Python para negociação algorítmica - página 12

[MetaQuotes]

PYTHON TRADING BOT #3 - MetaTrader 5, dados para negociação de backtesting

BOT DE TRADING PYTHON #3 - MetaTrader 5, dados para backtesting de negociação

Nesta seção de vídeo, o apresentador destaca a utilidade do recurso do MetaTrader 5 que permite aos usuários salvar dados de ticks de um intervalo de datas especificado para fins de backtesting. Ele enfatiza a importância de ter amplos dados históricos para desenvolver algoritmos de negociação precisos e recomenda exportar os dados como um arquivo CSV para carregar no Python para criar modelos de negociação. Ele também prevê que esse recurso pode não ser mais gratuito devido ao uso crescente de bots e IA nas negociações. O apresentador incentiva os espectadores a utilizar esse recurso e direcionar mais interesse em seu site, caso tenham algum interesse em negociação e criptomoedas.

[MetaQuotes]

BOT DE NEGOCIAÇÃO PYTHON #4 - MetaTrader 5 e Python

BOT DE TRADING PYTHON #4 - MetaTrader 5 e Python

Este vídeo explica como usar o MetaTrader 5 com Python e criar um login. O público precisa primeiro instalar o pacote MetaTrader 5 para Python, e o YouTuber demonstra como importar bibliotecas fornecendo um código de exemplo. Ele também menciona que existem muitos recursos disponíveis sobre como criar bots MetaTrader 5 usando Python. O vídeo termina com uma recomendação para visitar o site do YouTuber para obter materiais comerciais baratos e úteis.

[MetaQuotes]

PYTHON TRADING BOT #5 - Obtendo preços de ticks

BOT DE TRADING PYTHON #5 - Obteniendo ticks (precios)

O tutorial em vídeo demonstra duas maneiras de obter ticks (preços) do aplicativo de negociação MetaTrader 5 usando Python. O primeiro método envolve o uso da função symbolinfo.tick, que retorna o preço atual de um mercado com a opção de escolher o bid ou ask. O segundo método é um pouco mais complexo, envolvendo a função copyticksrange e a biblioteca datetime para recuperar dados de ticks de uma data especificada até a hora atual. O tutorial inclui um gráfico de dados de ticks coletados a cada 15 minutos e demonstra como compará-los a um gráfico real para garantir a precisão. Por fim, o vídeo promove um site que oferece documentos comerciais acessíveis e úteis para os interessados no comércio de criptomoedas.

[MetaQuotes]

PYTHON TRADING BOT #6 - Abrir e modificar negociações

BOT DE TRADING PYTHON #6 - Abrir e modificar operações

Esta seção do tutorial em vídeo sobre negociação de bots com Python aborda o processo de abertura e modificação de operações usando Python. O apresentador orienta sobre como definir uma compra para abertura de uma operação por meio de um passo a passo com dicionário e função de envio de pedidos. Outros fatores que o dicionário deve cobrir incluem os valores de tipo de negociação, stop-loss e take-profit. Sugere-se verificar a relação custo-benefício do comércio com baixo volume. Além disso, o apresentador explica a utilização da função de informação do símbolo para acessar o preço de mercado e o ponto. Da mesma forma, o vídeo demonstra a modificação de negociações abertas por meio da função de envio de ordem, começando com a aquisição do número do ticket por meio de uma função integrada denominada "obter posições". Um formato de dicionário pode ser usado para modificar os valores de stop loss e take profit com a chave "position" contendo o valor do número do ticket. O apresentador termina recomendando uma página da Web de documentos comerciais acessível e útil.

• 00:00:00 Nesta seção do vídeo, o apresentador explica como abrir e modificar operações usando Python. O apresentador fornece um guia passo a passo para abrir uma operação definindo uma compra usando um dicionário e, em seguida, usando a função de envio de pedido com esse dicionário como argumento. O dicionário deve incluir informações como o símbolo do mercado, o volume (representando a quantidade de dinheiro usada para a operação), o tipo de ordem e os valores de stop loss e take profit. O apresentador aconselha o uso de um volume baixo e faz uma breve explicação de como funcionam o stop loss e o take profit. O apresentador também explica como obter o preço de mercado e o ponto usando a função de informação do símbolo. Por fim, o apresentador recomenda visitar uma página da web para acessar todos os códigos de erro relacionados ao tipo de sentimento no dicionário de pedidos.
  
  
• 00:05:00 Nesta seção, o vídeo explica como modificar uma negociação aberta usando uma função chamada "order send". O primeiro passo é obter o número do ticket da negociação aberta usando uma função interna chamada "obter posições". Uma vez obtido o número do ticket, o usuário pode modificar os valores de stop loss ou take profit usando um formato de dicionário. É importante ter a chave "posição" com o valor do número do bilhete no dicionário. Este método pode ser aplicado tanto para transações de compra quanto para vendas. O vídeo termina com uma recomendação de site para materiais comerciais acessíveis e úteis.

[MetaQuotes]

PYTHON TRADING BOT #7 - Parada móvel

BOT DE TRADING PYTHON #7 - Trailing stop

Neste vídeo, o apresentador explica como programar um stop de negociação em Python, já que não pode ser feito automaticamente no MetaTrader 5. Ele demonstra como definir o stop loss manualmente para minimizar a perda se o preço cair e garantir lucro se o preço sobe, usando um exemplo simples em um gráfico de preços. O apresentador fornece um guia passo a passo e um código na tela e sugere visitar seu site para obter documentos comerciais úteis.

[MetaQuotes]

PYTHON TRADING BOT #8 - Gerando dados para a IA

BOT DE TRADING PYTHON #8 - Gerando dados para IA

Neste vídeo, o apresentador demonstra como gerar dados de backtesting para criar um algoritmo de inteligência artificial bem-sucedido para negociação de scripts e criptomoedas. Eles sugerem o uso de um pequeno arquivo para gerar dados e corrigir o formato do arquivo antes de gerar vários atributos, como tipo de negociação, lucro, taxa de sucesso, inclinação e indicadores. Eles também explicam como superar o desafio de abrir e pesquisar o arquivo de dados repetidamente abrindo o arquivo de mineração no modo binário. Além disso, eles enfatizam a importância de salvar os valores dos indicadores ao treinar a IA para uma negociação eficaz.

• 00:00:00 Nesta seção, o YouTuber demonstra como gerar dados de backtesting que são essenciais na criação de um algoritmo de inteligência artificial eficaz. Ele recomenda usar um arquivo pequeno para gerar dados, pois arquivos maiores podem ser tediosos de usar. Para gerar dados de backtesting, ele corrige o formato dos arquivos e, em seguida, gera vários atributos para treinar a IA, como tipo de negociação, lucro, taxa de sucesso, inclinação e indicadores. O algoritmo do YouTuber simula a negociação enquanto carrega as variáveis e indicadores para cada linha do arquivo e, em seguida, testa se uma negociação pode ser feita ou não e verifica o resultado bem-sucedido ou malsucedido da negociação. Um dos erros do YouTuber é não armazenar os valores dos indicadores, que ele cita como um atributo importante para o treinamento da IA.
  
  
• 00:05:00 Nesta seção do vídeo, o apresentador fala sobre um problema que enfrentou ao verificar se uma operação foi bem-sucedida em seu arquivo de mineração de dados. Eles descobriram que precisavam continuar abrindo e pesquisando o arquivo repetidamente, o que era ineficiente. Para superar esse desafio, eles sugerem abrir o arquivo de mineração no modo binário, o que permite que eles se movam diretamente para a linha que precisam verificar. Eles explicam que, embora ter um computador poderoso com muita RAM possa permitir uma correção rápida e fácil, nem sempre é viável. O apresentador compartilha que treinar uma IA eficaz requer salvar muitos atributos e que, embora possa haver erros, é possível encontrar soluções simples.

[MetaQuotes]

PYTHON TRADING BOT #9 - Criando uma IA

BOT DE TRADING PYTHON #9 - Criando uma IA

Neste vídeo, o host demonstra como treinar uma IA usando dados do vídeo anterior usando um notebook Jupyter para visualizar a saída e a biblioteca Skyler para criar uma árvore de decisão e uma rede neural. Gráficos e histogramas são criados para classificar visualmente as operações bem-sucedidas e malsucedidas. Diferentes modelos de IA são usados para classificar os dados, e o host recomenda a criação de um pequeno arquivo com loops para encontrar a melhor configuração para o modelo com maior pontuação. Ele recomenda usar um número ímpar de árvores de decisão ao criar um modelo para obter melhores resultados e compartilha uma taxa de precisão de 64% de seu modelo. Os espectadores são incentivados a visitar o site Sky Learn para saber mais sobre árvores de decisão, florestas e redes neurais, como, se inscrever e compartilhar o vídeo e visitar o site do host para comprar documentos relacionados a criptomoedas e negociações acessíveis.

• 00:00:00 Nesta seção do vídeo, o apresentador explica como treinar uma inteligência artificial usando os dados gerados no vídeo anterior. O host usa um notebook Jupyter para visualizar a saída de diferentes casos de teste e a biblioteca Skyler, associada à inteligência artificial, para criar uma árvore de decisão e uma rede neural. Os dados são passados para o Pandas por meio de uma função e o quadro de dados é usado para definir os tipos de carga de cada coluna de atributo. O host então compartilha como criar gráficos e histogramas para classificar visualmente as operações bem-sucedidas e malsucedidas. Por fim, diferentes modelos de IA são usados para classificar os dados, e o host recomenda a criação de um pequeno arquivo com loops para encontrar a melhor configuração para o modelo com maior pontuação.
  
  
• 00:05:00 Nesta seção, o palestrante recomenda usar um número ímpar de árvores de decisão ao criar um modelo para obter melhores resultados. Ele também revela que o modelo que criou tem uma taxa de precisão de 64%, apenas 1% menor do que outro modelo semelhante. Para ajudar aqueles que não estão familiarizados com árvores de decisão, florestas e redes neurais, ele recomenda visitar o site Sky Learn, que é um ótimo recurso para aprender sobre esses tópicos.
  

[MetaQuotes]

VELAS DE NEGOCIAÇÃO EM PYTHON

VELAS DE TRADING EM PYTHON

O autor explica como obter dados de negociação do MetaTrader 5 e convertê-los em velas usando Python. Ele começa mostrando como se pode obter dados de ticks de um mercado específico no MT5 e exportá-los para um arquivo CSV. Ele então demonstra como ele usa um algoritmo simples para transformar os dados do tick em velas de diferentes períodos de tempo―15 minutos, 1 minuto, 30 segundos, etc.―que são salvos em um Pandas DataFrame. O YouTuber enfatiza a importância de ter um DataFrame com uma coluna "close", pois isso permite ao usuário carregar indicadores técnicos em Python com a ajuda da biblioteca TA-Lib. O vídeo faz parte de uma série onde ele ensina como usar Pandas e outras bibliotecas para análise de negociação.

[MetaQuotes]

MACD EM PYTHON - BIBLIOTECA DE ANÁLISE TÉCNICA

MACD EN PYTHON - BIBLIOTECA DE ANÁLISE TÉCNICA

O vídeo mostra um tutorial sobre como carregar valores MACD em Python usando a biblioteca de análise técnica, com foco na geração desses valores a partir de um arquivo de dados existente com uma coluna fechada. O vídeo também demonstra a instalação da biblioteca de análise técnica e o cálculo dos valores MACD e da linha de sinal usando um construtor de objeto da biblioteca. Por fim, o palestrante mostra a plotagem dos valores resultantes usando a biblioteca Matplotlib. Concluindo, o vídeo fornece um guia abrangente sobre o processo de carregamento de valores MACD em Python usando a biblioteca de análise técnica.

[MetaQuotes]

RSI EM PYTHON - BIBLIOTECA DE ANÁLISE TÉCNICA

RSI EN PYTHON - BIBLIOTECA DE ANÁLISE TÉCNICA

Neste vídeo, o palestrante explica o processo de carregamento do indicador RS em Python utilizando a biblioteca TIA. As etapas envolvidas incluem definir um quadro de dados contendo a coluna na qual carregar o indicador, importar a biblioteca TIA, criar um objeto com a função de construtor do indicador RS e chamar o método do indicador RS para criar um quadro de dados com as informações do indicador RS. O vídeo mostra como comparar os dados do indicador RS com dados reais do mercado para garantir a precisão da implementação. Em resumo, o palestrante fornece uma abordagem simples que pode ser seguida para carregar o indicador RS em Python.