서 발표자는 시장 변동성을 측정하고 중앙 이동 평균선과 상한 및 하한 편차 선을 포함하는 Bollinger Bands의 개념을 소개합니다. 그런 다음 발표자는 이러한 밴드를 기반으로 특정 기준이 충족될 때 구매 또는 판매 주문을 실행할 수 있는 자동 주문 시스템을 만드는 방법에 대해 논의합니다. 발표자는 데이터 검색을 위한 Yahoo Finance 및 데이터 분석을 위한 Pandas와 같이 사용된 주요 라이브러리를 포함하여 이 시스템을 만드는 데 사용된 코드에 대한 개요를 제공합니다. 또한 발표자는 분석된 각 주식에 대해 시스템을 맞춤화하기 위해 n20 및 n2와 같은 매개변수를 지정하는 것의 중요성을 설명합니다.
  
  
• 00:05:00 이 섹션에서는 발표자가 코드에서 이전에 생성된 매수 및 매도 열에 데이터를 추가하는 방법을 설명합니다. 열의 "일어난" 부분에 데이터를 추가하거나 "np.nal"을 사용하여 비워 둘 수 있음을 보여줍니다. 연사는 또한 이 알고리즘에 특화되어 판매 데이터로만 작업하여 빈 열을 제거하고 CSV 파일에 데이터를 저장한다고 설명합니다. 그런 다음 마지막 판매 날짜와 현재 날짜를 비교하고 일치하는 경우 판매를 시작하는 방법을 보여줍니다. 마지막으로 그들은 기술적 분석이 항상 100% 정확하지 않다는 것을 시청자에게 상기시키고 정보에 입각한 거래 결정을 내리기 위해 다양한 지표를 결합하고 인공 지능으로 알고리즘을 생성할 것을 제안합니다.