Python для алготрейдинга - страница 12

[MetaQuotes]

PYTHON TRADING BOT #3 - MetaTrader 5, данные для тестирования торговли

PYTHON TRADING BOT #3 - MetaTrader 5, данные для тестирования торговли

В этом разделе видео докладчик подчеркивает полезность функции MetaTrader 5, которая позволяет пользователям сохранять тиковые данные за указанный диапазон дат для целей тестирования на истории. Он подчеркивает важность наличия достаточного количества исторических данных для разработки точных торговых алгоритмов и рекомендует экспортировать данные в виде файла CSV для загрузки в Python для создания торговых моделей. Он также предсказывает, что эта функция больше не может быть бесплатной из-за растущего использования ботов и ИИ в торговле. Ведущий призывает зрителей использовать эту функцию и направлять дальнейший интерес к его веб-сайту, если они заинтересованы в торговле и криптовалютах.

[MetaQuotes]

ТОРГОВЫЙ бот PYTHON #4 — MetaTrader 5 и Python

ТОРГОВЫЙ бот PYTHON #4 - MetaTrader 5 и Python

В этом видео объясняется, как использовать MetaTrader 5 с Python и создать логин. Зрителям необходимо сначала установить пакет MetaTrader 5 для Python, а ютубер демонстрирует, как импортировать библиотеки, предоставляя пример кода. Он также упоминает, что существует множество доступных ресурсов о том, как создавать ботов для MetaTrader 5 с помощью Python. Видео завершается рекомендацией посетить сайт ютубера за недорогими и полезными трейдинговыми материалами.

[MetaQuotes]

PYTHON TRADING BOT #5 - Получение тиковых цен

BOT DE TRADING PYTHON #5 - Обмен тиками (премиум)

Видеоурок демонстрирует два способа получения тиков (цен) из торгового приложения MetaTrader 5 с помощью Python. Первый метод предполагает использование функции symbolinfo.tick, которая возвращает текущую цену рынка с возможностью выбора тика бида или аска. Второй метод немного сложнее и включает функцию copyticksrange и библиотеку datetime для получения данных тиков с указанной даты до текущего времени. Учебное пособие включает график тиковых данных, собираемых каждые 15 минут, и демонстрирует, как сравнить его с реальным графиком для обеспечения точности. Наконец, видео продвигает веб-сайт, который предлагает доступные и полезные торговые документы для тех, кто интересуется торговлей криптовалютой.

[MetaQuotes]

PYTHON TRADING BOT #6 - Открытие и изменение сделок

BOT DE TRADING PYTHON #6 - Завершение и изменение операций

В этом разделе видеоурока по торговым ботам с Python рассматривается процесс открытия и изменения операций с помощью Python. Ведущий дает рекомендации по определению покупки для открытия операции с помощью пошагового руководства с использованием словаря и функции отправки ордера. Другие факторы, которые должен охватывать словарь, включают тип сделки, значения стоп-лосса и тейк-профита. Дается предложение проверить рентабельность торговли на малом объеме. Кроме того, докладчик объясняет использование функции информации о символе для доступа к рыночной цене и пункту. Точно так же видео демонстрирует изменение открытых сделок с помощью функции отправки ордера, начиная с получения номера тикета с помощью встроенной функции «Получить позиции». Формат словаря можно использовать для изменения значений стоп-лосса и тейк-профита с помощью ключа «позиция», содержащего значение номера билета. В завершение докладчик рекомендует доступную и полезную веб-страницу с торговыми документами.

• 00:00:00 В этом разделе видео ведущий объясняет, как открывать и изменять операции с помощью Python. Ведущий предоставляет пошаговое руководство по открытию операции путем определения покупки с помощью словаря, а затем с помощью функции отправки заказа с этим словарем в качестве аргумента. Словарь должен включать такую информацию, как рыночный символ, объем (представляющий сумму денег, использованную для операции), тип ордера и значения стоп-лосса и тейк-профита. Ведущий советует использовать низкий объем и дает краткое объяснение того, как работают стоп-лосс и тейк-профит. Докладчик также объясняет, как получить рыночную цену и пункт, используя функцию информации о символе. Наконец, ведущий рекомендует посетить веб-страницу, чтобы получить доступ ко всем кодам ошибок, связанным с типом чувства в словаре заказов.
  
  
• 00:05:00 В этом разделе видео объясняется, как изменить открытую сделку с помощью функции под названием «Отправка ордера». Первым шагом является получение номера тикета открытой сделки с помощью встроенной функции «Получить позиции». После получения номера тикета пользователь может изменить значения стоп-лосса или тейк-профита, используя формат словаря. Важно иметь ключ «позиция» со значением номера тикета в словаре. Этот метод может быть применен как к покупкам, так и к продажам. Видео завершается рекомендацией веб-сайта для доступных и полезных торговых материалов.

[MetaQuotes]

PYTHON TRADING BOT #7 — Трейлинг-стоп

BOT DE TRADING PYTHON #7 - Трейлинг-стоп

В этом видео ведущий объясняет, как запрограммировать торговый стоп на Python, так как это невозможно сделать автоматически в MetaTrader 5. Он демонстрирует, как установить стоп-лосс вручную, чтобы минимизировать убыток, если цена падает, и обеспечить прибыль, если цена идет вверх, используя простой пример на ценовом графике. Ведущий дает пошаговое руководство и код на экране, а также предлагает посетить его веб-сайт для получения полезных торговых документов.

[MetaQuotes]

PYTHON TRADING BOT #8 — Генерация данных для ИИ

PYTHON TRADING BOT #8 — Генерация данных для ИИ

В этом видео ведущий демонстрирует, как генерировать данные бэктестинга для создания успешного алгоритма искусственного интеллекта для торговли скриптами и криптовалютами. Они предлагают использовать небольшой файл для генерации данных и исправления формата файла перед созданием различных атрибутов, таких как тип сделки, прибыль, вероятность успеха, наклон и индикаторы. Они также объясняют, как преодолеть проблему многократного открытия и поиска файла данных, открывая файл интеллектуального анализа данных в двоичном режиме. Кроме того, они подчеркивают важность сохранения значений индикаторов при обучении ИИ эффективной торговле.

• 00:00:00 В этом разделе ютубер демонстрирует, как генерировать данные обратного тестирования, необходимые для создания эффективного алгоритма искусственного интеллекта. Он рекомендует использовать небольшой файл для создания данных, так как использование больших файлов может быть утомительным. Чтобы сгенерировать данные бэктестинга, он исправляет формат файлов, а затем генерирует различные атрибуты для обучения ИИ, такие как тип сделки, прибыль, коэффициент успеха, наклон и индикаторы. Алгоритм YouTuber имитирует торговлю, загружая переменные и индикаторы для каждой строки файла, а затем проверяет, может ли сделка быть совершена или нет, и проверяет успешный или неудачный результат сделки. Одна из ошибок ютубера заключается в том, что он не сохраняет значения показателей, что, по его словам, является важным атрибутом для обучения ИИ.
  
  
• 00:05:00 В этом разделе видео ведущий рассказывает о проблеме, с которой они столкнулись при проверке успешности операции в их файле интеллектуального анализа данных. Они обнаружили, что им приходилось постоянно открывать и искать файл, что было неэффективно. Чтобы преодолеть эту проблему, они предлагают открывать файл майнинга в двоичном режиме, что позволяет им перейти непосредственно к строке, которую нужно проверить. Они объясняют, что, хотя наличие мощного компьютера с большим объемом оперативной памяти может позволить быстро и легко исправить проблему, это не всегда возможно. Докладчик рассказывает, что обучение эффективному ИИ требует сохранения множества атрибутов и что, хотя могут быть ошибки, можно найти простые решения.

[MetaQuotes]

PYTHON TRADING BOT #9 — Создание ИИ

PYTHON TRADING BOT #9 — Создание ИИ

В этом видео ведущий демонстрирует, как обучать ИИ, используя данные из предыдущего видео, используя блокнот Jupyter для визуализации вывода и библиотеку Skyler для создания дерева решений и нейронной сети. Графики и гистограммы создаются для визуальной классификации успешных и неудачных операций. Для классификации данных используются разные модели ИИ, и хост рекомендует создать небольшой файл с циклами, чтобы найти наилучшую конфигурацию для модели с наивысшим баллом. Он рекомендует использовать нечетное количество деревьев решений при создании модели для достижения лучших результатов и разделяет показатель точности своей модели 64%. Зрителям предлагается посетить веб-сайт Sky Learn, чтобы узнать больше о деревьях решений, лесах и нейронных сетях, поставить лайк, подписаться и поделиться видео, а также посетить веб-сайт организатора, чтобы приобрести доступные документы, связанные с торговлей и криптовалютой.

• 00:00:00 В этом разделе видео ведущий объясняет, как обучить искусственный интеллект, используя данные, сгенерированные в предыдущем видео. Хост использует блокнот Jupyter для визуализации результатов различных тестовых случаев и библиотеку Skyler, связанную с искусственным интеллектом, для создания дерева решений и нейронной сети. Данные передаются в Pandas через функцию, а фрейм данных используется для определения типов загрузки каждого столбца атрибутов. Затем ведущий рассказывает, как создавать графики и гистограммы для визуальной классификации успешных и неудачных операций. Наконец, для классификации данных используются разные модели ИИ, и хост рекомендует создать небольшой файл с циклами, чтобы найти наилучшую конфигурацию для модели с наивысшим баллом.
  
  
• 00:05:00 В этом разделе спикер рекомендует использовать нечетное количество деревьев решений при создании модели для достижения лучших результатов. Он также сообщает, что созданная им модель имеет показатель точности 64%, что всего на 1% ниже, чем у другой аналогичной модели. Чтобы помочь тем, кто не знаком с деревьями решений, лесами и нейронными сетями, он рекомендует посетить веб-сайт Sky Learn, который является отличным ресурсом для изучения этих тем.
  

[MetaQuotes]

СВЕЧНЫе ГРАФИКИ В ПИТОНЕ

СВЕЧНЫе ГРАФИКИ В ПИТОНЕ

Автор объясняет, как получить торговые данные из MetaTrader 5 и преобразовать их в свечи с помощью Python. Он начинает с демонстрации того, как можно получить тиковые данные с определенного рынка в MT5 и экспортировать их в файл CSV. Затем он демонстрирует, как он использует простой алгоритм для преобразования тиковых данных в свечи разных периодов времени — 15 минут, 1 минуту, 30 секунд и т. д. — которые сохраняются в Pandas DataFrame. YouTuber подчеркивает важность наличия DataFrame с «закрытым» столбцом, поскольку это позволяет пользователю загружать технические индикаторы в Python с помощью библиотеки TA-Lib. Видео является частью серии, в которой он учит, как использовать Pandas и другие библиотеки для торговой аналитики.

[MetaQuotes]

MACD IN PYTHON - БИБЛИОТЕКА ТЕХНИЧЕСКОГО АНАЛИЗА

MACD IN PYTHON - БИБЛИОТЕКА ТЕХНИЧЕСКОГО АНАЛИЗА

В видео демонстрируется руководство по загрузке значений MACD в Python с использованием библиотеки технического анализа с акцентом на создание этих значений из существующего файла данных с закрытым столбцом. В видео также демонстрируется установка библиотеки технического анализа и расчет значений MACD и сигнальной линии с помощью конструктора объектов из библиотеки. Наконец, спикер демонстрирует построение полученных значений с помощью библиотеки Matplotlib. В заключение видео представляет собой подробное руководство по процессу загрузки значений MACD в Python с использованием библиотеки технического анализа.

[MetaQuotes]

RSI IN PYTHON - БИБЛИОТЕКА ТЕХНИЧЕСКОГО АНАЛИЗА

RSI IN PYTHON - БИБЛИОТЕКА ТЕХНИЧЕСКОГО АНАЛИЗА

В этом видео спикер объясняет процесс загрузки индикатора RS в Python с помощью библиотеки TIA. Затраченные шаги включают определение фрейма данных, содержащего столбец, в который нужно загрузить индикатор, импорт библиотеки TIA, создание объекта с помощью функции конструктора индикатора RS и вызов метода индикатора RS для создания фрейма данных с информацией индикатора RS. На видео показано, как сравнить данные индикатора RS с реальными рыночными данными, чтобы убедиться в точности реализации. Таким образом, докладчик предлагает простой подход, который можно использовать для загрузки индикатора RS в Python.