Python для алготрейдинга - страница 7

[MetaQuotes]

Настройка MetaTrader 5 для Python

Настройка MetaTrader 5 для Python

Видеоруководство описывает процесс установки MetaTrader 5 для Python, который включает в себя ввод «pip install MetaTrader5» в приглашении Anaconda и проверку установки путем запуска функции MT5Initialize() из пакета MT5 в Python.

[MetaQuotes]

Создание веб-приложения с использованием Python и MetaTrader 5 с помощью Streamlit

Создание веб-приложения с использованием Python и MetaTrader 5 с помощью Streamlit

В этом видео показано, как создать график в реальном времени с помощью Python, Streamlit и MetaTrader 5, который отображает курсы обмена валют и предлагает параметры масштабирования и таймфрейма. Докладчик использует Pandas для импорта фреймов данных и Plotly для построения данных, добавляя функции для расчета скользящих средних и индекса относительной силы. Видео включает в себя потоки для управления масштабированием и сочетания клавиш для интерактивности. Ведущий завершает видео, объясняя различные функции кода и добавляя функциональность для рисования объектов на диаграммах, делясь кодом в описании приложения. Учебное пособие предлагает новичкам простое введение в построение финансовых диаграмм в реальном времени.

• 00:00:00 В этом разделе автор видео демонстрирует график в реальном времени, построенный с использованием MetaTrader 5, Python и Streamlit. График отображает курсы обмена валют и предлагает функции для увеличения и уменьшения масштаба и переключения между таймфреймами. Код Python использует библиотеки Streamlit и MetaTrader 5, а также Pandas для импорта фреймов данных и Plotly для построения графиков. Диаграмма включает в себя функции для расчета скользящей средней и индекса относительной силы с настраиваемыми параметрами для пользователей. Создатель также включает потоки для управления масштабированием и сочетаниями клавиш для взаимодействия с пользователем. В целом, учебник предлагает удобное для начинающих введение в использование этих библиотек для построения финансовых диаграмм в реальном времени.
  
  
• 00:05:00 вы хотите создать веб-приложение с использованием Python и MetaTrader 5 с Streamlit, вам нужно будет вызвать определенные функции для предоставления необходимых данных. Чтобы получить символы, вы можете использовать функцию «metatrader», чтобы извлечь их имена, а затем вернуть их в формате словаря. Функция настройки пакета позволяет настроить макет веб-приложения, например размер и заголовок окна. Кроме того, чтобы рассчитать lsi (индекс относительной силы), вы должны предоставить функции необходимые данные и параметры, такие как кадр данных и значение rsi, которые затем можно построить.
  
  
• 00:10:00 В этом разделе спикер объясняет, как он создал глобальные переменные и добавил вычисление LSI во фрейм данных, а также добавил трассировку, чтобы значения RSI можно было показать на графике. Он также показывает, как он создал функцию бесконечного цикла, которая обновляет график каждую секунду, используя временной интервал, символ, бары, скользящее среднее и значения LSI. Таймфрейм получается из словаря, а бары — с помощью функции mt5.copy_rates_from_pos(). Диаграмма — это не изображение, а анимация, которая постоянно обновляется каждую секунду.
  
  
• 00:15:00 В этом разделе ведущий объясняет, как преобразовать фрейм данных столбцов для последующего уменьшения и как преобразовать время в секунды для лучшей читабельности. В этом разделе также рассказывается об использовании точечной диаграммы и о том, как рассчитать скользящее среднее, чтобы нанести его на диаграмму. Ведущий обновляет макет рисунка с фиксированным диапазоном и цветом бумаги, чтобы зафиксировать диаграмму на месте и лучше представить данные пользователю.
  
  
• 00:20:00 В этом разделе спикер объясняет, как они внесли коррективы в размер окна и ось X, чтобы устранить пробелы на дневном графике. Они также добавляют горизонтальную линию последней цены, используя простой
  строка кода. Затем докладчик демонстрирует функцию нажатия клавиши, которая сжимает или увеличивает диаграмму, когда пользователь нажимает клавишу «минус» или «плюс». Код включает несколько функций и заполнителей, чтобы сделать приложение простым и удобным для навигации.
  
  
• 00:25:00 В этом разделе спикер объясняет код для инициализации соединения между Metatrader5 и графиком, а также использование потока прослушивания клавиатуры для настройки размера графика с помощью клавиш «плюс» и «минус». Они также обсуждают использование функции st.title и создание двух столбцов для ползунков и опций с помощью функции st.connect. Докладчик объясняет использование заполнителя для первого столбца и выбор скользящей средней с помощью функции sd.selectbox. Они также упоминают о наличии вариантов выбора биржевого символа или пары, а также временных рамок.
  
  
• 00:30:00 В этом разделе ютубер завершает демонстрацию создания веб-приложения с использованием Python и MetaTrader 5 с помощью Streamlit. Они объяснили, что приложение отображало информацию о торговых сигналах и добавляло функциональность для рисования объектов на графиках. Они также указали на различные функции и их назначение в коде, закончив тем, что поделились кодом в описании приложения. YouTuber поблагодарил своих зрителей за просмотр и завершил видео.

[MetaQuotes]

СИНТЕТИЧЕСКИЙ ИНДЕКСНЫЙ ТОРГОВЫЙ бот на PYTHON !! - ПОЛУЧЕНИЕ СВЕЧЕЙ ОТ MetaTrader 5

СИНТЕТИЧЕСКИЙ ИНДЕКСНЫЙ ТОРГОВЫЙ бот на PYTHON !! - ПОЛУЧЕНИЕ СВЕЧЕЙ ОТ MetaTrader 5

В видеоуроке объясняется, как создать торгового бота Python, который получает данные о свечах из MetaTrader 5 (MT5). Докладчик шаг за шагом описывает процесс, включая настройку MT5, создание класса для бота, инициализацию переменных, создание потоков и определение торговой стратегии с простыми параметрами тейк-профита и стоп-лосса. Ведущий также дает инструкции по обработке ошибок и отладке кода и завершает видео, подчеркивая простоту процесса и упоминая предстоящий курс по этой теме. Учебник информативен и удобен для начинающих, что делает его отличным ресурсом для всех, кто заинтересован в создании торгового бота Python.

• 00:00:00 В этом разделе видео ведущий показывает, как создать бота для торговли индексами с помощью Python, объясняя этапы этого процесса. Первый шаг — настроить платформу MetaTrader 5, включив алгоритмическую торговлю и разрешив веб-запросы для локального хоста. После этого ведущий открывает Visual Studio Code и начинает писать код, создавая класс для бота с конструктором, который получает параметры для края лота, периода времени и рынка. Бот будет работать с потоками, которые обмениваются информацией через словарь, поэтому докладчик инициализирует список потоков и словарь для хранения общих данных. Наконец, создается событие для остановки потоков. Докладчик предоставляет дополнительную информацию и пояснения в репозитории GitHub.
  
  
• 00:05:00 В этом разделе докладчик инициализирует все необходимые элементы, такие как переменные класса, константы, очереди, словари и потоки, чтобы торговый бот мог обмениваться данными между потоками. Ведущий также объявляет методы, с помощью которых бот запускает и уничтожает потоки. Функция уничтожения потока устанавливает значение переменной очистки равным kill, а затем вызывает функцию соединения для безопасной остановки потоков. Наконец, ведущий создает функцию ожидания, которая позволяет пользователю остановить бота, нажав клавишу ввода.
  
  
• 00:10:00 В этом разделе видео спикер объясняет, что они создадут программу Python для получения данных о свечах из MetaTrader 5 с помощью сокетов. Они начинают с создания файла с именем Candles.py и импортируют необходимые библиотеки, такие как socket и json, для отправки и получения данных через сокеты. Они также определяют адрес и порт, которые будут использоваться для подключения к сокету. Затем спикер переходит к созданию функции для инициализации подключения к сокету с использованием сокетов сервера и клиента. Они демонстрируют, как привязать сокет к указанному адресу и порту и прослушивать входящие соединения. Затем функция принимает соединения и распечатывает адрес клиента.
  
  
• 00:15:00 В этом разделе ютубер объясняет, как создать функцию, которая будет получать информацию о свечах, вызвав функцию «thread_candles». Он начинается с создания переменной под названием «сообщение» для получения информации от MetaTrader5. Затем запускается сокет и создается основной цикл, который будет работать до тех пор, пока пользователь не нажмет Enter, после чего будет установлена пилюля для уничтожения. Цикл начинается с получения сообщения из сокета от соединения и его декодирования. Код проверяет, можно ли напечатать сообщение, и если можно, то он его напечатает. После демонстрации того, как создать основной файл, ютубер переходит к объяснению того, как создать клиент внутри MT5, но подчеркивает, что они не будут углубляться, поскольку это не учебник по MT5.
  
  
• 00:20:00 В этом разделе докладчик предоставляет пошаговое руководство о том, как скопировать код с GitHub и использовать его для создания торгового бота Python, который получает данные о свечах из MT5. Докладчик объясняет, что код использует токены для отправки информации о каждом тике и создает строку, содержащую формат JSON для цен открытия и закрытия каждой свечи. Для преобразования строки в словарь ведущий предлагает использовать функцию загрузки json. Ведущий также демонстрирует, как запускать и останавливать бота и клиента, а также как удалять бота из меню советника.
  
  
• 00:25:00 В этом разделе видеоурок рассказывается, как обновить словарь данными, полученными из MT5, и создать поток ордеров. Обновленный словарь отправляется с помощью функции self.data, которая преобразует данные в правильный формат. Учебник включает в себя определение макросов для бота, таких как количество свечей между операциями и параметры стоп-лосса. Функция потока ордеров получает стоп-событие и торговые данные и создает базовую торговую стратегию с простым тейк-профитом и стоп-лоссом. Учебное пособие также включает в себя закрытие соединения и сокета сервера с последующим тестированием бота с помощью примера кода.
  
  
• 00:30:00 В этом разделе ютубер обсуждает необходимые шаги для получения данных о свечах из МТ5 и использования их для открытия операций на основе определенных критериев. Первый шаг — объявить переменную с именем время последней операции и установить ее начальное значение равным нулю, которое будет использоваться позже для отслеживания открытия операции. Затем объявляется эпоха с помощью функции datetime, которую мы позже будем использовать для преобразования текущего времени в секунды. Далее ждем начала потока свечи, чтобы не допустить ошибок. После завершения мы переходим в цикл, где проверяем, выполнены ли условия для открытия операции. Если предыдущая свеча является бумом (закрытие > открытие) и текущее время больше, чем время последней операции плюс период времени торговых данных, операция открывается. Время последней операции обновляется и вызывается функция открытой позиции. Наконец, торговые данные (включая рынок и размер лота) определяются и передаются в качестве аргумента функции открытой позиции.
  
  
• 00:35:00 В этом разделе создатель объясняет, как отправить операцию ячейки с помощью MT5, и дает руководство о том, как выполнить функцию открытой позиции. Пользователь должен ввести рынок в виде строки, лотекс в виде числа с плавающей запятой и тип операции. Эта функция помогает определить переменные стоп-лосс и тейк-профит, которые определяются путем вычитания текущей цены из значения стоп-лосса и добавления значения тейк-профита к текущей цене. Создатель рекомендует использовать сотовую свечу и торговые данные для тестирования и отладки кода. Наконец, создатель предоставляет пример запуска функции и торговли ордерами.
  
  
• 00:40:00 В этом разделе учебник посвящен ошибкам отладки. Показан пошаговый процесс отладки, начиная с отображаемого сообщения об ошибке и заканчивая поиском решения в Google. Конкретной ошибкой здесь является неверный тип заполнения ордера, который зависит от используемого брокера. Решение состоит в том, чтобы попробовать все три перечисленных типа заполнения ордеров и посмотреть, какой из них подходит для вашего брокера. Как только ошибка будет устранена, руководство переходит к успешному открытию позиции.
  
  
• 00:45:00 В этом разделе спикер завершает видео, предоставляя краткий обзор бота для торговли синтетическими индексами Python, подчеркивая, насколько легко его можно создать. Он также упоминает, что будет создавать курс по этой теме, который будет очень всеобъемлющим и по разумной цене по сравнению с аналогичными курсами. Он призывает зрителей ставить лайки, делиться и подписываться на его канал, а также обращаться к нему с любыми вопросами.

[MetaQuotes]

Как импортировать данные о ценах на акции из MetaTrader 5 в Python?

Как импортировать данные о ценах на акции из MetaTrader 5 в Python?

В этом видео на YouTube объясняются различные способы импорта данных о ценах на акции из MetaTrader 5 в Python. Методы включают в себя импорт необходимых библиотек, установку желаемого временного интервала и часового пояса, определение функции под названием «получить данные», манипулирование результирующим фреймом данных, использование пакета tqtndm, создание фрейма курсов и использование двух фреймов данных для получения цен и данных. информация о дате/времени. Спикер предлагает вынести циклы в функцию, чтобы сделать код чище, а с помощью этих методов пользователи могут без особого труда импортировать данные для многочисленных символов.

• 00:00:00 В этом разделе спикер объясняет, как импортировать данные о ценах на акции из MetaTrader5 в Python. Первый шаг — импорт всех необходимых библиотек, включая pandas, pytz, datetime, tqdm и MetaTrader5. Затем спикер инициализирует MetaTrader5 и устанавливает нужный часовой пояс и таймфрейм. Динамик определяет функцию под названием «получить данные», для которой требуется символ, необходимое количество свечей и временной интервал. Функция возвращает нужные данные, а спикер объясняет, что делает каждый вход и выход в функции.
  
  
• 00:05:00 В этом разделе спикер объясняет функцию, используемую для импорта данных о ценах на акции из MetaTrader5 в Python. Функция принимает символ, период времени и дату и возвращает кадр данных, содержащий запрошенные данные. Выступающий выполняет шаги по обработке результирующего фрейма данных, включая преобразование столбца времени в дневное время и удаление ненужных столбцов. Кроме того, рекомендуется использовать цикл for, чтобы упростить вызов данных для нескольких активов.
  
  
• 00:10:00 В этом разделе спикер объясняет, как импортировать данные о ценах на акции из MetaTrader5 в Python с помощью пакета tqtndm. Они используют функцию try и функцию accept для вызова ранее определенной функции ставок, которая принимает символ и количество дней, установленных на 400. Возвращенные данные добавляются в словарь, а любые недоступные данные удаляются. Спикер предлагает поместить цикл в функцию, чтобы сделать код чище. В целом процесс включает в себя создание фрейма ставок, добавление данных в словарь, а затем запуск скрипта.
  
  
• 00:15:00 В этом разделе спикер объясняет, что с помощью двух фреймов данных пользователи могут легко импортировать данные о ценах на акции из metatrader5 в Python, получая информацию о ценах и дате/времени. Этот метод можно без особого труда использовать для множества символов.

[MetaQuotes]

Онлайн-трейдинг на Python в MetaTrader 5 + получение данных из MQL5

Онлайн-трейдинг на Python в MetaTrader 5 + получение данных из MQL5

В этом руководстве показано, как загрузить набор данных из MetaTrader и проводить сделки онлайн-торговли с помощью Python. Инструктор импортирует библиотеки MetaTrader5, pandas и datetime, указывает актив и временной интервал для набора данных и загружает последние сто точек данных. Они объясняют, как управлять позицией в MetaTrader5, устанавливая стоп-лосс, тейк-профит и используя команду GTC в течение заданного времени. Хотя этот раздел дает общее представление о различных командах, необходимых для управления позицией, неясно, какова общая используемая торговая стратегия.

• 00:00:00 В этом разделе руководства инструктор демонстрирует загрузку набора данных из MetaTrader 5 и выполнение простых торговых сделок в Интернете с использованием Python. Библиотека MetaTrader5 импортирована, а путь быстрого доступа к программному обеспечению адресован Python. Также импортируются библиотеки pandas и datetime, а текущее время используется для указания времени последних данных в наборе данных. Записывается ключ символа желаемого актива, и для набора данных выбирается таймфрейм (в данном случае дневной таймфрейм). Загружаются последние сто точек данных, и команда форматирования используется для сохранения данных в персональной системе пользователя. Онлайн-торговля осуществляется путем определения активов и объема сделки, определения единицы цены в виде пункта и использования цены спроса или предложения в зависимости от введенной позиции.
  
  
• 00:05:00 В этом разделе видео объясняется, как установить стоп-лосс и тейк-профит для позиции с помощью команд Python в MetaTrader5. Также показано, как закрыть позицию, указав номер тикета позиции. Объясняется, что команда GTC поддерживает активную транзакцию в течение заданного времени. В видео также показан пример сделки USDJPY с активными стоп-лоссом и тейк-профитом. В целом, этот раздел дает общее представление о различных командах, необходимых для управления позицией в MetaTrader5 через Python.
  
  
• 00:10:00 В этом разделе мы узнаем, что длинная позиция была успешно закрыта. К сожалению, без дальнейшего контекста неясно, к чему относится длинная позиция или какова общая используемая торговая стратегия.

[MetaQuotes]

Python MetaTrader 5 Копировать торговлю

Python MetaTrader 5 Копировать торговлю

Это приложение может копировать сделку из MetaTrader 5 в другую MetaTrader 5, управляемую веб-панелью, которая также может контролировать, кто может копировать вашу сделку, устанавливать пару/тикер, устанавливать объем, стоп-лосс и тейк-профит для каждого вашего сигнала копирования.
Допуск по времени для копирования составляет 5 секунд, если более 5 секунд сигнал не будет скопирован, Windows cmd иногда зависает, рекомендуется использовать другое терминальное приложение в Windows.

Вопросы и ответы
--------------------------------------------------
В: Можно запустить с помощью MT4
О: Нет, MT4 не поддерживает Python.

В: Можно ли запустить на Linux?
О: Нет, на самом деле mt5 предназначен для Windows, если он работает на Mac или Linux, он запускается только с использованием эмулятора Windows или чего-то подобного, чтобы принудительно запустить приложение Windows, работающее на Mac или Linux.

В: Есть ли гарантия, что сигнал будет скопирован?
О: успех или неудача копирования сигнала зависит от различных факторов, чаще всего от вашего состояния vps, может обрабатывать соединение от мастера или клиентов, нестабильное соединение с клиентом, задержка скрипта, терминал, зависания и т. д.

Если у вас есть какие-либо проблемы, такие как зависание командной строки при запуске скрипта Python, перейдите по ссылке https://stackoverflow.com/questions/5...

Скрипты
------------
создать виртуальную среду:
python -m venv .venv

активировать виртуальную среду:
.venv/Скрипты/активировать

установить библиотеку требований:
pip install -r требования.txt

запуск мастер-скрипта:
Python master.py

запуск ведомого скрипта:
питон trade.py

[MetaQuotes]

Системы тестирования Python и MetaTrader | Разработка и тестирование торговых стратегий машинного обучения

Системы тестирования Python и Metatrader | Разработка и тестирование торговых стратегий машинного обучения

В видео обсуждается разработка стабильной платформы для тестирования на исторических данных для оценки нескольких торговых стратегий и использования машинного обучения для торговли на рынке Форекс. Докладчик демонстрирует, как создать новую платформу для тестирования на исторических данных с помощью MetaTrader 5, которая взаимодействует с брокерами для извлечения входных данных. Они также объясняют, как написать код советника для извлечения данных, обработки их с использованием стратегий Python, а затем инициировать сделки на основе заранее определенных параметров. В видео также показано, как генерировать данные меток и извлекать признаки для построения и обучения алгоритмов машинного обучения. Наконец, спикер обсуждает несколько алгоритмов, используемых для тестирования на истории, из которых случайный лес определен как наиболее точный. В целом, система тестирования на исторических данных дала надежные и эффективные результаты с производительностью 96%, и будущая работа включает интеграцию алгоритмов машинного обучения в среду реальной торговли.

• 00:00:00 В этом разделе спикер представляет концепцию торговли на рынке Форекс и объясняет, почему она стала такой популярной среди учреждений, правительств, транснациональных корпораций и индивидуальных инвесторов. Рынок открыт 24 часа в сутки с понедельника по пятницу, что делает его доступным для всех. Одной из причин его популярности является огромный потенциал прибыли. Тем не менее, важно точное предсказание направления обмена форекс. С этой целью целью спикера было создание стабильной платформы для тестирования на исторических данных для оценки нескольких торговых стратегий, определения наиболее эффективных валютных пар и таймфреймов и использования машинного обучения для улучшения прогнозов. Спикер также упоминает предыдущие исследования, в которых для прогнозирования использовались машины опорных векторов и искусственные нейронные сети.
  
  
• 00:05:00 В этом разделе спикер обсуждает подход к разработке платформы бэктестинга для обучения и тестирования алгоритмов, что является первым шагом в разработке алгоритмов машинного обучения. Они изучают доступные платформы для тестирования на исторических данных, такие как MK Backtesting, но в конечном итоге решают создать новую, которая легко интегрируется с существующими стратегиями Python и соответствует критериям согласованности и целостности данных. Новая платформа опирается на стандартную для отрасли платформу MetaTrader 5, которая взаимодействует с брокерами для извлечения входных данных для платформы тестирования на исторических данных. Платформа тестирования на исторических данных использует набор параметров, таких как стоп-лосс и тейк-профит, для оценки данных и создания выходных файлов на основе сигнала, генерируемого торговыми стратегиями, такими как класс торговой стратегии. В целом подход включает в себя подготовку данных уровня, разработку платформы для тестирования на исторических данных, а затем построение алгоритма машинного обучения на основе подготовленных данных.
  
  
• 00:10:00 В этом разделе спикер описывает, как закодирован экспертный советник для расширения данных из MetaTrader 5 в режиме реального времени каждый раз, когда генерируется новая свеча. Советник извлекает данные из MetaTrader 5 и записывает их во внешний файл электронной таблицы, который затем считывается движком Python для обработки с использованием различных стратегий для получения торгового сигнала. Затем сигнал записывается в файл действий, который считывается советником, а затем инициирует сделки в среде MetaTrader 5. Торговая среда может вести торговлю в режиме реального времени, выполняя сделки на основе определенных значений тейк-профита и стоп-лосса, а советник модифицирует и закрывает сделки на основе различных параметров.
  
  
• 00:15:00 В этом разделе спикер объясняет процесс тестирования на истории и формирования отчета в платформе MetaTrader. Они показывают, как настроить скорость тестирования на исторических данных и импортировать необходимые стратегии для прогнозирования. Затем они обсуждают различные функции программы, в том числе средство записи действий, которое выполняет служебные задачи, такие как создание и сохранение выходных файлов. Наконец, они демонстрируют отчет, полученный в результате тестирования на исторических данных, который включает в себя сводку всех совершенных сделок, а также сведения о валютной паре, временных рамках и периоде.
  
  
• 00:20:00 В этом разделе видео объясняется, как использовать платформу для тестирования на исторических данных, предназначенную для создания данных меток и извлечения признаков для создания и обучения алгоритмов машинного обучения для торговли. Эта платформа упрощает процесс, беря весь период извлеченных данных и генерируя сигналы и индикаторы, необходимые для торговли, а затем инициируя и отслеживая сделки для получения реальных результатов. С помощью этой платформы в видеоролике показано, как генерировать данные меток, которые представляют истинный результат сделки и различные функции, извлеченные из данных, таких как RSI, TSI и Stochastic. Создавая более сбалансированные данные, эта платформа может генерировать более надежные алгоритмы машинного обучения для торговли.
  
  
• 00:25:00 В этом разделе спикер обсуждает различные алгоритмы машинного обучения, используемые для тестирования на истории, включая метод опорных векторов, логистическую регрессию, xgboost, MLP и случайный лес. Точность каждого алгоритма записывается и анализируется, и спикер определяет случайный лес как наиболее точный с точностью 96%. Данные также помечаются и отслеживаются для создания файла электронной таблицы для последующего использования. В целом, процесс тестирования с использованием этих алгоритмов является быстрым и эффективным.
  
  
• 00:30:00 В этом разделе спикер подводит итоги тестирования системы на истории и разработки торговых ML-стратегий с использованием технических индикаторов и алгоритмов машинного обучения. Стабильная платформа для ретроспективного тестирования обеспечила надежные и эффективные результаты с производительностью 96% по сравнению с эталонной стратегией SMAEMA, производительность которой составляла всего 25%. Платформа для тестирования на исторических данных была способна автоматически торговать без необходимости ручного вмешательства. Будущая работа включает в себя интеграцию алгоритмов машинного обучения в среду тестирования и торговли в реальном времени для повышения точности прогнозов и максимизации прибыли с использованием нескольких стратегий и более сложных алгоритмов, таких как RNN с самостоятельным вниманием и LSTM.

[MetaQuotes]

Как создавать стратегии алгоритмической торговли с помощью Python — пошаговый процесс

Как создавать стратегии алгоритмической торговли с помощью Python — пошаговый процесс

Видео содержит пошаговое руководство по созданию алгоритмических торговых стратегий с использованием Python. Первый шаг включает в себя определение правил для системы, исключение эмоций из торговли и проведение тестирования на исторических данных для оптимизации прибыльности. Затем докладчик демонстрирует, как создать торговую стратегию, используя гипотезу и технические индикаторы, такие как пересечение скользящих средних. Затем стратегия кодируется, и повторно проводится тестирование на исторических данных для обеспечения оптимизации. Второй раздел посвящен кодированию алгоритмической основы и созданию сигнальной функции, которая определяет, покупать или продавать на основе сравнения простых скользящих средних. В третьем разделе обсуждается, как обрабатывать текущие рыночные данные с помощью функций, а в четвертом — как развернуть стратегию на WPS. В заключение ведущий советует новичкам, чтобы их торговые стратегии были простыми и ясными.

• 00:00:00 В этом разделе видео ведущий объясняет процесс создания алгоритмических торговых стратегий с помощью Python. Во-первых, они определяют алгоритмическую торговлю как систему с четко определенными правилами и без исключений. Преимущество этого заключается в том, что мы можем кодировать торговые стратегии на основе количественных данных, а эмоции исключены из уравнения. Они также упоминают, что для оптимизации и проверки рентабельности системы легко провести тестирование на истории. Затем ведущий показывает, как создать торговую стратегию, используя гипотезу и технические индикаторы, в частности пересечения скользящих средних. На основе собранной информации создается набор правил, после чего стратегия проходит тестирование на истории. Этот процесс можно повторять до тех пор, пока стратегия не будет признана оптимальной.
  
  
• 00:05:00 В этом разделе спикер обсуждает пошаговый процесс создания алгоритмических торговых стратегий с помощью Python. Они объясняют, как тестирование на исторических данных позволяет трейдерам понять, как развиваются их прибыль и убытки, и в случае успеха трейдеры могут перейти к форвардному тестированию с реальным торговым ботом на демо-счете. Спикер также рекомендует использовать Python для торговли, так как это простой язык для изучения и имеет множество библиотек для тестирования на исторических данных и алгоритмической торговли, таких как pandas и plotly. Наконец, спикер описывает процесс создания простой стратегии пересечения скользящих средних на немецком фондовом индексе, используя быструю скользящую среднюю 10 и медленную скользящую среднюю 100. Они подчеркивают важность кодирования алгоритмической основы, которую можно можно найти на их странице GitHub.
  
  
• 00:10:00 В этом разделе ведущий демонстрирует, как использовать Python для создания алгоритмической торговой стратегии с использованием ранее рассмотренной стратегии пересечения скользящих средних. Они предоставляют два файла: проверенный файл и файл реального торгового бота. Протестированный файл включает анализ данных о том, как стратегия работала в 2032 году. Файл бота для реальной торговли требует создания файла с учетными данными для входа и позволяет пользователям торговать с использованием пересечений скользящих средних. Затем ведущий показывает свою интегрированную среду разработки Python и объясняет код, который использует такие библиотеки, как pandas, blockly и datetime, для извлечения исторических данных, расчета простых скользящих средних и применения торговой логики. Наконец, ведущий создает сигнальную функцию, которая определяет, покупать или продавать на основе сравнения простых скользящих средних.
  
  
• 00:15:00 В этом разделе спикер объясняет процесс расчета сигнального столбца, который будет указывать, когда покупать или продавать конкретную ценную бумагу. Столбец сигнала получается путем применения функции «получить сигнал» к столбцам фрейма данных, которая затем проверяет построчно, выполняются ли условия для покупки или продажи. Кроме того, столбцы предыдущего изменения цены и изменения сигнала также рассчитываются для определения гипотетической прибыли с учетом объема сделки и комиссии, уплаченной брокеру. Затем докладчик показывает график с использованием валовой и чистой прибыли за шестимесячный период, демонстрируя, что стратегия принесла чистую прибыль в размере 2380 евро с некоторыми периодами просадок. Наконец, спикер упоминает о совместном использовании примера кода стратегии тестирования на истории на тот случай, если зритель захочет протестировать его самостоятельно для получения более длинной истории.
  
  
• 00:20:00 В этом разделе ведущий объясняет, как обрабатывать текущие рыночные данные с помощью функций для создания торговой стратегии на Python. Они предлагают импортировать MetaTrader5, pandas, time, datetime и принципы счета с параметрами по умолчанию их стратегии. Ведущий создал функции для торговли для закрытия позиций и проверки торговых часов лондонской и нью-йоркской сессий. Они также создали функцию для отправки рыночного ордера с использованием торгового сигнала в цикле, и если быстрая SMA выше медленной SMA, они предлагают закрыть позиции на продажу. Докладчик демонстрирует, как использовать эти функции и проверять количество открытых позиций с помощью функции MT5 Positions Total, чтобы обеспечить обзор счета при входе в торговый счет.
  
  
• 00:25:00 В этом разделе спикер объясняет последний этап процесса развертывания стратегии на WPS (служба веб-обработки). Он предлагает использовать DP (поставщик облачных рабочих столов) под названием Countable, для которого он предоставляет базовые конфигурации. Он также отмечает, что MT5 работает только на Windows, и рекомендует выбирать дата-центр в Великобритании, если брокер находится в Лондоне. Затем оратор продолжает давать советы и рекомендации новичкам, советуя им сохранять свои стратегии простыми и ясными, чтобы позже со временем добавить больше. В заключение он поблагодарил зрителя и призвал его задавать вопросы в комментариях.

[MetaQuotes]

Тестирование паттерна из трех свечей с помощью Python

Тестирование паттерна из трех свечей с помощью Python

Видео демонстрирует, как использовать Python для тестирования прибыльности сетапа с тремя свечами. Ведущий получает еженедельные данные OHLC для валютной пары EUR/USD от Metatrader5 и преобразует их в фрейм данных Pandas, визуализируя их с помощью Plotly Express. Они определяют бычьи и медвежьи свечи, используя указанную функцию типа свечи, и определяют условие установки трех бычьих свечей. Рассчитывая вероятность роста или падения четвертой свечи для каждого случая сетапа, они тестируют рентабельность покупки этих сетапов. Ведущий заключает, что открытие длинных позиций при каждом бычьем сетапе принесло бы некоторый доход, но подчеркивает важность терпения, поскольку прибыль приходит быстро.

• 00:00:00 В этом разделе спикер обсуждает, как использовать Python для тестирования схемы с тремя свечами. Для этого они сначала подключаются к платформе Metatrader5 и запрашивают данные OHLC для валютной пары EUR/USD за недельный период с 1 января 2019 года по ноябрь 2021 года. Затем данные преобразуются в фрейм данных Pandas и визуализируются с помощью Plotly Express. . Затем докладчик показывает, как пометить свечи в фрейме данных как бычьи или медвежьи, используя указанную функцию типа свечи. Они используют это, чтобы соответствовать условию установки с тремя бычьими свечами, сдвигая столбец типа свечи вперед на одну, две и три свечи, создавая условие, при котором все три свечи являются бычьими. Затем они рассчитывают вероятность того, что четвертая свеча пойдет вверх или вниз для каждого случая этой установки, и протестируют прибыльность покупки этих установок.
  
  
• 00:05:00 В этом разделе видео ведущий обсуждает, как протестировать установку с тремя свечами с помощью Python. Настройка включает в себя определение свечей, где первая, вторая и третья свечи являются бычьими. Ведущий создает фрейм данных с предыдущим закрытием и сравнивает результат с предыдущей свечой, чтобы рассчитать количество набранных или потерянных очков. Затем они приступают к статистическому анализу данных, чтобы определить, стоит ли покупать или продавать. Перебирая каждый отдельный сетап и добавляя на график три сетапа свечи, они показывают, что в некоторых ситуациях покупка при закрытии каждого сетапа и продажа сразу после закрытия следующей свечи могут быть прибыльными. Ведущий подсчитывает, сколько раз происходит установка и сколько в среднем будет получено или потеряно за каждую настройку. Они пришли к выводу, что открытие длинных позиций при каждом бычьем сетапе принесло бы некоторый доход.
  
  
• 00:10:00 В этом разделе видео представляет пример тестирования установки с тремя свечами с помощью Python. После сброса оси показывает период времени с убыточными и прибыльными сделками в 2019 году с кривой прибыли в кумулятивных пунктах. Прибыль приходит в течение быстрого периода, требующего терпения, пока этот период не наступит. Видео также демонстрирует, как анализировать XA USD на дневном графике и просматривать его эффективность, запрашивая исторические данные и строя фрейм данных. Кривая прибыли используется для наблюдения за взлетами и падениями прибылей и убытков. Наконец, в видео делается вывод о том, что этот метод тестирования можно использовать на любом количестве рынков и таймфреймов и подразумевает, что пользователи могут писать свои собственные алгоритмические стратегии.

[MetaQuotes]

Код свечных графиков в реальном времени на Python

Код свечных графиков в реальном времени на Python

В этом видео автор создает веб-приложение на Python, используя Dash, pandas и plotly для создания графика свечных данных в реальном времени для торговли на FOREX. Приложение использует библиотеку MetaTrader 5 для сбора данных и позволяет пользователям изменять символ, таймфрейм и количество отображаемых свечей. В видео показан процесс создания макета и обратных вызовов для приложения, включая запрос исторических баров из MetaTrader 5 и создание объекта фигуры с помощью go.candlestick. Результирующее приложение обновляется каждые 20 миллисекунд и имеет интервал обновления 200 миллисекунд. Зрителям предлагается посетить страницу GitHub, чтобы загрузить приложение.

• 00:00:00 В этом разделе ютубер отвечает на вопрос зрителя о создании графика данных форекс в реальном времени с потоковыми данными свечей в реальном времени. В видео объясняется, как ютубер кодирует веб-приложение на Python, используя Dash, pandas и plotly для анализа и визуализации данных, а также использует библиотеку MetaTrader5 для сбора данных из MetaTrader 5. Они также объясняют процесс получения списка символов и перевода таймфреймы с помощью словаря. Результатом работы приложения является график, на котором пользователи могут изменять символ, таймфрейм и количество свечей для отображения данных в режиме реального времени с интервалом обновления 200 миллисекунд.
  
  
• 00:05:00 В этом разделе видео спикер объясняет создание макета приложения для работы со свечными графиками в реальном времени. Компоненты раскрывающегося списка для символа и таймфрейма импортируются из функций MT5, а значения устанавливаются по умолчанию. Ввод количества баров создается с помощью поля ввода DBC, которое имеет значение по умолчанию 20. Макет приложения состоит из HTML-раздела, который включает раскрывающийся список символов, раскрывающийся список временных рамок и количество введенных баров. Добавляется небольшой разделитель, за которым следует компонент интервала DCC, который создает новый обратный вызов каждые 200 миллисекунд для обновления диаграммы в реальном времени. Содержимое страницы включает обратный вызов, который обновляет график каждые 20 миллисекунд, принимая состояние раскрывающегося списка символов, раскрывающегося списка временных рамок и количество введенных баров. Обратный вызов запрашивает исторические бары из MetaTrader 5 и создает объект фигуры с помощью go.candlestick. Наконец, спикер благодарит зрителей за внимание и предлагает им посетить страницу GitHub для загрузки приложения.