Python для алготрейдинга - страница 2

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.

[MetaQuotes]

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.