Python для алготрейдинга - страница 2

 

Анализ брокерских спредов с помощью Pandas



Анализ брокерских спредов с помощью Pandas | Торговля с Python

В этом видео ведущий использует pandas в Python для анализа брокерских спредов. Тиковые данные, экспортированные из истории брокера с помощью MetaTrader 5, передаются в dataframe pandas, а спреды и почасовые данные анализируются для отображения изменений спредов с течением времени. Было обнаружено, что спреды в целом узкие, но могут резко увеличиваться во время новостных событий или в периоды низкой ликвидности, особенно около полуночи по брокерскому времени. Анализ советует трейдерам оптимизировать свои торговые издержки, учитывая данные, представленные для различных символов.

  • 00:00:00 В этом разделе видео рассказывается, как использовать панды для анализа брокерских спредов. Видео демонстрирует, как экспортировать тиковые данные из истории брокера с помощью MetaTrader 5 и анализирует данные о спреде с помощью pandas. Затем тиковые данные передаются в кадр данных pandas и преобразуются из формата временной метки unix в формат даты и времени. Затем столбец спреда рассчитывается с использованием разницы между ценой спроса и предложения. Столбец времени также преобразуется в почасовые данные для анализа спредов по часам. Данные наносятся на график с использованием библиотеки графиков для анализа изменений спредов с течением времени. Анализ показывает, что спреды, как правило, узкие, но могут резко увеличиваться во время новостных событий или в периоды низкой ликвидности. Во время работы брокера в полночь ликвидность низкая, а спреды могут быть высокими.

  • 00:05:00 В этом разделе спикер показывает, как анализировать спреды брокера с помощью pandas в Python. Функция группирует строки с одним и тем же часом и вычисляет средний и максимальный спред для каждого часа. Полученная таблица и гистограмма показывают, что спреды обычно высоки в полночь и в час ночи, в то время как в паре EUR/USD они очень узкие в течение дня. Для пары XAU/USD спреды немного шире, и во второй половине дня во время американской сессии наблюдаются более сильные всплески. Спикер советует трейдерам учитывать такие данные для оптимизации своих торговых издержек и использовать блокнот Jupyter для подключения своей платформы и анализа различных инструментов.
Analyze Broker Spreads with Pandas | Trading with Python
Analyze Broker Spreads with Pandas | Trading with Python
  • 2021.11.06
  • www.youtube.com
In this video, we will analyze Broker Spreads with Pandas.Playlist with all Trading with Python videos:https://www.youtube.com/playlist?list...Download Pytho...
 

Код торговой стратегии с полосами Боллинджера на Python



Код торговой стратегии с полосами Боллинджера на Python

В этом видео ведущий объясняет торговую стратегию «Полосы Боллинджера» в Python, в которой используется простая скользящая средняя, нижняя полоса и верхняя полоса, чтобы содержать 95% всех цен внутри полос. Стратегия предполагает покупку, когда цена достигает нижней полосы Боллинджера, и продажу, когда цена достигает верхней полосы Боллинджера. Стоп-лосс устанавливается на три стандартных отклонения ниже среднего, а тейк-профит устанавливается на два стандартных отклонения выше. Докладчик показывает реализацию на Python с использованием платформ Pandas и MetaTrader5 и предоставляет результаты тестирования, объясняя результат каждой сделки. Однако он советует не применять эту стратегию вслепую на трендовых рынках и подчеркивает важность анализа рыночных условий.

  • 00:00:00 В этом разделе видео мы узнаем о полосах Боллинджера и о том, как торговать с их помощью. Полосы Боллинджера состоят из простой скользящей средней, нижней и верхней полос. Простая скользящая средняя рассчитывается путем получения среднего значения последних цен. В полосах Боллинджера обычно используются два стандартных отклонения, которые содержат 95% всех цен внутри полос. Мы можем покупать, когда цена низка, и продавать, когда цена выше средней. Стратегия заключается в том, что мы покупаем, когда цена закрывается ниже нижней полосы, и продаем, когда цена закрывается выше верхней полосы. Стоп-лосс устанавливается на уровне трех стандартных отклонений, а тейк-профит — на уровне двух стандартных отклонений. Размер позиции допускается только один одновременно.

  • 00:05:00 В этом разделе спикер объясняет, как рассчитать полосы Боллинджера с помощью панд в Python. Для расчета простой скользящей средней они определили df sma. Стандартное отклонение рассчитывается аналогично, но вместо среднего используется стандартное отклонение. Нижняя полоса определяется как два стандартных отклонения ниже SMA, а верхняя полоса определяется как FSMA плюс удвоенное значение FSD. Чтобы начать тестирование на исторических данных, создается столбец сигналов, и генерируется сигнал на покупку или продажу в зависимости от того, находится ли цена закрытия ниже нижней полосы или выше верхней полосы. Спикер также представил классы позиции и стратегии, которые созданы для проведения тестирования на истории и оценки прибыли на основе исторических данных.

  • 00:10:00 В этом разделе видео ведущий показывает результаты ретроспективного тестирования торговой стратегии «Полосы Боллинджера» в Python. Результаты показывают список открытых и закрытых позиций, а также прибыль по каждой позиции и прибыль и убытки от начального баланса. График показывает, что стратегия была прибыльной, заработав около 7500 долларов на торговле в течение года. Затем ведущий объясняет каждую сделку, которая была совершена, и то, как она привела к прибыли или убытку. Он также упоминает, что объем, указанный в бэктесте, немного высок и рискован, поэтому его, возможно, придется уменьшить. Наконец, он объясняет, как написать стратегию на Python, используя торговую платформу MetaTrader 5.

  • 00:15:00 В этом разделе спикер объясняет, как создать функцию Signal в Python для генерации сигналов для торговой стратегии с использованием полос Боллинджера. Функция запрашивает бары с платформы MetaTrader5, вычисляет среднее значение и стандартное отклонение и использует их для расчета верхней и нижней полос. Цена закрытия последнего бара используется для сравнения с верхней и нижней полосами для генерации сигнала на покупку или продажу. Цикл стратегии внутри функции проверяет наличие сигналов, а затем отправляет рыночный ордер с определенными параметрами, такими как стоп-лосс и тейк-профит, когда срабатывает сигнал. Спикер тестирует стратегию на платформе MetaTrader5, показывает, как работает код в режиме реального времени, и советует настроить символ и таймфрейм под предпочтения пользователей.

  • 00:20:00 В этом разделе спикер обсуждает торговую стратегию, основанную на полосах Боллинджера. Он объясняет, что эта стратегия предполагает покупку, когда цена достигает нижней полосы Боллинджера, и получение прибыли при двух стандартных отклонениях выше цены покупки. Он отмечает, что эта стратегия хорошо работает на рынках с колебаниями, но плохо работает на рынках с трендами, и советует не применять стратегии вслепую, подчеркивая важность анализа рыночных условий перед их развертыванием. Спикер также предоставляет ссылки для загрузки Jupyter Notebook и кода Python, использованного в стратегии, и просит зрителей поставить лайк и подписаться, если им понравилось видео.
Code a Bollinger Band Trading Strategy in Python
Code a Bollinger Band Trading Strategy in Python
  • 2021.11.07
  • www.youtube.com
In this video, we will code a Bollinger Band Strategy in PythonTimestamps:00:00 Intro00:45 What are Bollinger Bands01:34 How can you trade Bollinger Bands02:...
 

Код простой стратегии на пересечениях скользящей средней (SMA) на Python



Код простой стратегии на пересечениях скользящей средней (SMA) на Python

В этом видео на YouTube ведущий объясняет, как закодировать торговую стратегию пересечения простой скользящей средней (SMA) на Python. Стратегия использует пересечение двух SMA в качестве сигнала для покупки и продажи активов. Докладчик демонстрирует, как визуализировать исторические ценовые данные с помощью библиотек Pandas и Plotly, определять быстрые и медленные SMA, находить пересечения, вычислять столбец пересечений и строить графики бычьих пересечений. Затем в видео показано, как протестировать торговую стратегию пересечения SMA с использованием ранее созданных классов, и обсуждаются результаты с использованием линейного графика прибылей и убытков с течением времени. В целом, видео представляет собой пошаговое руководство по созданию и тестированию простой и эффективной торговой стратегии с использованием Python.

  • 00:00:00 В этом разделе видео ведущий знакомит с торговой стратегией, использующей пересечение двух простых скользящих средних в качестве сигнала для покупки и продажи активов. Эта стратегия следования за трендом позволяет фиксировать большие движения на рынке без ограничения прибыли. Затем докладчик продолжает показывать, как закодировать эту простую стратегию пересечения скользящих средних в среде ноутбука Jupiter и протестировать ее на индексе DAX с использованием исторических ценовых данных. Докладчик использует библиотеки Pandas и Plotly для организации и визуализации данных, полученных с платформы MetaTrader 5, и преобразует столбец времени в формат даты и времени.

  • 00:05:00 В этом разделе видео инструктор начинает с визуализации цен закрытия, чтобы увидеть, как цены менялись с течением времени, с помощью px.line. Мы также видим, что DAX вначале колебался от 13 до десяти с половиной тысяч, во время кризиса COVID произошло серьезное падение, но теперь цены возвращаются к историческим максимумам. Скользящие средние добавляются к графику, чтобы помочь генерировать сигналы, и определяются медленная sma и быстрая sma. Для медленной sma установлено значение 100, а для быстрой sma установлено значение 10, и оба они добавляются к графику. Наконец, инструктор определяет некоторые переменные в другой ячейке, чтобы упростить настройку параметров в будущем.

  • 00:10:00 В этом разделе видео ведущий объясняет, как находить пересечения в торговой стратегии пересечения Simple Moving Average (SMA) с использованием Python и Pandas. Ведущий устанавливает период для быстрого и медленного SMA равным 10 и 100 соответственно. Чтобы найти пересечения, предыдущие значения быстрой SMA сравниваются со значениями медленной SMA, и если предыдущее значение быстрой SMA ниже, а текущее значение быстрой SMA выше, это считается бычьим пересечением. С другой стороны, если предыдущее значение быстрой SMA выше, а текущее значение быстрой SMA ниже, это считается медвежьим пересечением. Ведущий создает функцию под названием «find_crossover», чтобы автоматизировать этот процесс.

  • 00:15:00 В этом разделе видео объясняется, как рассчитать перекрестный столбец, используя ранее рассчитанные значения быстрой и медленной SMA. Функция np.vectorize используется для передачи функции и столбцов, представляющих входные данные, а затем результаты исключаются из значений None. После создания столбца пересечения в видео показано, как найти бычьи пересечения и нанести их на график в виде вертикальных линий, используя pick.dot на линии v с x, равным row.time.

  • 00:20:00 В этом разделе инструктор описывает процесс тестирования торговой стратегии пересечения SMA, покупая, когда красная линия пересекает зеленую линию, и продавая, когда она пересекает медленно скользящую среднюю. Преподаватель использует ранее созданные классы, позицию класса и стратегию класса, чтобы создать ретроспективное тестирование. Класс position имеет методы для открытия и закрытия позиций, а также метод для возврата результатов в виде словаря. На уроке стратегии инструктор инициализирует начальный баланс торгового счета, указывает объем торгов и добавляет фрейм данных с историческими данными и столбцами сигналов. В методе run стратегии класса логика стратегии определяется с помощью операторов if для открытия и закрытия позиций на основе значений пересечения. Наконец, класс создается и запускается для получения результатов.

  • 00:25:00 В этом разделе ведущий обсуждает результаты ретроспективного тестирования торговой стратегии пересечения простой скользящей средней (SMA), которую мы закодировали с помощью Python. Они показывают линейный график прибыли и убытков с течением времени, используя Plotly Express и объект Figure для визуального анализа производительности. Они упоминают, что стратегия имеет в основном небольшие прибыли и убытки, но в конечном итоге большая прибыль приходит с большим трендом. Затем ведущий благодарит зрителей за просмотр и предлагает им задать вопросы, если они у них есть, и, если им понравилось видео, поставить лайк и подписаться.
Code a Simple Moving Average (SMA) Crossover Trading Strategy in Python
Code a Simple Moving Average (SMA) Crossover Trading Strategy in Python
  • 2021.11.13
  • www.youtube.com
In this video, we will code and backtest the Simple Moving Average Crossover Strategy for Algorithmic TradingChapters:00:00 Intro01:35 Historical Data06:55 S...
 

Код торговой стратегии «Buy-Hold» для фондовых индексов на Python



Код торговой стратегии «Buy-Hold» для фондовых индексов на Pytho

В этом видео ведущий обсуждает, как написать торговую стратегию покупки и удержания для фондовых индексов на Python, используя код Jupyter Notebook для написания индикаторов, стратегий и бэктестов. Стратегия основана на определении 5%, 15% или 35% просадки и покупке при достижении просадки, а затем продаже при достижении предыдущего исторического максимума. Спикер объяснил, как добавлять и проверять позиции с помощью метода get position, который использует список позиций и добавляет класс позиции для каждой новой позиции. Также была объяснена стратегия выхода, согласно которой каждая открытая позиция закрывается, когда просадка приближается к нулю. Наконец, подчеркивается важность высококачественных сделок и длительных периодов для обеспечения восстановления цены, и докладчик демонстрирует результаты тестирования на исторических данных, представленные на графике.

  • 00:00:00 В этом разделе видео спикер объясняет стратегию покупки и удержания немецкого фондового индекса, показывая предыдущие случаи в период с 2015 по 2018 год, когда эта стратегия применялась, и как на нее повлияли медвежьи рынки и возможное восстановление. Хотя эта стратегия лучше всего работает со временем в качестве ресурса и может привести к получению прибыли за счет покупки по низким ценам, она также сопряжена со значительным риском, поскольку предполагает покупку при просадке. Спикер также представляет код Jupyter Notebook для написания собственных индикаторов, стратегии и тестирования их результатов на истории. Код доступен для загрузки на TraderPi.com.

  • 00:05:00 В этом разделе видео ведущий объясняет, как создать торговую стратегию «купи-держи» для фондовых индексов с помощью Python. Стратегия основана на определении уровней просадки и покупке, когда просадка достигает 5%, 15% или 35%, и продаже, когда достигается предыдущий исторический максимум. Докладчик показывает, как определить столбец сигнала во фрейме данных с помощью функции применения и как использовать классы позиции и стратегии для проведения ретроспективного тестирования. Докладчик также объясняет, как получить данные из класса position с помощью метода as dict.

  • 00:10:00 В этом разделе видео спикер объясняет метод добавления и проверки позиций по торговой стратегии «купи и держи». Метод получения позиций используется для возврата кадра данных с рассчитанными прибылями и убытками. Код использует список позиций и добавляет класс позиции в этот список при добавлении новой позиции. Стратегия проверяет сигналы для открытия сделки и повторяет данные HLC для 5-процентных, 15-процентных и 35-процентных просадок. Также объясняется стратегия выхода, согласно которой, когда просадка равна нулю, все открытые позиции закрываются. Показаны результаты ретроспективного тестирования, и спикер подчеркивает важность высококачественных сделок и длительных периодов, позволяющих ценам в конечном итоге восстановиться. Затем результаты наносятся на график для отображения сделок.
Code a Buy-Hold Trading Strategy for Stock Indices in Python
Code a Buy-Hold Trading Strategy for Stock Indices in Python
  • 2021.11.16
  • www.youtube.com
In this video, we code a Buy-Hold Strategy for Stock Indices with Python for algorithmic trading.Chapters00:00 Intro and Strategy Explanation3:15 Libraries a...
 

10 технических торговых индикаторов на Python


10 технических торговых индикаторов на Python

В видео обсуждаются десять технических торговых индикаторов на Python, начиная с простой скользящей средней (SMA), которая используется для определения тенденций. Средний истинный диапазон (ATR) измеряет волатильность, а индекс относительной силы (RSI) определяет цены перекупленности и перепроданности. Вчерашний высокий минимум и стандартное отклонение могут помочь определить ранжирование, прорыв и волатильность рынков. Полосы Боллинджера используют простую скользящую среднюю (SMA) и стандартное отклонение, чтобы указать стратегии возврата к среднему или прорыва. Пересечение MACD и SMA указывает на изменение тренда путем расчета быстрых и медленных EMA или SMA. Пересечение скользящих средних сочетает в себе быстрые и медленные скользящие средние для выявления потенциальных разворотов тренда, в то время как стохастический осциллятор рассматривает самые высокие и самые низкие значения периода для определения условий перекупленности и перепроданности.

  • 00:00:00 В этом разделе спикер представляет 10 технических индикаторов, которые будут рассчитываться с помощью Python, начиная с простой скользящей средней (SMA). Исторические данные запрашиваются из библиотеки MetaTrader5, а затем обрабатываются с помощью Pandas. SMA — это популярный индикатор, используемый для определения тенденций, который рассчитывается с использованием последних 10 цен закрытия. Полученный SMA визуализируется с помощью Plotly Express.

  • 00:05:00 В этом разделе видео объясняется расчет и использование индикаторов простой скользящей средней (SMA) и экспоненциальной скользящей средней (EMA) в технической торговле. SMA берет среднее значение последних 10 цен, а EMA придает больший вес недавним ценам. В видео сравниваются два индикатора и отмечается, что трейдеры, которым нужны более быстрые сигналы, могут предпочесть EMA, которая реагирует на немедленные изменения цены намного быстрее, чем SMA. Затем в видео представлен индикатор среднего истинного диапазона (ATR), который измеряет волатильность и помогает трейдерам оценить риск и возможные изменения тренда. ATR рассчитывается путем взятия диапазона свечи (максимум-минимум) за определенный период и последующего его усреднения. В видео отмечается, что снижение ATR может свидетельствовать о начале фазы коррекции. ATR показан на графике и выше в более волатильные периоды.

  • 00:10:00 В этом разделе видео обсуждаются два технических торговых индикатора: средний истинный диапазон (ATR) и индекс относительной силы (RSI). ATR измеряет волатильность рынка, сравнивая разницу между высокими и низкими ценами за определенный период, а RSI помогает определить цены перекупленности и перепроданности. Видео демонстрирует, как рассчитать RSI с использованием 14-периодной настройки, и объясняет формулу для получения значения RSI. В видео также представлен пример кода для построения индикатора RSI, который может помочь трейдерам определить потенциальные сигналы покупки или продажи в зависимости от того, находится ли RSI в зоне перепроданности или перекупленности. Кроме того, в видео кратко обсуждаются максимумы и минимумы предыдущего дня и то, как их можно использовать в торговых стратегиях.

  • 00:15:00 В этом разделе видео обсуждаются два технических торговых индикатора с Python: вчерашний максимум-минимум и стандартное отклонение. Вчерашний высокий минимум может быть ценным индикатором для внутридневной торговли, поскольку он может показать, находится ли рынок в диапазоне или есть ли прорыв, что может указывать на наличие тренда на рынке. Стандартное отклонение используется для измерения дисперсии, и высокое стандартное отклонение может означать, что рынок нестабилен, а низкое стандартное отклонение может указывать на то, что рынок мало движется. Затем в видео обсуждаются полосы Боллинджера, которые состоят из простой скользящей средней (SMA) с периодом 20, верхней полосы на два стандартных отклонения выше SMA и нижней полосы на два стандартных отклонения ниже SMA. Полосы Боллинджера можно использовать для стратегий возврата к среднему или стратегий прорыва.

  • 00:20:00 В этом разделе видео рассказывается о двух дополнительных технических торговых индикаторах, пересечении MACD и SMA, а также о том, как их рассчитать и построить с помощью Python. MACD — это индикатор тренда, который предсказывает развороты, вычисляя быструю EMA с периодом 20 и медленную EMA с периодом 26, а также рассматривая взаимосвязь между этими двумя EMA. Пересечение SMA, с другой стороны, использует гораздо более простую концепцию и просто включает быструю простую скользящую среднюю и медленную простую скользящую среднюю, которые указывают на изменение тренда всякий раз, когда они пересекаются. Видео предоставляет код для расчета и построения обоих индикаторов и объясняет, как их можно использовать для определения разворотов тренда.

  • 00:25:00 В этом разделе ведущий обсуждает пересечение скользящих средних и индикаторы стохастического осциллятора. Для пересечения скользящих средних ведущий объединяет быструю и медленную скользящую среднюю, чтобы определить потенциальные развороты тренда. Пересечение определяется, когда быстрое скользящее среднее пересекает медленное скользящее среднее или находится ниже него, и в этом случае создается столбец пересечения. Ведущий демонстрирует эффективность индикатора, нанося скользящие средние вместе с ценой закрытия и добавляя вертикальные линии для обозначения каждого пересечения. Стохастический осциллятор похож на RSI, но вместо того, чтобы использовать для расчета только цены закрытия, он учитывает самые высокие и самые низкие значения периода. Осциллятор определяется с помощью формулы и, как и RSI, используется для определения потенциальных состояний перекупленности и перепроданности. Ведущий предлагает зрителям скачать и протестировать код на себе и предлагает оставить комментарии о понравившихся индикаторах для потенциального будущего видео.
Code 10 Technical Trading Indicators with Python
Code 10 Technical Trading Indicators with Python
  • 2021.11.18
  • www.youtube.com
In this video, we will code 10 Technical Trading Indicators with Python for algorithmic trading.Chapters00:00 Intro01:10 Importing Historical Data04:18 Simpl...
 

Как написать торговую стратегию RSI на Python



Как написать торговую стратегию RSI на Python

Видео содержит подробное объяснение того, как кодировать и тестировать торговую стратегию RSI на Python. Стратегия основана на покупке, когда RSI перепродан, и продаже, когда он перекуплен, с входными сигналами, когда RSI падает ниже 30, а когда он превышает 70, пора продавать. Стратегия выхода включает использование индикатора среднего истинного диапазона (ATR) для установки тейк-профита и стоп-лосса на расстоянии 280 пунктов от цены покупки или продажи. В видео рассказывается об использовании библиотек MetaTrader5, Pandas и Plotly для запросов исторических данных, расчета индикаторов, тестирования на истории и визуализации результатов. В заключение зрителям предлагается загрузить блокнот Jupiter для реализации торговой стратегии RSI на Python.

  • 00:00:00 В видео подробно рассказывается, как кодировать и тестировать торговую стратегию RSI на Python. Стратегия фокусируется на покупке, когда RSI перепродан, и продаже, когда он перекуплен, что делает ее стратегией возврата к среднему. Сигналы на вход — это когда RSI падает ниже 30, а когда он превышает 70, пора продавать. Стратегия выхода включает использование индикатора среднего истинного диапазона (ATR) для установки тейк-профита и стоп-лосса на расстоянии 280 пунктов от цены покупки или продажи. В видео также рассказывается, как использовать библиотеки MetaTrader5, Pandas и Plotly для запросов исторических данных, расчета индикаторов, тестирования на истории и визуализации результатов.

  • 00:05:00 в этом разделе видео спикер объясняет, как они построили RSI и создали уровни перекупленности и перепроданности с помощью Plotly. Они показывают, что сигналы покупки возникают, когда RSI падает ниже определенной горизонтальной линии, а сигналы продажи возникают, когда он выше 70. Кроме того, в качестве измерения волатильности вводится индикатор ATR (средний истинный диапазон), который рассчитывается путем нахождения диапазон свечи и среднее значение за последние 14 свечей. Затем на графике отображается ATR, показывающий всплеск волатильности в начале 2020 года. Наконец, спикер показывает, как выполнить бэктест и создать класс стратегии с логическими условиями для входа и выхода из сделок. Условия включают проверку открытых позиций, использование значений RSI для определения сигналов на покупку и установку уровней стоп-лосс и тейк-профит.

  • 00:10:00 В этом разделе спикер объясняет, как запустить бэктест для торговой стратегии RSI в Python. Бэктест создается путем повторения набора исторических данных, а позиции сохраняются в списке, содержащем классы позиций. Стоп-лосс и тейк-профит определяются на расстоянии 280 часов от цен покупки и продажи. Логика бэктеста заключается в том, что когда RSI превышает значение 70, это сигнал на продажу, и в список позиций в стратегии добавляется короткая позиция. После повторения всех исторических данных бэктест возвращает список позиций и их прибыль. Используя эти данные, можно визуализировать результаты ретроспективного тестирования путем построения закрытых позиций с помощью Plotly Express, а прибыль и убыток можно отобразить с помощью того же метода. Выступающий показывает пример полученного графика, чтобы показать, когда стратегия работает хорошо или плохо.

  • 00:15:00 В этом разделе спикер завершает видео, благодарит аудиторию за внимание и предлагает скачать блокнот Jupiter для реализации торговой стратегии RSI на Python. Он отмечает, что после большой просадки в рассматриваемый период пианино сейчас колеблется примерно на том же уровне. Он подписывает и обещает скоро вернуться с другим видео.
How to code an RSI Trading Strategy in Python
How to code an RSI Trading Strategy in Python
  • 2021.11.23
  • www.youtube.com
In this video, we will code an RSI Trading Strategy in Python for algorithmic trading. We will develop the strategy and also backtest the result. Also, we wi...
 

Изучите Pandas на торговых примерах



Изучите Pandas на торговых примерах

Видео учит пользователей, как применять различные функции Pandas для анализа торговых данных в Python, чтобы отвечать на такие аналитические вопросы, как определение самой длинной и самой короткой продолжительности сделок, расчет самых прибыльных и убыточных месяцев, определение наиболее активных месяцев, анализ ордеров на покупку и продажу, и расчет наибольшей абсолютной просадки. Кроме того, он охватывает расчет коэффициента выигрыша, отношения вознаграждения к риску и коэффициента прибыли, который измеряет соотношение между валовой прибылью и убытком. Спикер предоставляет CSV-файл и реальные примеры, чтобы помочь зрителям в процессе анализа, и предлагает блокнот Jupiter для всех, кто хочет попрактиковаться в пандах.

  • 00:00:00 В этом разделе спикер объясняет, как использовать библиотеку Pandas для анализа торговых данных в Python. Они предоставляют CSV-файл с торговыми данными и помогают зрителям ответить на шесть аналитических вопросов по этим данным. Они демонстрируют, как рассчитать количество сделок, общую прибыль и убыток, дату и время первой и последней сделки, наибольшую прибыль и убыток, а также продолжительность каждой сделки. Они используют различные функции Pandas, такие как «shape», «sum», «iloc» и «loc», для выполнения этих вычислений и предоставляют реальные примеры вывода.

  • 00:05:00 В этом разделе видео рассматриваются различные вопросы анализа торговли и способы получения ответов с помощью функций Pandas. Вопросы включают определение самой длинной и самой короткой продолжительности сделок, расчет наиболее прибыльных и убыточных месяцев на основе торговой прибыли, определение наиболее активных месяцев с точки зрения количества сделок и анализ ордеров на покупку и продажу. Метод groupby Pandas используется для агрегирования и сортировки значений фрейма данных соответственно. Используемые функции включают подсчет и сумму для расчета количества сделок и прибыли, а также дату и время для извлечения значений месяца из времени даты сделки.

  • 00:10:00 В этом разделе видео рассматриваются различные расчеты и анализы, в том числе расчет общего количества сделок для каждого типа ордера и определение того, что ордера на покупку работают лучше, чем ордера на продажу. В видео также объясняется, как рассчитать наибольшую абсолютную просадку, то есть максимальный совокупный убыток, понесенный во время торговли, и как рассчитать среднюю прибыль или убыток путем группировки сделок по типу прибыли. Кроме того, видео демонстрирует, как рассчитать коэффициент выигрыша, то есть вероятность выигрыша или проигрыша сделки, и как рассчитать соотношение вознаграждения к риску, взяв среднее значение выигрышей и проигрышей.

  • 00:15:00 В этом разделе спикер обсуждает коэффициент прибыли, который представляет собой соотношение между валовой прибылью и валовым убытком. Чистая прибыль рассчитывается путем суммирования всех прибылей и убытков отдельно в зависимости от типа прибыли (выигрыш или убыток). Затем коэффициент прибыли определяется путем деления валовой прибыли на валовые убытки. Результатом этого расчета является метрика, определяющая, насколько выигрыши перевешивают проигрыши. Профит-фактор в этом случае равен 1,34. Спикер также упоминает, что они предоставят блокнот Юпитера на своем веб-сайте для тех, кто хочет попрактиковаться в пандах.
Learn Pandas on Trade Examples
Learn Pandas on Trade Examples
  • 2021.11.28
  • www.youtube.com
In this video, we will practice some useful Pandas methods in Python. We answer various trading questions on a trade dataset from a backtest.Playlist with al...
 

Управление данными в CSV и базах данных (SQLite)



Управление данными в CSV и базах данных (SQLite)

В видео «Управление данными в CSV и базах данных (SQLite)» спикер демонстрирует, как сохранять и читать данные в CSV-файле с помощью pandas DataFrame и как работать с базами данных с помощью SQLite3. Зрителям показано, как данные OHLC сохраняются в кадре данных pandas, сохраняются в виде файла CSV, а затем считываются и преобразуются в кадр данных pandas. Спикер также показывает зрителям, как работать с базами данных в Python с помощью SQLite3, включая создание базы данных или подключение к существующей, сохранение данных внутри базы данных и чтение данных с помощью простых запросов. Спикер завершает видео, предлагая зрителям доступ к коду, используемому в руководстве, и выражая надежду на то, что руководство было полезным.

  • 00:00:00 В этом разделе спикер показывает, как сохранять и читать данные в файле CSV с помощью pandas DataFrame. После получения некоторых данных OHLC от брокера данные сохраняются в кадре данных pandas, а затем сохраняются в виде файла CSV. Используя `pd.read_csv`, данные CSV можно позже прочитать и преобразовать в DataFrame pandas. Позже спикер продемонстрирует, как работать с базами данных в Python с помощью SQLite3, который является частью стандартной библиотеки Python. Метод sqlite3.connect используется для создания базы данных или подключения к существующей. Данные OHLC сохраняются в базе данных с помощью ohlcdf.to_sql, а затем считываются с помощью простых запросов с помощью запуска pd.read_sql_query.

  • 00:05:00 В этом разделе спикер завершает видео, благодарит зрителей за внимание и предлагает поделиться кодом, использованным в уроке. Спикер предоставляет ссылку на свой веб-сайт, где зрители могут получить доступ к коду. Он выражает надежду, что зрители сочли это видео полезным, и обещает вскоре вернуться с другим уроком.
Manage Data in CSV and Databases (SQLite)
Manage Data in CSV and Databases (SQLite)
  • 2021.12.01
  • www.youtube.com
In this video, I will show you how to save Pandas DataFrames to CSV Files and Databases / SQLite. Also, I will show some examples of how to read the data int...
 

Реальная торговля MetaTrader 5 с Python в 2021 году



Торговля в реальном времени в MetaTrader 5 с Python

Видео «Торговля в реальном времени с помощью Python в MetaTrader 5 в 2021 году (шаблон включен)» представляет собой полезное руководство для трейдеров, стремящихся настроить свои торговые стратегии и повысить прибыльность с помощью MetaTrader5 и Python. В нем представлен шаблон, который можно модифицировать в зависимости от потребностей трейдера, выделяя необходимые участки кода. Видео также охватывает различные функции, такие как инициализация функций, импорт данных и создание торговых ордеров. Среди продемонстрированных полезных инструментов — функция возобновления, которая позволяет трейдерам отслеживать открытые позиции даже после закрытия листа Python. Подчеркивая необходимость использования библиотеки MetaTrader 5 на устройствах Windows, спикер также предлагает некоторые варианты для пользователей Mac.

  • 00:00:00 В этом разделе Лукас из Control показывает, как внедрить торговую стратегию в реальную торговлю с помощью MetaTrader5 и Python. Он предоставляет шаблон и показывает, как настроить код в соответствии со своими потребностями. Видео также демонстрирует различные функции, в том числе инициализацию функции, импорт данных и создание торговых ордеров. Функция возобновления выделена как полезный инструмент для мониторинга текущих открытых позиций даже после закрытия листа Python. В целом, видео представляет собой полезное руководство для трейдеров, которые хотят настроить свои торговые стратегии и максимизировать прибыль.

  • 00:05:00 В этом разделе спикер обсуждает функцию, позволяющую в любой момент получить доступ к открытым позициям, чтобы в конечном итоге закрыть их. Эта функция использует алгоритм открытия позиции в пределах фиксированного интервала и не использует импульсную стратегию. Функция содержит множество комментариев и проста, но необходима, так как возвращает всю информацию об алгоритме. Спикер также предоставляет шаблон, который можно легко настроить, изменив несколько строк кода, что позволяет пользователям запускать в производство свой собственный алгоритм. Однако спикер отмечает, что для использования библиотеки MetaTrader 5 важно иметь устройство Windows, и предоставляет некоторые возможности для пользователей Mac, у которых нет доступа к устройству Windows.
MetaTrader 5 live trading with Python in 2021 (Template included)
MetaTrader 5 live trading with Python in 2021 (Template included)
  • 2021.11.19
  • www.youtube.com
Today, we will see how to put your own trading algorithm in MetaTrader 5 live trading with Python in 2021. You will have a template included to run your own ...
 

Трейлинг-стоп: сила или слабость?



Трейлинг-стоп: сила или слабость?

Лукас из Control обсуждает сильные и слабые стороны стратегии скользящего стоп-лосса, которая направлена на снижение риска в торговле за счет использования непрерывных порогов стоп-лосса или прибыли. Одна из сильных сторон заключается в том, что он позволяет трейдерам использовать вариации тренда и управлять рисками, а недостаток в том, что он может привести к тому, что трейдеры упустят потенциальную прибыль. Спикер советует трейдерам учитывать волатильность активов и соответственно использовать индивидуальные стратегии. Он также предлагает курс по использованию скользящего стоп-лосса и других торговых стратегий.

  • 00:00:00 В этом разделе Лукас из Control обсуждает сильные и слабые стороны торговой стратегии стоп-лосс. Целью торгового стоп-лосса является снижение риска, и он может быть сконструирован разными способами, такими как непрерывный стоп-лосс или использование порогов прибыли. Первая сила торгового стоп-лосса заключается в том, что он позволяет трейдерам использовать не только изменения тренда, а вторая сила в том, что он позволяет трейдерам управлять своим риском. Тем не менее, слабость торгового стоп-лосса заключается в том, что он связан с риском поиска некоторых преимуществ трейдеров, а также может привести к тому, что трейдеры упустят потенциальную прибыль.

  • 00:05:00 В этом разделе спикер обсуждает, как волатильность актива влияет на использование трейлинг-стопа в качестве торговой стратегии. Спикер советует трейдерам учитывать волатильность актива и не применять одну и ту же стратегию для разных активов, таких как Форекс или криптовалюта. Спикер также предоставляет ссылку на курс, который учит, как размещать заказы, импортировать данные, создавать сложные структуры, управлять рисками и создавать шаблоны для конкретного проекта трейдера, включая трейлинг-стоп.