Algoritmik ticarette Python - sayfa 2

 

Broker Spreadlerini Pandalarla Analiz Edin



Broker Spreadlerini Pandalarla Analiz Edin | Python ile Ticaret

Bu videoda sunum yapan kişi, komisyoncu spreadlerini analiz etmek için Python'daki pandaları kullanıyor. MetaTrader 5 kullanılarak broker geçmişinden dışa aktarılan onay verileri bir pandas veri çerçevesine aktarılır ve spread ve saatlik tabanlı veriler, zaman içinde spreadlerdeki değişiklikleri çizmek için analiz edilir. Marjların genel olarak dar olduğu, ancak haber olayları veya düşük likidite dönemlerinde, özellikle de komisyoncu saatinin gece yarısı civarında yükselebileceği bulundu. Analiz, tüccarlara farklı semboller için sunulan verileri dikkate alarak alım satım maliyetlerini optimize etmelerini tavsiye eder.

  • 00:00:00 Bu bölümde video, komisyoncu spreadlerini analiz etmek için pandaların nasıl kullanılacağını araştırıyor. Video, MetaTrader 5 kullanılarak broker geçmişinden tick verilerinin nasıl dışa aktarılacağını gösterir ve pandalar kullanarak spread verilerini analiz eder. Tik verileri daha sonra bir pandas veri çerçevesine aktarılır ve unix zaman damgası biçiminden tarih saat biçimine dönüştürülür. Yayılma sütunu, satış ve alış fiyatı arasındaki fark kullanılarak hesaplanır. Zaman sütunu ayrıca, dağılımları saat bazında analiz etmek için saatlik verilere dönüştürülür. Veriler, zaman içinde yayılmalardaki değişiklikleri analiz etmek için 'çizgi çizgisi' kitaplığı kullanılarak çizilir. Analiz, marjların genellikle sıkı olduğunu, ancak haber olayları veya düşük likidite dönemlerinde yükselebileceğini gösteriyor. Gece yarısı broker süresi boyunca likidite düşüktür ve spreadler yüksek olabilir.

  • 00:05:00 Bu bölümde, konuşmacı Python'da pandaları kullanarak broker spreadlerinin nasıl analiz edileceğini gösteriyor. İşlev, satırları aynı saatle gruplandırır ve her saat için ortalama yayılmayı ve maksimum yayılmayı hesaplar. Ortaya çıkan tablo ve çubuk grafik, spreadlerin genellikle gece yarısı ve sabah 1'de yüksek olduğunu, EUR/USD paritesinde ise gün boyunca çok sıkı olduğunu ortaya koyuyor. XAU/USD paritesi için spreadler biraz daha geniş ve Amerika seansı sırasında öğleden sonra daha büyük artışlar var. Konuşmacı, tüccarlara alım satım maliyetlerini optimize etmek için bu tür verileri dikkate almalarını ve platformlarını bağlamak ve farklı sembolleri analiz etmek için Jupyter not defterini kullanmalarını tavsiye ediyor.
 

Python'da Bollinger Band Ticaret Stratejisi Kodlayın



Python'da Bollinger Band Ticaret Stratejisi Kodlayın

Bu videoda sunum yapan kişi, Python'daki Bollinger Bands ticaret stratejisini açıklıyor; burada basit bir hareketli ortalama, bir alt bant ve bir üst bant, bantlardaki tüm fiyatların %95'ini içermek için kullanılıyor. Strateji, fiyat alt Bollinger Bandına ulaştığında satın almayı ve fiyat üst Bollinger Bandına ulaştığında satmayı içerir. Zararı durdur, ortalamanın altında üç standart sapmaya ayarlanırken, kârı almak iki standart sapmaya ayarlanır. Sunucu, Pandas ve MetaTrader5 platformlarını kullanarak Python'daki uygulamayı gösterir ve her bir ticaret sonucunu açıklayan test sonuçlarını sağlar. Ancak, bu stratejinin trend olan piyasalarda körü körüne uygulanmamasını tavsiye ediyor ve piyasa koşullarını analiz etmenin önemini vurguluyor.

  • 00:00:00 Videonun bu bölümünde Bollinger Bantlarını ve bunları kullanarak nasıl işlem yapacağımızı öğreniyoruz. Bollinger Bantları, basit bir hareketli ortalama, bir alt bant ve bir üst banttan oluşur. Basit hareketli ortalama, son fiyatların ortalama değeri alınarak hesaplanır. Bollinger Bantlarında, genellikle bantlardaki tüm fiyatların %95'ini içeren iki standart sapma kullanılır. Fiyat düşükken alabilir ve fiyat ortalamanın üzerindeyken satabiliriz. Strateji, fiyat alt bandın altında kapandığında satın almamız ve fiyat üst bandın üzerinde kapandığında satmamızdır. Bir zararı durdur, üç standart sapmaya ayarlanır ve karı iki standart sapmaya alır. Pozisyon boyutuna aynı anda yalnızca bir tane izin verilir.

  • 00:05:00 Bu bölümde konuşmacı Python'da pandaları kullanarak Bollinger Bantlarının nasıl hesaplanacağını açıklıyor. Basit hareketli ortalamayı hesaplamak için df sma'yı tanımladılar. Standart sapma benzer şekilde ancak ortalama yerine std kullanılarak hesaplanır. Alt bant, SMA'nın altındaki iki standart sapma olarak tanımlanırken, üst bant, FSMA artı FSD'nin iki katı olarak tanımlanır. Geriye dönük testi başlatmak için bir sinyal sütunu oluşturulur ve kapanış fiyatının alt bandın altında mı yoksa üst bandın üzerinde mi olduğuna bağlı olarak bir al veya sat sinyali üretilir. Konuşmacı ayrıca geçmiş verilere dayalı olarak geçmişe dönük testi çalıştırmak ve karları değerlendirmek için oluşturulan sınıf konumunu ve stratejisini tanıttı.

  • 00:10:00 Videonun bu bölümünde sunum yapan kişi, Python'daki Bollinger Band ticaret stratejisinin geriye dönük test sonuçlarını gösteriyor. Sonuçlar, her bir pozisyonun karı ve ilk bakiyenin P&Z'si ile birlikte açılan ve kapatılan pozisyonların bir listesini gösterir. Grafik, stratejinin kârlı olduğunu ve yıl boyunca işlem yaparak yaklaşık 7.500 $ kazandığını gösteriyor. Sunum yapan kişi daha sonra yapılan her ticareti ve bunun nasıl kar veya zararla sonuçlandığını açıklar. Ayrıca backtest'te belirtilen hacmin biraz yüksek ve riskli olduğundan, ayarlanması gerekebileceğinden bahsediyor. Son olarak, MetaTrader 5 işlem platformunu kullanarak Python'da stratejinin nasıl kodlanacağını açıklıyor.

  • 00:15:00 Bu bölümde konuşmacı, Python'da Bollinger Bantlarını kullanarak bir ticaret stratejisi için sinyaller üretmek üzere bir Sinyal fonksiyonunun nasıl oluşturulacağını açıklıyor. İşlev, MetaTrader5 platformundan çubuklar ister, ortalamayı ve standart sapmayı hesaplar ve bunları üst ve alt bantları hesaplamak için kullanır. Son çubuğun kapanış fiyatı, bir al veya sat sinyali oluşturmak için üst ve alt bantlarla karşılaştırmak için kullanılır. Fonksiyonun içindeki strateji döngüsü, sinyalleri kontrol eder ve ardından bir sinyal tetiklendiğinde, zararı durdur ve kârı al gibi belirli parametrelerle bir piyasa emri gönderir. Konuşmacı, MetaTrader5 platformunu kullanarak stratejiyi test eder, kodun gerçek zamanlı olarak nasıl çalıştığını gösterir ve simge ile zaman çerçevesinin kullanıcıların tercihine göre ayarlanmasını önerir.

  • 00:20:00 Bu bölümde konuşmacı, Bollinger Bantlarına dayalı bir ticaret stratejisini tartışıyor. Bu stratejinin, fiyat alt Bollinger Bandına ulaştığında satın almayı ve satın alma fiyatının iki standart sapma üzerinde kar almayı içerdiğini açıklıyor. Bu stratejinin değişen pazarlarda iyi çalıştığını ancak trend pazarlarda kötü performans gösterdiğini belirtiyor ve stratejileri körü körüne uygulamaya karşı tavsiyede bulunuyor ve bunları uygulamadan önce piyasa koşullarını analiz etmenin önemini vurguluyor. Konuşmacı ayrıca stratejide kullanılan Jupyter Notebook ve Python kodunu indirmek için bağlantılar sağlar ve izleyicilerden videoyu beğendilerse beğenmelerini ve abone olmalarını ister.
 

Python'da Basit Hareketli Ortalama (SMA) Çapraz Ticaret Stratejisi Kodlayın



Python'da Basit Hareketli Ortalama (SMA) Çapraz Ticaret Stratejisi Kodlayın

Bu YouTube videosunda sunum yapan kişi, Python'da basit bir hareketli ortalama (SMA) çapraz ticaret stratejisinin nasıl kodlanacağını açıklıyor. Strateji, varlıkların alım satımı için bir sinyal olarak iki SMA'nın geçişini kullanır. Sunum yapan kişi, Pandas ve Plotly kitaplıklarını kullanarak geçmiş fiyat verilerinin nasıl görselleştirileceğini gösterir, hızlı ve yavaş SMA'ları tanımlar, geçişleri bulur, geçiş sütununu hesaplar ve yükseliş geçişlerini çizer. Video daha sonra, önceden oluşturulmuş sınıfları kullanarak SMA çapraz alım satım stratejisinin nasıl geriye dönük test edileceğini göstermeye devam ediyor ve zaman içindeki kar ve zarar çizgi grafiğini kullanarak sonuçları tartışıyor. Genel olarak video, Python kullanarak basit ve etkili bir ticaret stratejisi oluşturmak ve test etmek için adım adım bir kılavuz sağlar.

  • 00:00:00 Videonun bu bölümünde sunucu, varlıkların alım satımı için bir sinyal olarak iki basit hareketli ortalamanın geçişini kullanan bir ticaret stratejisini tanıtıyor. Bu trend takip stratejisi, pazarda herhangi bir kâr sınırı olmaksızın büyük hareketlerin yakalanmasına olanak tanır. Sunum yapan kişi daha sonra, bu basit hareketli ortalama geçiş stratejisinin Jüpiter dizüstü bilgisayar ortamında nasıl kodlanacağını ve geçmiş fiyat verilerini kullanarak DAX endeksinde nasıl geriye dönük test edileceğini göstermeye devam eder. Sunum yapan kişi, MetaTrader 5 platformundan elde edilen verileri düzenlemek ve görselleştirmek için Pandas ve Plotly kitaplıklarını kullanır ve saat sütununu tarih saat biçimine dönüştürür.

  • 00:05:00 Videonun bu bölümünde, eğitmen px.line'ı kullanarak fiyatların zaman içinde nasıl hareket ettiğini görmek için yakın fiyatları görselleştirerek başlar. DAX'ın başlangıçta 13 ila on buçuk bin civarında hareket ettiğini de görüyoruz, COVID krizi sırasında büyük bir düşüş oldu, ancak fiyatlar şimdi tüm zamanların en yüksek seviyelerine geri dönüyor. Sinyallerin üretilmesine yardımcı olmak için grafiğe hareketli ortalamalar eklenir ve yavaş bir sma ve hızlı bir sma tanımlanır. Yavaş sma 100'e ayarlanır ve hızlı sma 10'a ayarlanır ve her ikisi de çizime eklenir. Son olarak, eğitmen, gelecekte ayarların yapılmasını kolaylaştırmak için başka bir hücrede bazı değişkenler tanımlar.

  • 00:10:00 Videonun bu bölümünde sunum yapan kişi, Python ve Pandas kullanarak Basit Hareketli Ortalama (SMA) çapraz ticaret stratejisinde geçişlerin nasıl bulunacağını açıklıyor. Sunucu, hızlı ve yavaş SMA'lar için süreyi sırasıyla 10 ve 100 olarak ayarlar. Geçişleri bulmak için önceki hızlı SMA değerleri, yavaş SMA değerleri ile karşılaştırılır ve önceki hızlı SMA değeri daha düşük ve mevcut hızlı SMA değeri daha yüksekse, bu bir boğa geçişi olarak kabul edilir. Öte yandan, önceki hızlı SMA değeri daha yüksek ve mevcut hızlı SMA değeri daha düşükse, düşüş eğilimi olarak kabul edilir. Sunum yapan kişi, bu işlemi otomatikleştirmek için "find_crossover" adlı bir işlev oluşturur.

  • 00:15:00 Bu bölümde video, önceden hesaplanan hızlı ve yavaş SMA değerlerini kullanarak bir geçiş sütununun nasıl hesaplanacağını açıklar. np.vectorize işlevi, işleve ve girişleri temsil eden sütunlara geçmek için kullanılır ve ardından sonuçlar Yok değerlerinden elimine edilir. Geçiş sütunu oluşturulduktan sonra, video yükseliş geçişlerinin nasıl bulunacağını ve v satırında x'in satır.zamana eşit olduğu pick.dot kullanılarak grafik üzerinde dikey çizgiler olarak nasıl çizileceğini gösterir.

  • 00:20:00 Bu bölümde eğitmen, kırmızı çizgi yeşil çizgiyi geçtiğinde satın alarak ve yavaş hareket eden ortalamanın altına düştüğünde satarak SMA çapraz ticaret stratejisini geriye dönük test etme sürecini adım adım anlatıyor. Eğitmen, bir geriye dönük test oluşturmak için önceden oluşturulmuş sınıfları, sınıf konumunu ve sınıf stratejisini kullanır. Sınıf konumu, konumları açmak ve kapatmak için yöntemlerin yanı sıra sonuçları bir sözlük olarak döndürmek için bir yöntem içerir. Ders stratejisindeyken, eğitmen ticaret hesabının başlangıç bakiyesini başlatır, ticaret hacmini belirler ve geçmiş verileri ve sinyal sütunları ile veri çerçevesini ekler. Sınıf stratejisinin çalıştırma yönteminde, stratejinin mantığı, geçiş değerlerine dayalı olarak konumları açmak ve kapatmak için if ifadeleri kullanılarak tanımlanır. Son olarak, sınıf başlatılır ve sonuçları almak için çalıştırılır.

  • 00:25:00 Bu bölümde sunum yapan kişi, Python kullanarak kodladığımız basit hareketli ortalama (SMA) çapraz ticaret stratejisinin geriye dönük testinin sonuçlarını tartışıyor. Performansı görsel olarak analiz etmek için Plotly Express ve Figure nesnesini kullanarak zaman içindeki kâr ve zararın çizgi grafiğini gösterirler. Stratejinin çoğunlukla küçük kar ve zararlara sahip olduğunu, ancak sonunda büyük bir kârın büyük bir trendle geldiğini belirtiyorlar. Sunucu daha sonra izleyicilere izledikleri için teşekkür eder ve onları soruları varsa sormaya, videoyu beğendilerse beğenmeye ve abone olmaya davet eder.
 

Python ile Kod 10 Teknik Ticaret Göstergeleri


Python ile Kod 10 Teknik Ticaret Göstergeleri

Video, eğilimleri belirlemek için kullanılan basit hareketli ortalamadan (SMA) başlayarak Python ile on teknik ticaret göstergesini tartışıyor. Ortalama gerçek aralık (ATR) volatiliteyi ölçerken, göreceli güç endeksi (RSI) aşırı alım ve aşırı satım fiyatlarını tanımlar. Dünün yüksek, düşük ve standart sapması, değişen, kopan ve dalgalı piyasaları belirlemeye yardımcı olabilir. Bollinger Bantları, ortalamayı tersine çevirme veya koparma stratejilerini belirtmek için basit bir hareketli ortalama (SMA) ve standart sapma kullanır. MACD ve SMA geçişi, hızlı ve yavaş EMA'ları veya SMA'ları hesaplayarak trenddeki bir değişikliği gösterir. Hareketli ortalama geçişi, olası trend dönüşlerini belirlemek için hızlı ve yavaş hareketli ortalamaları birleştirirken, stokastik osilatör aşırı alım ve aşırı satım koşullarını belirlemek için bir dönemin en yüksek ve en düşük değerlerini dikkate alır.

  • 00:00:00 Bu bölümde konuşmacı, basit hareketli ortalamadan (SMA) başlayarak Python kullanılarak hesaplanacak 10 teknik göstergeyi tanıtıyor. Geçmiş veriler MetaTrader5 kitaplığından istenir ve ardından Pandalar kullanılarak işlenir. SMA, son 10 kapanış fiyatı kullanılarak hesaplanan ve trendleri belirlemek için kullanılan popüler bir göstergedir. Ortaya çıkan SMA, Plotly Express kullanılarak görselleştirilir.

  • 00:05:00 Bu bölümde video, teknik ticarette Basit Hareketli Ortalama (SMA) ve Üstel Hareketli Ortalama (EMA) göstergelerinin hesaplanmasını ve kullanımını açıklamaktadır. SMA, son 10 fiyatın ortalamasını alır ve EMA, son fiyatlara daha fazla ağırlık verir. Video, iki göstergeyi karşılaştırıyor ve daha hızlı sinyaller isteyen tacirlerin, ani fiyat değişikliklerine SMA'dan çok daha hızlı tepki veren EMA'yı tercih edebileceğini belirtiyor. Video daha sonra oynaklığı ölçen ve tacirlerin riski ve potansiyel trend değişikliklerini değerlendirmesine yardımcı olan Ortalama Gerçek Aralık (ATR) göstergesini tanıtıyor. ATR, belirli bir süre için mum aralığı (yüksek - düşük) alınarak ve ardından ortalaması alınarak hesaplanır. Video, ATR'deki bir düşüşün bir düzeltme aşamasının başlangıcını gösterebileceğini belirtiyor. ATR bir grafikte gösterilir ve daha değişken dönemlerde daha yüksek olduğu gözlenir.

  • 00:10:00 Bu bölümde, video iki teknik ticaret göstergesini tartışıyor: Ortalama Gerçek Aralık (ATR) ve Göreceli Güç Endeksi (RSI). ATR, belirli bir dönemde yüksek ve düşük fiyatlar arasındaki farkı karşılaştırarak bir piyasanın oynaklığını ölçerken, RSI aşırı alım ve aşırı satım fiyatlarının belirlenmesine yardımcı olur. Video, 14 dönemlik bir ayar kullanarak RSI'nin nasıl hesaplanacağını gösterir ve RSI değeri oluşturma formülünü açıklar. Video ayrıca, tüccarların RSI'nin aşırı satım veya aşırı alım bölgesinde olup olmadığına bağlı olarak potansiyel alım veya satım sinyallerini belirlemesine yardımcı olabilecek RSI göstergesini çizmek için örnek kod sağlar. Ayrıca videoda bir önceki günün en yüksek ve en düşük değerleri ve bunların işlem stratejilerinde nasıl kullanılabileceği kısaca anlatılmaktadır.

  • 00:15:00 Bu bölümde, video Python ile iki teknik ticaret göstergesini tartışıyor: dünkü en düşük ve standart sapma. Dünün en düşük seviyesi, gün içi ticaret için değerli bir gösterge olabilir, çünkü piyasanın değişip değişmediğini veya trend halindeki bir piyasayı gösterebilecek bir kırılma olup olmadığını gösterebilir. Varyansı ölçmek için standart sapma kullanılır ve yüksek bir standart sapma, piyasanın dalgalı olduğu anlamına gelebilirken, düşük bir standart sapma, piyasanın fazla hareket etmediğini gösterebilir. Video daha sonra, 20 periyotlu basit bir hareketli ortalamadan (SMA), SMA'nın iki standart sapma üzerinde bir üst banttan ve SMA'nın iki standart sapma altında bir alt banttan oluşan Bollinger Bantlarını tartışıyor. Bollinger Bantları, ortalamaya dönme stratejileri veya koparma stratejileri için kullanılabilir.

  • 00:20:00 Bu bölümde, video iki ek teknik alım satım göstergesini, MACD ve SMA geçişini ve bunların Python kullanılarak nasıl hesaplanacağını ve çizileceğini açıklıyor. MACD, 20. periyotlu hızlı EMA'yı ve 26. periyotlu yavaş EMA'yı hesaplayarak ve bu iki EMA arasındaki ilişkiye bakarak tersine dönmeleri öngören bir trend göstergesidir. Öte yandan SMA crossover, çok daha kolay bir konsept kullanıyor ve basitçe hızlı, basit hareketli bir ortalama ve kesiştiklerinde trendde bir değişiklik olduğunu gösteren yavaş, basit bir hareketli ortalama içeriyor. Video, her iki göstergeyi hesaplamak ve çizmek için gereken kodu sağlar ve trenddeki tersine dönüşleri belirlemek için bunların nasıl kullanılabileceğini açıklar.

  • 00:25:00 Bu bölümde sunum yapan kişi, hareketli ortalama geçişi ve stokastik osilatör göstergelerini tartışıyor. Hareketli ortalama geçişi için sunum yapan kişi, potansiyel trend tersine dönüşlerini belirlemek için hızlı ve yavaş hareketli bir ortalamayı birleştirir. Hızlı hareket eden ortalama, yavaş hareket eden ortalamanın altından veya üstünden geçtiğinde bir geçiş tanımlanır, bu durumda bir geçiş sütunu oluşturulur. Sunum yapan kişi, hareketli ortalamaları kapanış fiyatıyla birlikte çizerek ve her geçişi işaretlemek için dikey çizgiler ekleyerek göstergenin etkinliğini gösterir. Stokastik osilatör, RSI'ye benzer, ancak hesaplaması için yalnızca kapanış fiyatlarını kullanmak yerine, bir dönemin en yüksek ve en düşük değerlerini dikkate alır. Osilatör, bir formül kullanılarak tanımlanır ve RSI gibi potansiyel aşırı alım ve aşırı satım koşullarını belirlemek için kullanılır. Sunucu, izleyicileri kodu indirip kendileri için test etmeye davet ediyor ve gelecekteki potansiyel bir video için favori göstergeler hakkında yorum bırakmalarını öneriyor.
 

Python'da Hisse Senedi Endeksleri için Al-Tut Ticaret Stratejisi Kodlayın



Python'da Hisse Senedi Endeksleri için Al-Tut Ticaret Stratejisi Kodlayın

Bu videoda sunum yapan kişi, göstergeler, stratejiler ve geriye dönük testler yazmak için Jupyter Notebook kodunu kullanarak Python'da hisse senedi endeksleri için bir satın alma-tutma ticaret stratejisinin nasıl yazılacağını tartışıyor. Strateji, %5, %15 veya %35'lik düşüşü belirlemeye ve bir düşüşe ulaşıldığında satın almaya, ardından bir önceki tüm zamanların en yüksek seviyesine ulaştığında satmaya dayanmaktadır. Konuşmacı, bir konum listesi kullanan ve her yeni konum için konum sınıfını ekleyen konum alma yöntemini kullanarak konumların nasıl ekleneceğini ve kontrol edileceğini açıkladı. Düşüş sıfıra yaklaştığında her açık pozisyonun kapatıldığı çıkış stratejisi de açıklandı. Son olarak, yüksek kaliteli alım satımların ve fiyatların iyileşmesine izin vermek için uzun sürelerin önemi vurgulanır ve sunum yapan kişi, geriye dönük testin sonuçlarını bir grafik üzerinde gösterir.

  • 00:00:00 Videonun bu bölümünde, konuşmacı, stratejinin uygulandığı 2015 ve 2018 yılları arasındaki önceki örnekleri ve ayı piyasalarından ve nihai toparlanmalardan nasıl etkilendiğini göstererek Alman hisse senedi endeksindeki satın alma stratejisini açıklıyor. Strateji, bir kaynak olarak zamanla en iyi şekilde çalışır ve ucuz fiyatlardan satın alarak kâr sağlayabilirken, dezavantajlara karşı satın almayı içerdiğinden önemli bir riski de vardır. Konuşmacı ayrıca kendi göstergelerinizi, stratejinizi yazmak ve sonuçlarını geriye dönük test etmek için Jupyter Notebook kodunu da tanıtıyor. Kod, TraderPi.com'dan indirilebilir.

  • 00:05:00 Videonun bu bölümünde sunum yapan kişi, Python kullanılarak hisse senedi endeksleri için bir al-tut ticaret stratejisinin nasıl oluşturulacağını açıklıyor. Strateji, düşüş seviyelerini belirlemeye ve düşüş %5, %15 veya %35'e ulaştığında satın almaya ve tüm zamanların en yüksek seviyesine ulaşıldığında satışa dayanmaktadır. Sunum yapan kişi, uygulama işlevini kullanarak veri çerçevesinde bir sinyal sütununun nasıl tanımlanacağını ve bir arka test gerçekleştirmek için konum ve strateji sınıflarının nasıl kullanılacağını gösterir. Sunum yapan kişi ayrıca as dict yöntemini kullanarak konum sınıfından nasıl veri alınacağını da açıklar.

  • 00:10:00 Videonun bu bölümünde, konuşmacı alım satım stratejisi için pozisyon eklemek ve kontrol etmek için kullanılan yöntemi açıklıyor. Pozisyon alma yöntemi, hesaplanan kâr ve zararla birlikte bir veri çerçevesi döndürmek için kullanılır. Kod, bir konum listesi kullanır ve yeni bir konum eklendiğinde konum sınıfını bu listenin içine ekler. Strateji, bir ticaret başlatmak için sinyalleri kontrol eder ve yüzde 5, yüzde 15 ve yüzde 35'lik düşüşler için HLC verilerini yineler. Düşüş sıfır olduğunda her açık pozisyonun kapatıldığı çıkış stratejisi de açıklanmaktadır. Geriye dönük test sonuçları gösterilir ve konuşmacı, fiyatların eninde sonunda toparlanmasını sağlamak için yüksek kaliteli işlemlerin ve uzun sürelerin önemini vurgular. Sonuçlar daha sonra alım satımları göstermek için bir tabloya çizilir.
 

Python'da bir RSI Ticaret Stratejisi nasıl kodlanır



Python'da bir RSI Ticaret Stratejisi nasıl kodlanır

Video, Python'da bir RSI ticaret stratejisinin nasıl kodlanacağı ve geriye dönük test edileceği hakkında derinlemesine bir açıklama sağlar. Strateji, RSI aşırı satıldığında satın almaya ve aşırı alındığında satmaya dayanır; giriş sinyalleri, RSI 30'un altına düştüğünde ve 70'i aştığında satış zamanıdır. Çıkış stratejisi, alış veya satış fiyatından 280 pip uzakta kar al ve zararı durdur ayarlamak için ortalama gerçek aralık (ATR) göstergesini kullanmayı içerir. Video, geçmiş veri istekleri, gösterge hesaplama, geriye dönük test ve sonuç görselleştirme için MetaTrader5, Pandas ve Plotly kitaplıklarının kullanımını kapsar. İzleyicileri Python'da RSI ticaret stratejisini uygulamak için Jupiter not defterini indirmeye teşvik ederek sona eriyor.

  • 00:00:00 Video, Python'da bir RSI ticaret stratejisinin nasıl kodlanacağını ve geriye dönük test edileceğini ayrıntılarıyla anlatıyor. Strateji, RSI aşırı satıldığında satın almaya ve aşırı alındığında satmaya odaklanarak, onu ortalama bir tersine çevirme stratejisi haline getirir. Giriş sinyalleri, RSI 30'un altına düştüğünde ve 70'i geçtiğinde satış zamanıdır. Çıkış stratejisi, alış veya satış fiyatından 280 pip uzakta kar al ve zararı durdur ayarlamak için ortalama gerçek aralık (ATR) göstergesini kullanmayı içerir. Video ayrıca geçmiş veri istekleri, gösterge hesaplama, geriye dönük test ve sonuç görselleştirme için MetaTrader5, Pandas ve Plotly kitaplıklarının nasıl kullanılacağını da kapsar.

  • 00:05:00 Videonun bu bölümünde, konuşmacı RSI'yı nasıl çizdiklerini ve Plotly kullanarak aşırı alım ve satım seviyelerini nasıl oluşturduklarını açıklıyor. Alış sinyallerinin, RSI belirli bir yatay çizginin altına düştüğünde, satış sinyallerinin ise 70'in üzerine çıktığında ortaya çıktığını gösteriyorlar. Ek olarak, ATR (ortalama gerçek aralık) göstergesi, volatilitenin bir ölçüsü olarak tanıtılıyor ve bu gösterge bulunarak hesaplanıyor. mum aralığı ve son 14 mum için ortalama alma. Daha sonra ATR, 2020'nin başındaki oynaklık artışını gösteren bir grafik üzerinde çizilir. Son olarak, konuşmacı bir geri testin nasıl gerçekleştirileceğini ve işlemlere girmek ve çıkmak için mantıksal koşullar içeren bir strateji sınıfının nasıl oluşturulacağını gösterir. Koşullar, açık pozisyonları kontrol etmeyi, satın alma sinyallerini belirlemek için RSI değerlerini kullanmayı ve zararı durdur ve karı al seviyelerini belirlemeyi içerir.

  • 00:10:00 Bu bölümde, konuşmacı Python'da RSI ticaret stratejisi için geriye dönük testin nasıl çalıştırılacağını açıklıyor. Geriye dönük test, tarihsel veri seti üzerinden yineleme yapılarak oluşturulur ve konumlar, konum sınıflarını içeren bir listeye kaydedilir. Zararı durdur ve karı al, alış ve satış fiyatlarından 280 saat uzakta olarak tanımlanır. Geriye dönük testin mantığı, RSI 70 değerini aştığında, bunun bir satış sinyali olması ve stratejideki pozisyonlar listesine bir kısa pozisyon eklenmesidir. Tüm tarihsel verileri yineledikten sonra, geriye dönük test, bir pozisyon listesi ve bunların karlarını döndürür. Bu veriler kullanılarak, Plotly Express kullanılarak kapatılan pozisyonlar çizilerek geriye dönük test sonuçları görselleştirilebilir ve aynı yöntem kullanılarak kar ve zarar çizilebilir. Konuşmacı, stratejinin ne zaman iyi veya kötü performans gösterdiğini belirtmek için ortaya çıkan planın bir örneğini gösterir.

  • 00:15:00 Bu bölümde konuşmacı videoyu sonlandırıyor, izleyicilere gösterdikleri ilgi için teşekkür ediyor ve onları Python'da RSI ticaret stratejisini uygulamak için Jupiter not defterini indirmeye davet ediyor. Tartışılan dönemdeki büyük bir düşüşün ardından piyanonun şimdi aynı seviyede salındığını belirtiyor. İmzalıyor ve yakında başka bir videoyla geri döneceğine söz veriyor.
 

Ticaret Örneklerinde Pandaları Öğrenin



Ticaret Örneklerinde Pandaları Öğrenin

Video, kullanıcılara Python'daki ticaret verilerini analiz etmek için çeşitli Pandas işlevlerinin nasıl uygulanacağını öğretir ve en uzun ve en kısa ticaret sürelerini belirleme, en karlı ve en çok kaybeden ayları hesaplama, en aktif ayları belirleme, alım ve satım emirlerini analiz etme gibi analitik soruları yanıtlar. ve en büyük mutlak düşüşün hesaplanması. Ek olarak, kazanma oranı, ödül-risk oranı ve brüt kar ve zarar arasındaki oranı ölçen kar faktörünün hesaplanmasını kapsar. Konuşmacı, izleyicilere analiz sürecinde rehberlik etmek için bir CSV dosyası ve gerçek örnekler sağlar ve panda alıştırması yapmak isteyen herkes için bir Jüpiter not defteri sunar.

  • 00:00:00 Bu bölümde, konuşmacı Python'da ticaret verilerini analiz etmek için Pandas kitaplığının nasıl kullanılacağını açıklıyor. Ticaret verilerini içeren bir CSV dosyası sağlarlar ve bu verilerle ilgili altı analitik soruyu yanıtlayarak görüntüleyenlere rehberlik ederler. İşlem sayısını, toplam kâr ve zararı, ilk ve son işlemin tarih ve saatini, en büyük kâr ve zararı ve her bir işlemin uzunluğunu nasıl hesaplayacağınızı gösterirler. Bu hesaplamaları gerçekleştirmek için "şekil", "toplam", "iloc" ve "loc" gibi çeşitli Pandas işlevlerini kullanırlar ve çıktının gerçek örneklerini sağlarlar.

  • 00:05:00 Bu bölümde video, farklı ticaret analizi sorularını ve Pandas işlevlerini kullanarak yanıtların nasıl alınacağını kapsar. Sorular, en uzun ve en kısa işlem sürelerini bulma, ticari kazançlara göre en karlı ve en çok zarar veren ayları hesaplama, işlem sayımları açısından en aktif ayları belirleme ve alım satım emirlerini analiz etmeyi içerir. Pandas'ın groupby yöntemi, veri çerçevesi değerlerini buna göre toplamak ve sıralamak için kullanılır. Kullanılan işlevler, işlem sayılarını ve karları hesaplamak için sayım ve toplamı ve işlem tarih saatlerinden ay değerlerini çıkarmak için tarih saatini içerir.

  • 00:10:00 Bu bölümde video, her bir emir türü için toplam işlem sayısının hesaplanması ve alış emirlerinin satış emirlerinden daha iyi performans gösterdiğinin belirlenmesi dahil olmak üzere çeşitli hesaplama ve analizleri içermektedir. Video ayrıca, alım satım sırasında oluşan maksimum kümülatif kayıp olan en büyük mutlak düşüşün nasıl hesaplanacağını ve alım satımları kar türüne göre gruplandırarak ortalama kar veya zararın nasıl hesaplanacağını da açıklıyor. Ek olarak, video, bir ticaretin kazanılması veya kaybedilmesi olasılığı olan kazanma oranının nasıl hesaplanacağını ve kazananların ve kaybedenlerin ortalama değerini alarak ödül / risk oranının nasıl hesaplanacağını gösterir.

  • 00:15:00 Bu bölümde konuşmacı, brüt kâr ile brüt zarar arasındaki oran olan kâr faktörünü tartışıyor. Net kâr, kâr türüne göre (kazanma veya kaybetme) tüm kâr ve zararların ayrı ayrı toplanmasıyla hesaplanır. Kâr faktörü daha sonra brüt kârın brüt zarara bölünmesiyle bulunur. Bu hesaplamanın sonucu, kazançların kayıplardan ne kadar ağır bastığını belirleyen bir ölçüdür. Bu durumda kar faktörü 1.34'tür. Konuşmacı ayrıca web sitelerinde panda alıştırması yapmak isteyenler için bir Jüpiter not defteri sağlayacaklarından da bahsediyor.
 

CSV ve Veritabanlarındaki (SQLite) Verileri Yönetin



CSV ve Veritabanlarındaki (SQLite) Verileri Yönetin

"CSV ve Veritabanlarında Verileri Yönetin (SQLite)" videosunda konuşmacı, pandas DataFrame kullanarak bir CSV dosyasındaki verilerin nasıl kaydedileceğini ve okunacağını ve SQLite3 kullanılarak veritabanlarıyla nasıl çalışılacağını gösterir. İzleyicilere, OHLC verilerinin bir pandas DataFrame'e nasıl kaydedildiği, bir CSV dosyası olarak kaydedildiği ve daha sonra okunup bir pandas DataFrame'e nasıl dönüştürüldüğü gösterilir. Konuşmacı ayrıca izleyicilere SQLite3 kullanarak Python'da veritabanlarıyla nasıl çalışılacağını, bir veritabanı oluşturma veya mevcut bir veritabanına bağlanma, veritabanı içinde verileri kaydetme ve basit sorgular kullanarak verileri okuma dahil olmak üzere gösterir. Konuşmacı, izleyicilere eğitimde kullanılan koda erişim sunarak ve eğitimin faydalı olduğunu umduğunu ifade ederek videoyu sonlandırır.

  • 00:00:00 Bu bölümde konuşmacı, pandas DataFrame kullanılarak bir CSV dosyasındaki verilerin nasıl kaydedileceğini ve okunacağını gösterir. Bir komisyoncudan bazı OHLC verileri alındıktan sonra, veriler bir pandas DataFrame'e kaydedilir ve ardından bir CSV dosyası olarak kaydedilir. "pd.read_csv" kullanılarak, CSV verileri daha sonra okunabilir ve bir pandas DataFrame'e dönüştürülebilir. Konuşmacı daha sonra Python standart kitaplığının bir parçası olan SQLite3'ü kullanarak Python'da veritabanlarıyla nasıl çalışılacağını gösterir. `sqlite3.connect` yöntemi, bir veritabanı oluşturmak veya mevcut bir veritabanına bağlanmak için kullanılır. OHLC verileri, "ohlcdf.to_sql" kullanılarak veritabanına kaydedilir ve ardından "pd.read_sql_query" çalıştırılarak basit sorgular kullanılarak okunur.

  • 00:05:00 Bu bölümde konuşmacı, izleyicilere ilgileri için teşekkür ederek ve eğitimde kullanılan kodu paylaşmayı teklif ederek videoyu sonlandırır. Konuşmacı, izleyicilerin koda erişebileceği web sitesine bir bağlantı sağlar. İzleyicilerin videoyu yararlı bulmasını umduklarını ifade ediyorlar ve yakında başka bir eğitimle geri dönme sözü veriyorlar.
 

2021'de Python ile MetaTrader 5 canlı ticaret (Şablon dahil)



Python ile MetaTrader 5 canlı ticaret

"2021'de Python ile MetaTrader 5 canlı ticaret (Şablon dahil)" videosu, MetaTrader5 ve Python kullanarak ticaret stratejilerini özelleştirmeyi ve karlılığı artırmayı amaçlayan tüccarlar için yararlı bir rehber sunuyor. Gerekli kod bölümlerini vurgulayarak, tüccarın ihtiyaçlarına göre değiştirilebilen bir şablon sunar. Video ayrıca işlevleri başlatma, verileri içe aktarma ve ticaret emirleri oluşturma gibi farklı işlevleri de kapsar. Gösterilen faydalı araçlar arasında, tacirlerin Python sayfasını kapattıktan sonra bile açık pozisyonları izlemesini sağlayan özgeçmiş işlevi bulunmaktadır. Konuşmacı, MetaTrader 5 kitaplığını kullanmak için bir Windows cihazının gerekliliğini vurgularken, Mac kullanıcıları için de bazı seçenekler öneriyor.

  • 00:00:00 Bu bölümde, Control'den Lucas, MetaTrader5 ve Python kullanarak canlı ticarette bir ticaret stratejisinin nasıl uygulanacağını gösteriyor. Bir şablon sağlar ve kodun kişinin ihtiyaçlarına göre nasıl özelleştirileceğini gösterir. Video ayrıca, işlevi başlatma, verileri içe aktarma ve ticari emirler oluşturma dahil olmak üzere farklı işlevleri gösterir. Sürdürme işlevi, Python sayfasını kapattıktan sonra bile mevcut açık pozisyonları izlemek için yararlı bir araç olarak vurgulanır. Genel olarak, video, ticaret stratejilerini özelleştirmek ve kârlılığı en üst düzeye çıkarmak isteyen tüccarlar için yararlı bir rehber sağlar.

  • 00:05:00 Bu bölümde konuşmacı, herhangi bir zamanda açık konumlara erişerek sonunda onları kapatmaya izin veren bir işlevi tartışıyor. Bu fonksiyon, sabit bir aralıkta pozisyon açan ve momentum stratejisi kullanmayan bir algoritma kullanır. İşlev çok sayıda yorum içerir ve algoritma hakkında tüm bilgileri döndürdüğü için basit ama önemlidir. Konuşmacı ayrıca, birkaç satır kod değiştirilerek kolayca özelleştirilebilen bir şablon sunarak kullanıcıların kendi algoritmalarını üretime sokmalarına olanak tanır. Ancak konuşmacı, MetaTrader 5 kitaplığını kullanmak için bir Windows aygıtına sahip olmanın önemli olduğunu belirtiyor ve bir Windows aygıtına erişimi olmayan Mac kullanıcıları için bazı seçenekler sunuyor.
 

Ticarette verinin önemi - Çöp içeri, Çöp dışarı! (bir MT5 komisyoncusu ve Yahoo finansı)



Ticarette verinin önemi - Çöp içeri, Çöp dışarı! (bir MT5 komisyoncusu ve Yahoo finansı)

Bir ticaret algoritmasını eğitmek ve dağıtmak için aynı veri kaynağını kullanmanın önemi bu videoda vurgulanmaktadır. Konuşmacı, Yahoo Finance ve bir komisyoncunun verileri gibi farklı veri kaynakları kullanılarak aynı ticaret sinyali tarafından oluşturulan getirileri karşılaştırarak, kullanılan verilerin kalitesinin ve alaka düzeyinin önemini vurgular. Video, tüccarlara kendi deneylerini yapmalarını ve daha iyi getiri elde etmek için algoritmalarını eğitmek üzere ticaret yapılan komisyoncudan ilgili veri kaynaklarını kullanmalarını tavsiye ediyor.