Algoritmik ticarette Python - sayfa 14

[MetaQuotes]

Python ile Şamdan Grafiği Oluşturun (Pandas Library Notes)

Python ile Mum Grafiği Yapın (Pandas Bookstore Notes)

Video, CSV verileriyle Python'un Pandas kitaplığını kullanarak mum grafiklerinin nasıl oluşturulacağına ilişkin adım adım bir kılavuz sağlar. CSV verilerini içe aktarmak ve grafik oluşturmak için kullanılacak bir veri çerçevesi oluşturmakla başlar. Öğretici ayrıca mali grafikler için kullanılan mpl finans kitaplığının kurulumunu da kapsar. Video, Python'da etkili bir şekilde kullanmak için Pandaları anlamanın önemini ve verilerin doğru temsili için grafik türü ve tarih aralığının nasıl değiştirileceğini vurgular. Bu, otomatik ticaret için modelleme gibi görevler için bile kullanışlıdır.

• 00:00:00 Bu bölümde YouTuber, Python'un Pandas kitaplığını CSV verileriyle kullanarak mum grafiklerinin nasıl oluşturulacağını açıklıyor. İlk adım, çevrimiçi olarak çeşitli kaynaklardan indirilebilen CSV formatında geçmiş verileri elde etmektir. CSV verileri komut dosyasına aktarıldıktan sonra, mum grafiği oluşturmak için kullanılabilecek bir veri koleksiyonu olan bir veri çerçevesi oluşturulur. YouTuber, grafiği oluşturmak için veri çerçevesinden belirli sütunların nasıl seçileceğini göstermeye devam ediyor. Bu grafikler, otomatik ticaret için makine öğrenimi algoritmalarıyla birlikte kullanılabilir.
  
  
• 00:05:00 Bu bölümde video, Pandalar kitaplığını kullanarak Python ile bir mum grafiğinin nasıl oluşturulacağını tartışıyor. Öğretici, bir veri kümesinden sütunlar seçerek ve borsa verileriyle çalışırken önemli bir adım olan DataFrame'in sırasını tersine çevirerek başlar. Video aynı zamanda mali planlar oluşturmak için kullanılan bir kitaplık olan mpl Finance'in kurulumunu da kapsıyor. Öğretici, kullanılacak CSV dosyasını seçmeden önce Pandaları ve mpl finansı içe aktarmaya devam eder.
  
  
• 00:10:00 Eğitimin bu bölümünde, konuşmacı Python'un Pandas kitaplığını kullanarak mum grafiklerinin nasıl oluşturulacağını açıklıyor. Data Frames kullanılarak hisse senetlerinin kapanış değerleri grafik üzerinde gösterilebilir. Konuşmacı, mpf kitaplığını kullanarak farklı grafik türlerinin nasıl seçileceğini ve belirli dönemleri yakınlaştırmak için tarih aralığının nasıl değiştirileceğini açıklar. Öğretici, adım adım bir kılavuz sağlar ve bu kitaplığı Python'da etkin bir şekilde kullanmak için Pandaları anlamanın önemini vurgular.
  
  
• 00:15:00 Bu bölümde video, Python'un Pandas kitaplığını kullanarak bir mum grafiğinin nasıl oluşturulacağını gösterir. İlk adım, bir CSV dosyasından verileri okuyarak "Grafik" adlı bir DataFrame oluşturmaktır. Bir sonraki adım, "mpl_finance" kitaplığını kullanarak bir mum grafiği oluşturmak için DataFrame'i kullanmaktır. Video, grafiğin nasıl özelleştirileceğini ve çizgi grafiklere veya diğer grafik türlerine nasıl değiştirileceğini gösterir. Grafiği oluşturmak için kullanılan kod da video açıklamasında verilmiştir. Video, modelleme gibi diğer görevler için yararlı olabileceğinden, DataFrame'den veri seçerken uygun tarih aralığını seçmenin önemini de vurguluyor.

[MetaQuotes]

Python ile Algoritmik Ticaret (Karar Ağacı)

Python ile Algoritma Algoritması (Karar Kararları)

Python ile algoritmik ticaret hakkındaki bu videoda konuşmacı, SP500, altın ve ethereum arasındaki tarihsel korelasyonlara dayalı olarak Bitcoin'in fiyat hareketini tahmin etmek için bir karar ağacı yaklaşımı kullanıyor. Model, mevcut günün verileri kullanılarak eğitilir ve ardından bir sonraki günün sonuçlarını tahmin etmek için kullanılır. Karar ağaçları tahminler için yararlı olabilirken, konuşmacı bunun sadece küçük bir veri örneğiyle mükemmel olmayabileceğini belirtiyor. İzleyiciler, videoda sağlanan web sitesinde yapay zeka ve Python ile ilgili daha algoritmik ticaret stratejilerine, kurslara ve makalelere erişebilir.

• 00:00:00 Konuşma metninin bu bölümünde, konuşmacı karar ağaçlarına odaklanarak algoritmik bir yaklaşım kullanarak karar verme sürecini tanıtıyor. Karar ağacı metodolojisi, Bitcoin fiyat hareketini tahmin etmek için p500, altın ve ethereum arasındaki tarihsel fiyat hareketi korelasyonlarından elde edilen verilere uygulanır. Eğitim modeli, bir sonraki günün verilerini tahmin etmek için kullanılan geçerli güne ait X verilerini temel alır. Konuşmacı, sürece sezgi ve mantığı uygulayarak yaklaşımlarını geliştirdiklerini belirtiyor.
  
  
• 00:05:00 Bu bölümde video, ertesi gün Bitcoin fiyatının yükselip yükselmeyeceğini tahmin etmek için algoritmik bir ticaret stratejisinin nasıl kullanılacağını gösteriyor. Algoritma, mevcut veriler kullanılarak eğitilen bir karar ağacı modeli kullanır ve ardından girdi özelliklerine dayalı olarak gelecekteki sonuçları tahmin eder. Videoda gösterilen örnek, sınırlı bir veri setine sahiptir, ancak aynı yaklaşım, doğruluğu artırmak için daha büyük veri setleriyle kullanılabilir. Ayrıca video, izleyicilerin daha algoritmik ticaret stratejilerine, yapay zeka ve Python ile ilgili kurslara ve makalelere erişebileceği bir web sitesi sunuyor.
  
  
• 00:10:00 Bu bölümde, konuşmacı Python ile algoritmik ticaret tahminleri yapmak için karar ağaçlarının nasıl kullanılacağını açıklıyor. Verilerdeki korelasyonları analiz etmek için "yukarı" ve "aşağı" terimlerine sayısal değerler atayarak karar ağaçlarının kullanımını gösterirler. Konuşmacı, karar ağaçlarının tahminlerde bulunmak için yararlı olabilse de, sadece küçük bir veri örneğiyle mükemmel olmayabileceğini öne sürüyor. Ayrıca karar ağaçlarının diğer grafik türlerini tahmin etmek için uygulanabileceğini ve daha fazla öğrenme için insanların yapay zekaya girebileceğini öne sürüyorlar.

[MetaQuotes]

Yatırımlar için Python: Dolar Endeksi nasıl alınır? DXY

Ters çevirmeler için Python: Dolar Endeksi Nasıl Kurtulur? DXY

Video, ABD dolarının diğer para birimlerine karşı gücünü ölçen DXY Endeksi verilerinin Python'un Güzel Çorba ve Pandalar kitaplıklarını kullanarak çıkarılmasını kapsar. Sunum yapan kişi, DXY verilerinden varyasyon yüzdesi bilgilerini çıkaran ve daha fazla veri analizi ve makine öğrenimi amaçları için bunu bir CSV dosyasına kaydeden bir kod sağlar. Ek olarak, web sitelerini Python, finans ve algoritmik ticaret üzerine ücretsiz kurslarla paylaşıyorlar. Bu nedenle video, Python kullanarak finansal verileri çıkarmak için yararlı bir rehberdir.

• 00:00:00 Bu bölümde konuşmacı, ABD dolarının euro, yen, sterlin, Kanada doları, İsviçre frangı ve İsveç kronu gibi diğer para birimleri karşısındaki gücünü ölçen DXY Endeksi kavramını tanıtıyor. Konuşmacı, bu verilerin otomatik yatırımlar, veri analizi ve makine öğrenimi için yararlı olabileceğini açıklıyor. Ardından, dizinin varyasyonunu elde etmeye odaklanarak, Python'un Güzel Çorba kitaplığını kullanarak bir web sayfasından DXY verilerini çıkarmak için bir kod sağlar. Konuşmacı ayrıca Instagram hesabını ve verileri topladığı web sayfasını da paylaşıyor.
  
  
• 00:05:00 Videonun bu bölümünde sunum yapan kişi Python'u yatırım amacıyla kullanarak Dolar Endeksinin (DXY) nasıl çıkarılacağını gösteriyor. Sunucu, DXY bilgilerini daha sonra analiz edilmek üzere bir CSV dosyasına kaydeden bir kod parçası kullanır. Kod, önce DXY verilerinden yüzde bilgisini çıkarır ve ardından "böl" ve "değiştir" fonksiyonlarını kullanarak tarih bilgisinden ayırır. Son olarak, kod, ayıklanan bilgileri biri tarihi, diğeri varyasyon yüzdesini içeren iki sütun içeren bir CSV dosyasına kaydeder. Sunum yapan kişi, çıkarılan verilerin makine öğrenimi ve veri analizi amaçları için kullanılabileceğini önerir.
  
  
• 00:10:00 Bu bölümde, konuşmacı Python kullanarak Dolar Endeksinin nasıl çıkarılacağını gösterir. Bir Python betiğinden alıntılar gösterirler ve nasıl çalıştığını açıklarlar. Kod, bir HTML tablosundan veri çıkarmak ve daha fazla analiz için bir CSV dosyasında saklamak için pandas kitaplığını kullanır. Konuşmacı ayrıca Python, algoritmik ticaret ve finans üzerine ücretsiz kurslar içeren web sitelerine bir bağlantı sağlar. Genel olarak video, Python kullanarak finansal verileri ayıklamak isteyen herkes için yararlı bir kılavuz sağlar.

[MetaQuotes]

Python Kullanarak Algoritmik Ticaret - Tam Kurs

Python Kullanarak Algoritmik Ticaret - Tam Kurs

00:00:00 - 01:00:00 Bu video, algoritmik olarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını açıklar. Pandas kitaplığının temellerini tanıtarak başlar ve ardından bunun bir veri çerçevesi oluşturmak için nasıl kullanılacağını gösterir. Kurs daha sonra bir stok için HTTP isteğinin nasıl yürütüleceğini ve veri çerçevesini doldurmak için API çağrısının sonuçlarının nasıl kullanılacağını gösterir. Son olarak kurs, API isteklerini gruplandırarak kod performansının nasıl iyileştirileceğini tartışır.

01:00:00 - 02:00:00 Bu video, Python'un otomatik bir algoritma kullanarak hisse senedi ticareti yapmak için nasıl kullanılacağını kapsar. Bir hisse senedi ve sembol listesi oluşturarak başlar ve ardından bu hisse senetlerini dizelere dönüştürür. Ardından video, bu dizeyi kullanarak bir HTTP isteği başlatmak için bir URL oluşturur. Son olarak video, bu isteğin nasıl çalıştırılacağını ve verilerin nasıl geri alınacağını gösterir.

02:00:00 - 03:00:00 Bu video, fiyat-kazanç oranını bir değer ölçüsü olarak kullanan algoritmik bir ticaret stratejisi oluşturmak için Python'un nasıl kullanılacağını öğretir. Strateji, bu metriğe dayalı olarak hisse senetlerini tarar ve mevcut hisse senedi fiyatına dayalı olarak alım satım önerilerinde bulunur.

03:00:00 - 04:00:00 Bu eğitim videosu, algoritmik olarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını açıklar. Çeşitli başarı göstergelerinin nasıl hesaplanacağını, eksik verilerle nasıl başa çıkılacağını ve eksik değerleri değiştirmek için İstisna İşleme'nin nasıl kullanılacağını kapsar.

04:00:00 - 04:30:00 Bu video, Python kullanılarak farklı hisse senedi ölçümleri için yüzdelik puanların nasıl hesaplanacağını açıklar. Ayrıca hisse senedi fiyatlarını ve alımlar ve satımlar için pozisyon boyutlarını içeren bir Excel dosyası oluşturmak için Python'un nasıl kullanılacağını ve dosyanın yazdırma için nasıl biçimlendirileceğini de kapsar.

Bölüm 1:

• 00:00:00 Bu kurs algoritmik ticaret ve Python üzerinedir. İlk proje, popüler S&P 500 endeks fonunun eşit ağırlıklı bir versiyonunu inşa ediyor. İkinci proje, çeşitli momentum, yatırım metriklerine dayalı olarak en iyi hisse senetlerini seçen niceliksel bir momentum stratejisidir. Üçüncü proje, bir dizi değer ölçütüne dayalı olarak çekici olan hisse senetlerini seçen nicel bir değer ayırıcıdır.
  
  
• 00:05:00 Bu kurs, Python'u algoritmik ticaret için öğretmek üzere tasarlanmıştır. Python, bu tür ticaret için popüler bir dildir, ancak yavaş bir dildir. Pek çok uygulayıcı, Python'un aslında başka dillerde çalışan kodu tetiklemek için genellikle bir yapıştırıcı dil olarak kullanıldığını keşfetti. Bu kursta, üç algoritmik ticaret stratejisi geliştirmek için Python kullanacağız.
  
  
• 00:10:00 Bu video Python programlama dilini tanıtıyor ve çevrimiçi API'lerden verilere erişmek için nasıl kullanılacağını gösteriyor. Kurs, borsa verilerini toplamak için IRS kodu API'sini kullanmaya odaklanacaktır.
  
  
• 00:15:00 Bu videoda, eğitmen algoritmik ticaret kavramlarını ve Python'da çeşitli yatırım stratejilerinin nasıl oluşturulacağını tanıtıyor. İlk proje, S&P 500 endeks fonunun eşit ağırlıklı bir versiyonunu oluşturmaktır.
  
  
• 00:20:00 Bu Python video eğitimi, algoritmik bir ticaret stratejisi oluşturmak için NumPy, pandas, request ve XLS kitaplıklarının nasıl kullanılacağını açıklar.
  
  
• 00:25:00 Bu video, Python'un hisse senedi alım satımı için nasıl kullanılacağına dair bir eğitimdir. İlk adım, S&P 500'deki 500 hisse senedinin bir listesini bir CSV dosyasına kaydetmektir. Ardından, Jupyter Not Defterimize IE x bulut API anahtarını aktarıyoruz ve bunu bir API belirteci almak için kullanıyoruz. API anahtarı gibi hassas bilgileri saklayan secrets.py dosyasını betiğimize aktararak başlıyoruz. Daha sonra IE x bulut API'sinden finansal veriler elde etmek için API anahtarını kullanırız. Veriler bir pandanın veri çerçevesinde saklanır ve çalıştığını doğrulamak için verileri yazdırabiliriz.
  
  
• 00:30:00 Python eğitiminin bu bölümü, bireysel hisse senetleri için piyasa değerini ve hisse senedi fiyatlarını sorgulamak için bulut API'sinin nasıl kullanılacağını kapsar.
  
  
• 00:35:00 Video, bir HTTP isteğini yürütmek ve sonuçları bir değişkende depolamak için istek kitaplığının nasıl kullanılacağını açıklar. Curl komut satırı aracını kullanarak bir API uç noktasının nasıl oluşturulacağını ve isteğin nasıl yürütüleceğini gösterir. data değişkeni, istekten gelen, durum kodunu ve diğer bilgileri içeren yanıt nesnesini içerir.
  
  
• 00:40:00 Bu video, algoritmaları kullanarak hisse senedi ticareti yapmak için Python programlama dilinin nasıl kullanılacağını açıklar. Video, bir Python ortamının nasıl kurulacağını ve bir HTTP isteğinden gelen verileri bir JSON nesnesine dönüştürmek için dot JSON yönteminin nasıl kullanılacağını gösterir. Python ortamındaki data değişkeni, iX Cloud belgelerindeki genişletilmiş değişiklik değişkeni ile aynı şekilde davranır. Video, iX Cloud'daki fiyat verilerinin doğru olmayabileceğini açıklıyor ve bir Google araması kullanarak doğruluğun nasıl test edileceğini gösteriyor.
  
  
• 00:45:00 Bu videoda yazar, bir API çağrısının nasıl ayrıştırılacağını, hisse senetlerinin nasıl fiyatlandırılacağını ve piyasa değerinin nasıl hesaplanacağını açıklıyor. Daha sonra bir pandanın veri çerçevesine veri noktalarının nasıl ekleneceğini açıklar ve veri çerçevesini bir liste olarak yazdırarak bunun nasıl yapılacağını gösterirler.
  
  
• 00:50:00 Bu video, algoritmik olarak hisse senetleri ticareti yapmak için Python'un nasıl kullanılacağını açıklar. Kurs, bir veri analizi kitaplığı olan pandaların temellerini tanıtarak başlar ve ardından bir veri çerçevesi ve pandalar serisi oluşturmaya geçer. Kurs daha sonra bir hisse senedi için HTTP isteğinin nasıl yürütüleceğini ve bir pandanın veri çerçevesini doldurmak için API çağrısının sonuçlarının nasıl kullanılacağını gösterir. Son olarak kurs, API isteklerini gruplandırarak kod performansının nasıl iyileştirileceğini gösterir.
  
  
• 00:55:00 Bu video, pandas veri çerçevesi kitaplığının kullanımına ve kodu hızlandırmak için toplu API çağrılarının kullanımına odaklanarak Python kullanarak algoritmik ticaret konusuna genel bir bakış sunar. Videoda, bir hisse senedi listesinin 100'lük parçalara nasıl bölüneceği ve her biri 100 öğeyle sınırlı olan panda serisi listelerinin bir listesini oluşturmak için chunks işlevinin nasıl kullanılacağı anlatılmaktadır. Son olarak, stok listesindeki her hisse senedi için toplu API çağrılarını yürütmek için bir for döngüsü kullanılır ve her hisse senedinden gelen bilgiler nihai veri çerçevesine eklenir.

Bölüm 2:

• 01:00:00 Bu Python video eğitimi, otomatikleştirilmiş bir algoritma kullanarak hisse senedi ticareti yapmak için Python programlama dilinin nasıl kullanılacağını gösterir. Video, bir hisse senedi ve sembol listesi oluşturarak ve ardından bu hisse senetlerini dizelere dönüştürerek başlar. Ardından video, bu dizeyi kullanarak bir HTTP isteği başlatmak için bir URL oluşturur. Son olarak video, bu isteğin nasıl çalıştırılacağını ve verilerin nasıl geri alınacağını gösterir.
  
  
• 01:05:00 Bu video, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını öğretir. Bir API çağrısı URL'sinin nasıl oluşturulacağını, API çağrısından verilerin nasıl ayrıştırılacağını ve verileri almak için istek kitaplığının nasıl kullanılacağını kapsar. Video ayrıca pandas series sınıfına nasıl bir yoksayma dizini ekleneceğini ve kodun nasıl çalıştırılacağını gösterir.
  
  
• 01:10:00 Bu Python betiği, kullanıcı tarafından girilen bir portföy boyutu için satın alınacak hisse sayısını hızlı bir şekilde hesaplar.
  
  
• 01:15:00 Bu Python betiği, pozisyon büyüklüğünü hesaplar ve bu pozisyon büyüklüğüne ulaşmak için bir hisse senedinin hisselerini satın alır. Satın alınacak hisse sayısını aşağı yuvarlamak için matematik modülünün aşağı yuvarlama işlevini kullanır.
  
  
• 01:20:00 Video, Python'un hisse senedi alım satımı için nasıl kullanılacağını gösteriyor. Videonun ilk bölümü, bir veri çerçevesindeki verilere nasıl erişileceğini ve kullanılacağını açıklar. İkinci bölüm, veri çerçevesinin bir Excel dosyasına nasıl kaydedileceğini açıklar.
  
  
• 01:25:00 Bu video, ticaret için algoritmalar oluşturmak üzere Python'un nasıl kullanılacağını gösterir. İlk adım, bir Excel dosyası oluşturmak ve veri çerçevesini bir pandas modülünden geçirmektir. Ardından, dize, dolar ve tamsayı hücreleri için farklı biçimlerle biçimlendirme tanıtılır. Son olarak, format Excel dosyasındaki hücrelere uygulanır.
  
  
• 01:30:00 Bu video, Python'un otomatik bir algoritma kullanarak hisse senedi ticareti yapmak için nasıl kullanılacağını öğretir. Videonun ilk bölümü, bir Excel elektronik tablosundaki sütunları biçimlendirmek için kullanılan bir sözlükte sütun biçiminin nasıl oluşturulacağını açıklar. Videonun ikinci kısmı, elektronik tablodaki sütunları otomatik olarak biçimlendiren iki döngünün nasıl oluşturulacağını gösterir.
  
  
• 01:35:00 Bu video, sanal bir ortam kullanarak Python'da algoritmik bir ticaret stratejisinin nasıl oluşturulacağını açıklar. İlk olarak eğitmen sanal ortamı başlatmak için bir Jupyter Notebook açar. Daha sonra sanal ortamı etkinleştirerek yeni bir proje oluştururlar. Proje, bir hisse senedi fiyatı tahmin modeli, bir piyasa değeri tahmin modeli ve satın alınacak hisse sayısı tahmin modelini içermektedir. Eğitmen daha sonra modeller arasında nasıl dolaşılacağını ve tahminlerin bir dosyaya nasıl çıkarılacağını gösterir. Son olarak dosyanın nasıl kaydedileceğini gösterirler ve dersi sonlandırırlar.
  
  
• 01:40:00 Bu videoda not defteri uzmanı, algoritmik bir ticaret stratejisi kullanarak hisse senedi ticareti yapmak için Python'u nasıl kullanacağını açıklıyor. Kurs, kitaplıkların nasıl içe aktarılacağını, API çağrılarının nasıl yapılacağını ve momentum tabanlı bir stratejinin nasıl oluşturulacağını kapsar.
  
  
• 01:45:00 Bu video, algoritmik ticaret için Python'un nasıl kullanılacağını öğretir. Performans analizi ve ticaret için dilin nasıl kullanılacağına ilişkin temel bilgileri kapsar. Video, stok verilerini almak üzere kolay bir API çağrısı yapmak için İstekler kitaplığının nasıl kullanılacağını gösterir.
  
  
• 01:50:00 Bu videoda yazar, algoritmik ticaret için toplu API çağrıları oluşturmak için Python'un nasıl kullanılacağını gösteriyor. Yazar, önce bir hisse senedi listesini 100'lük gruplara ayırır, ardından boş bir Panda veri çerçevesi oluşturur ve bunu başlatır. Yazar, sembol dizeleri listesindeki her hisse senedi için bir toplu API çağrı URL'si oluşturur ve bunu bir istek konusundan JSON nesnesine dönüştürmek için bunun üzerinde JSON yöntemini çağırır.
  
  
• 01:55:00 Video, algoritmaları kullanarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını açıklıyor. Eğitmen, hisse senetleri üzerinde nasıl döngü yapılacağını, ilgili metriklerin nasıl ayrıştırılacağını ve bunların bir veri çerçevesine nasıl ekleneceğini gösterir.

3. Bölüm:

• 02:00:00 Bu eğitim videosu, algoritmaları kullanarak hisse senedi ticareti yapmak için Python'u nasıl kullanacağınızı açıklıyor. Veri çerçevesi oluşturmayı, semboller üzerinde döngü yapmayı, API çağrıları yapmayı ve verileri sıralamayı kapsar. Nihai veri çerçevesi, hangi hisse senetlerinin alınacağını belirlemek için kullanılır.
  
  
• 02:05:00 Bu Python video eğitimi, bir ivme stratejisi için satın alınacak hisse sayısını hesaplamak için pandas kitaplığının nasıl kullanılacağını gösterir. Öğretici, önce bir yıllık fiyat iadelerine dayalı olarak bir veri çerçevesinin satırlarını sıralar ve ardından geçici bir kopya döndürmek yerine orijinal veri çerçevesini değiştirmek için inplace eşittir true parametresini kullanır. Ardından, veri çerçevesi yalnızca en yüksek fiyat momentumuna sahip 50 hisse senedini içerecek şekilde değiştirilir. Son olarak, momentum stratejisi için satın alınacak hisse sayısını hesaplama işlevi oluşturulur ve yalnızca değer hatalarını kabul edecek şekilde özelleştirilir. Strateji daha sonra çalıştırılır ve başarılı olur.
  
  
• 02:10:00 Bu kurs, basit bir algoritmik ticaret stratejisi oluşturmak için nasıl kod yazılacağını, stratejinin nasıl test edileceğini ve hisse senedi alıp satmak için stratejinin nasıl kullanılacağını kapsar. Strateji, bir hisse senedinin ya yüksek kaliteli bir momentum stoğu ya da düşük kaliteli bir momentum stoğu olduğu varsayımına dayanmaktadır. Strateji, fiyat düşükken hisse senedi alıp fiyat yüksekken hisse senedi satarak çalışır.
  
  
• 02:15:00 Bu Python videosu, farklı zaman dilimlerinde hisse senedi fiyatları ve getiri değerlerinin veri çerçevesini kullanarak niceliksel bir momentum stratejisinin nasıl oluşturulacağını öğretir. Strateji, yüksek kaliteli stokları belirlemek için çeşitli momentum ölçümleri kullanır.
  
  
• 02:20:00 Yazar, Python kullanarak hisse senedi ticareti için bir algoritmanın nasıl oluşturulacağını tartışıyor. Önce izlenecek bir metrik listesi oluştururlar ve ardından her bir metrik için yüzdelik puanları hesaplamak için Sai pi kitaplığını kullanırlar. Ardından, veri çerçevesindeki her sütun için yüzdelik puanları hesaplamak üzere bir döngü oluştururlar. Son olarak, hisse senedi ticareti için bir strateji oluşturmak için döngüyü kullanırlar.
  
  
• 02:25:00 Bu video, algoritmik olarak hisse senetleri ticareti yapmak için Python programlama dilinin nasıl kullanılacağını öğretir. Eğitmen, bir veri çerçevesindeki her sütun için yüzdelik puanı hesaplamak için LFC (doğrusal en küçük kareler) yöntemini kullanır.
  
  
• 02:30:00 Bu kurs, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını açıklar. Kurs, Python programlamaya girişle başlar ve farklı zaman dilimleri ve varlık sınıfları için yüzdelik puanları hesaplamak için istatistik modülünün nasıl kullanılacağını açıklar. Ortalama işlevi daha sonra bu puanların ortalamasını hesaplamak için kullanılır. Daha sonra, HTM veri çerçevesindeki her satır için HTM puanını hesaplamak üzere bir döngü kullanılır. Son olarak, hesaplamaların başarılı olduğunu doğrulamak için HM veri çerçevesi yazdırılır.
  
  
• 02:35:00 Bu videoda yazar, bir veri çerçevesindeki her hisse senedi için bir "HTM puanı" hesaplamak ve HTM puanını filtre olarak kullanarak en iyi 50 momentum hisse senedini seçmek için Python'u nasıl kullanacağını öğretiyor.
  
  
• 02:40:00 Bu video, algoritmaları kullanarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını gösterir. Yazar bir veri çerçevesini başlatır ve ardından verileri teknik olmayan kullanıcılar için bir Excel belgesine biçimlendirir.
  
  
• 02:45:00 Videonun yazarı, algoritmik bir ticaret sistemi oluşturmak için Python'u nasıl kullanacağını öğretiyor. İlk adım, sütun harflerinden sütun değerlerine bir sözlük oluşturmak ve ardından her sütuna uygun biçimi uygulamak için sözlükte döngü oluşturmaktır. İkinci adım, verileri bir Excel dosyasına yazmak için yazar nesnesini kullanmaktır. Üçüncü adım, biçimleri veri çerçevesindeki her bir sütuna dinamik olarak uygulamak için sütun ayarlama yöntemini kullanmaktır.
  
  
• 02:50:00 Bu videoda eğitmen, algoritmik ticarette kullanmak için Excel dosyalarının nasıl formatlanacağını ve bir metriğe dayalı bir değer yatırım stratejisinin nasıl oluşturulacağını gösteriyor.
  
  
• 02:55:00 Bu video, fiyat-kazanç oranını bir değer ölçüsü olarak kullanan algoritmik bir ticaret stratejisi oluşturmak için Python'un nasıl kullanılacağını gösterir. Strateji, bu metriğe dayalı olarak hisse senetlerini tarar ve mevcut hisse senedi fiyatına dayalı olarak alım satım önerilerinde bulunur.

4. Bölüm:

• 03:00:00 Video, algoritmik ticaret modelleri oluşturmak için Python programlama dilinin nasıl kullanılacağını tartışıyor. HTTP istekleri yapmak için istek kitaplığının nasıl kullanılacağını ve veri değerlerinin JSON nesnelerine nasıl dönüştürüleceğini gösterir. Ardından video, iki farklı borsadaki hisse senedi fiyatlarını kullanarak fiyat ve kazanç oranlarının nasıl hesaplanacağını gösterir.
  
  
• 03:05:00 Bu video, Python kullanılarak bir toplu API çağrısının nasıl yürütüleceğini açıklar.
  
  
• 03:10:00 Video, borsadan veri almak için bir alma isteği yürütmek üzere Python istek kitaplığının nasıl kullanılacağını gösterir. Bu veriler daha sonra ayrıştırılır ve bir panda serisi oluşturmak için kullanılır.
  
  
• 03:15:00 Bu kurs, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını açıklar. İlk olarak, eğitmen Python'da bir veri çerçevesinin nasıl oluşturulacağını açıklar. Daha sonra eğitmen, göz alıcı stokların bir veri çerçevesinden nasıl çıkarılacağını açıklar. Son olarak eğitmen, bir sipariş şemasına göre bir veri çerçevesinden ilk 50 hisse senedinin nasıl döndürüleceğini açıklar.
  
  
• 03:20:00 Bu videoda eğitmen, algoritmik ticaret yapmak için Python'u nasıl kullanacağını açıklıyor. İlk olarak, fiyat-kazanç oranları en düşük olan hisse senetlerinin en üstte olmasını sağlamak için veri çerçevesini sıraladılar. Ardından, yeni dizin sütununu silmek için bırakma yöntemini kullandılar. Daha sonra orijinal veri çerçevesini değiştirilmiş halde tutmak için in place equals true parametresini kullanarak veri çerçevesini tekrar sıraladılar. Daha sonra pozisyon büyüklüğünü hesapladılar ve her hisse senedi için hisse başına fiyatı hesapladılar. Son olarak, veri çerçevesindeki her hisse senedi için pozisyon büyüklüğünü hesaplamak için portföy girdi fonksiyonunu kullandılar.
  
  
• 03:25:00 Bu video, algoritmik ticaret kavramını ve Python'un bir değer stratejisi oluşturmak için nasıl kullanılabileceğini tanıtıyor. Ardından video, birden çok değerleme metriği için veri çekmek amacıyla ix Cloud API'ye erişmek için Python'un nasıl kullanılacağını gösterir. Her şey yolunda giderse, veriler bir panda veri çerçevesi olarak döndürülecek ve video, verilerin doğru çalıştığını gösterecektir.
  
  
• 03:30:00 Bu videoda yazar, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını gösteriyor. Yazar, önce fiyat kazanç oranının nasıl alınacağını gösterir ve ardından bu değeri IRS bulut API'sinden ayrıştırır. Ardından yazar, her bir metriğe nasıl değer atanacağını ve bu verilerin IRS bulut API'sinden nasıl ayrıştırılacağını gösterir. Son olarak yazar, fiyat/kitap oranını bulmak için fiyat/satış oranının nasıl kullanılacağını gösteriyor.
  
  
• 03:35:00 Bu eğitim videosu, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını açıklıyor. Kurs, bir şirketin fiyat-satış oranının farklı bir metrik (fiyattan kitaba) kullanılarak nasıl hesaplanacağını öğreterek başlar. Daha sonra kurs, işletme değeri, faiz, vergiler, amortisman ve itfa payı öncesi kazanç (FAVÖK) ve işletme değerinin brüt kâra (KD/EBIT) nasıl hesaplanacağını öğretir. Son olarak kurs, bir şirket için dönem sonu değer-kazanç (KD/EBIT) oranının nasıl hesaplanacağını gösterir.
  
  
• 03:40:00 Bu videoda yazar, Python'un algoritmik ticaret için nasıl kullanılacağını gösteriyor. Değerleme metriklerinin nasıl hesaplanacağını göstererek başlarlar ve ardından bir veri çerçevesini hesaplanan bilgilerle doldurmak için bir döngü oluşturmaya devam ederler. API çağrıları için durum kodlarını yazdırarak videoyu sonlandırırlar.
  
  
• 03:45:00 Bu videoda yazar, algoritmik olarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını gösteriyor. Önce stok sembolleri ve veri değerlerinden oluşan bir veri çerçevesi oluştururlar ve ardından her bir kayan yazı için veri çerçevesine veri eklemek için ekleme yöntemini kullanırlar. Daha sonra, her bir şerit için veri noktalarını ayrıştırmak için kafa yöntemini kullanırlar ve ardından bu veri noktalarını pandaların veri çerçevesine eklemek için apend yöntemini kullanırlar. Son olarak, hisse senedi yüzdelik puanlarını hesaplamak için yüzdelik yöntemini kullanırlar.
  
  
• 03:50:00 Bu 1 saatlik eğitim videosu, başarı göstergeleri oluşturmak için çeşitli hesaplamalar kullanarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını kapsar. Hesaplamalardan biri başarısız olduğunda, eğitmen, değeri yapay bir değerle değiştirmek için İstisna İşleme'yi kullanır.
  
  
• 03:55:00 Bu videoda, eğitmen pandaları kullanarak bir veri çerçevesindeki eksik verilerle nasıl başa çıkılacağını açıklıyor. İlk olarak, bir veri çerçevesindeki hangi sütunların eksik veri içerdiğini nasıl belirleyeceklerini açıklarlar. Ardından, eksik verileri farklı bir sütundaki ortalama değerle değiştirmek için bir yöntemin nasıl kullanılacağını gösterirler.

5. Bölüm:

• 04:00:00 Bu video, Python kullanılarak farklı hisse senedi ölçümleri için yüzdelik puanların nasıl hesaplanacağını açıklar. İlk olarak, transkript alıntı, bir stok ölçümleri sözlüğünün nasıl oluşturulacağını ve ardından her bir ölçümün yüzdelik puanlarına erişmek için pandas kitaplığının "LLC" yönteminin nasıl kullanılacağını gösterir.
  
  
• 04:05:00 Video, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını öğretir. Öğreticinin ilk kısmı, belirli bir veri kümesi için yüzdelik puanlara erişmek için Sai pi nokta istatistik modülünden puan fonksiyonunun yüzdelik dilimini nasıl kullanacağınızı gösterir. Öğreticinin ikinci kısmı, LSC yöntemi kullanılarak bir veri kümesindeki belirli bir satır için RV puanının nasıl hesaplanacağını gösterir.
  
  
• 04:10:00 Video, P/E oranları, PB oranları, PS oranları, Evie/EBIT oranları ve Eb/brüt kâr dahil olmak üzere çeşitli değerleme metriklerini hesaplamak için Python'un nasıl kullanılacağını açıklar. Metrikler hesaplandıktan sonra video, verilerin nasıl yazdırılacağını ve beklenen değerlerle nasıl karşılaştırılacağını gösterir.
  
  
• 04:15:00 Bu Python videosunda yazar, Python kitaplığı pandalarını kullanarak bir portföy için pozisyon boyutunun nasıl hesaplanacağını gösteriyor. İlk olarak, evrenlerinde en ucuz olan 50 hisse senedinin indeksiyle bir veri çerçevesi oluştururlar. Ardından, veri çerçevesini yalnızca 50 hisse senedini içerecek şekilde filtrelerler ve dizini alt çizgi olarak sıfırlarlar. Daha sonra, mevcut endeksin tekrarlanmasını önlemek için drop parametresini iletirler ve her hisse senedi için pozisyon boyutunu hesaplamak üzere bir for döngüsü oluştururlar. Son olarak, her hisse senedi için pozisyon boyutunu yazdırırlar ve bunu istenen pozisyon boyutu olan 50.000$ ile karşılaştırırlar.
  
  
• 04:20:00 Bu video, algoritmik olarak hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını öğretir. Videonun ilk kısmı, bir veri çerçevesinin nasıl oluşturulacağına ve yazdırılacağına ilişkin temel bilgileri içerir. Videonun ikinci kısmı, alım ve satımlar için hisse senedi fiyatlarını ve pozisyon boyutlarını içeren bir Excel dosyası oluşturmak için Python'un nasıl kullanılacağını kapsar. Son olarak video, Excel dosyasının nasıl biçimlendirileceğini ve bir yazıcıya nasıl gönderileceğini gösterir.
  
  
• 04:25:00 Bu video, algoritmik ticaret yapmak için Python'un nasıl kullanılacağını gösterir. Eğitmen, ticaret amacıyla verileri tutmak için bir elektronik tablonun nasıl biçimlendirileceğini ve elektronik tablodaki çeşitli görevleri gerçekleştirmek için çeşitli Python işlevlerinin nasıl kullanılacağını gösterir.
  
  
• 04:30:00 Bu eğitim, S&P 500'deki en ucuz 50 hisse senedini belirlemek için bir yöntem kullanarak nicel değer yatırımı için Python kullanımını tanıtır. Eğitim, kodu biçimlendirmek ve çalıştırmak için adım adım talimatlar sağlar ve şu şekilde sona erer: tamamlanmış bir elektronik tablo.

[MetaQuotes]

Algoritmik Ticaret Python 2023 - TAM EĞİTİM Başlangıç Seviyesi

Algoritmik Ticaret Python 2023 - TAM EĞİTİM Başlangıç Seviyesi

Bu eğitim videosunda yazar, algoritmik ticaret için bir Python programı kurma ve kullanma sürecini ayrıntılı olarak ele alıyor. Algoritmik ticaret stratejileriyle ilgili konut kodu için özel olarak tasarlanmış temel bir Python 3 dosyası oluşturmaya yönelik adım adım talimatlar sağlarlar. Ayrıca, kodun nasıl yürütüleceğini ve analiz için ortaya çıkan çıktıların nasıl yazdırılacağını gösterirler. Öğretici, öncelikle algoritmik ticaret amaçları için Python programlama dilinin gücünden yararlanmaya odaklanır. Yfinance kitaplığı da dahil olmak üzere algoritmik ticarete uygulanabilen bir dizi temel işlevi ve kitaplığı kapsar. Öğretici, elektronik tabloları kullanarak veri indirme ve işleme tekniklerini keşfederken, bu işlevleri ve kitaplıkları kullanmanın önemini vurgular.

Ek olarak, eğitim videosu Python kullanarak CSV dosyalarını yazma ve okuma sürecini gösterir. Bir CSV dosyası oluşturmak için gerekli adımları açıklar ve bir Python ortamında dosyanın nasıl okunacağını ve değiştirileceğini gösterir. Python tabanlı hisse senedi ticareti temasıyla devam eden eğitim, bir hisse senedi endeksinin oluşturulmasını açıklar ve Python işlevinin "dönüştürme" indeks formatını değiştirmek için nasıl kullanılabileceğini gösterir. Ayrıca, "start.columns" Python işlevinin özellikle hisse senetleri için sütun listesindeki değişiklikleri nasıl kolaylaştırdığını açıklar.

Bir sonraki video eğitimi de Python'u hisse senedi alım satımı için kullanma etrafında dönüyor. Stok verilerinin indirilmesi ve ayrıştırılmasının gösterilmesiyle başlar, ardından elde edilen verileri etkili bir şekilde analiz etmek için "açıklama" işlevinin kullanılması gelir. Son olarak, hisse senedi fiyatlarını izlemek ve takip etmek için "nokta kilitleme" işlevinin kullanımını gösterir. Sonraki video eğitimi, hisse senedi ticareti için algoritmalar oluşturmak üzere Python kullanımına ilişkin kapsamlı bir açıklama sağlar. Üç farklı hisse senedi için farklı başlangıç noktalarını görselleştirerek başlar, ardından bunları tek tip 100 puanlık bir aralıkta temsil etmek için değerlerin normalleştirilmesini gösterir. Öğretici daha sonra izleyicilere bir hisse senedinin normalleştirilmiş kapanış fiyatlarını çizme ve değerleri 100 ile çarpmak için "nokta" (köstebek) işlevini kullanarak okunabilirliği artırma konusunda rehberlik eder.

Benzer şekilde, başka bir video eğitimi, hisse senedi alım satım algoritmaları oluşturmak için Python'u kullanmaya odaklanıyor. Öğretici, kapalı stoklarla ilgili bilgileri depolamak için bir veri kümesi içinde yeni bir sütun oluşturma sürecini ana hatlarıyla belirtir. Ayrıca, verileri sütunun altına yeniden yerleştirmek için "shift" işlevinin kullanımını açıklar. Ayrıca bir önceki güne göre hisse senedi fiyatlarındaki yüzde değişim hesaplamasını gösterir. Vites değiştiren başka bir öğretici, öğrencilere algoritmik ticaretle ilgili istatistiksel hesaplamalar için Python'u kullanmayı öğretir. Gecikme ve farkla ilgili verileri hesaplamak için "kaydır", "çıkar" ve "böl" gibi işlevlerin kullanılmasına ilişkin rehberlik sağlar.

Ardından video, Python kullanılarak finansal varlıklar için yüzde değişimlerinin hesaplanmasını ayrıntılı olarak ele alıyor. Okunabilirliği artırmak için "değiştir" işlevini "pst" olarak yeniden adlandırarak değiştirmeyi gösterir. Ayrıca, "dönemler" değişkenini bire ayarlar ve yüzde değişimini 100 ile çarparak nokta değeri biçiminde gösterir. Video ayrıca, ilk günün etkisini ortadan kaldırmak için bir varlığın standart değişiminin hesaplanmasını ve bunun yüzde değişimden çıkarılmasını da içeriyor. Belirli bir varlığın veri çerçevesi "değişim" olarak yeniden adlandırılır ve "değişim" sütunu oluşturulur. Öğretici, "aafl" kullanarak "değiştir" sütununda bir kontrol çalıştırarak ve veri çerçevesini kaydederek sona erer.

Ayrıca eğitim yazarı, belirli bir veri kümesi için ortalamanın, standart sapmanın, yüzde değişimin ve getirilerin nasıl hesaplanacağını açıklar. Ayrıca bir histogram çizmeyi ve bir isabet sistem grafiği oluşturmayı da gösterirler.

İstatistiksel hesaplamalarla devam eden başka bir eğitim videosu, bir hisse senedinin getirilerinin ortalamasını, varyansını ve standart sapmasını hesaplamayı açıklıyor. Ayrıca, yıllık ortalama getiri ve yıllık varyans getirisinin belirlenmesi konusunda rehberlik sağlar.

Daha da genişleyen eğitim, Python'daki "std" işlevini kullanarak bir hisse senedinin getirilerinin yıllık standart sapmasını hesaplamayı gösteriyor. Bu yaklaşım, bireysel veri noktaları yerine bir kayan yazı sembolünden veri alarak büyük veri kümelerini verimli bir şekilde analiz eder. Öğretici ayrıca, bir hisse senedi getirisinin ortalamasını ve standart sapmasını ve bir hisse senedinin yüzde değişiminin ortalamasını ve standart sapmasını izlemek için sütunlar oluşturmayı da gösterir. Ayrıca, "özet" işlevini kullanarak bir hisse senedi getirisinin ortalama ve standart sapmasını hesaplamayı açıklar.

Yazar ayrıca, farklı hisse senetleriyle ilişkili getiri ve riski göstermek için dağılım grafiklerinin oluşturulmasını ve bunlara açıklama eklenmesini de kapsar. Bu görselleştirme, hisse senedi ticareti bağlamında getiriler ve riskler arasındaki ilişkinin anlaşılmasına yardımcı olur. Video eğitimi devam ederken, hisse senedi alım satımı için algoritmalar oluşturmak üzere Python'u kullanmayı ele alıyor. Döngülerin ve kovaryans ve korelasyon gibi fonksiyonların kullanımını araştırır. Ek olarak, algoritmanın sonuçlarının grafiksel sunumunu sergileyerek yatırımcıların alım satım stratejilerinin performansını etkili bir şekilde görselleştirmesine ve analiz etmesine olanak tanır.

Ayrıca eğitim, hisse senedi korelasyonlarını gösteren bir ısı haritası oluşturmak için seaborn kitaplığından nasıl yararlanılacağını açıklar. Python kullanarak hisse senedi korelasyon analizinin uygulanmasını kolaylaştıran, tüm proje için bir kod indirme ile birlikte adım adım kılavuz sağlar. Bir video eğitiminde sunum yapan kişi, odak noktasını değiştirerek Python kullanarak bir hisse senedi portföyünün risk ve ödül potansiyelini hesaplama konusunda izleyicileri eğitiyor. Basit geri dönüşlerin sınırlamalarını tartışırlar ve günlük getiri kavramını tanıtarak risk ve ödülün değerlendirilmesindeki pratik uygulamalarını gösterirler. Bu analiz, tüccarların portföy kompozisyonları ve risk yönetimi ile ilgili bilinçli kararlar almalarına yardımcı olur.

Başka bir öğretici, Python'da "yuvarlanma" işlevini kullanarak basit bir hareketli ortalama hesaplama sürecini açıklamaktadır. Bu tekniği uygulayarak, tüccarlar hisse senedi fiyatlarındaki dalgalanmaları yumuşatabilir ve eğilimleri daha etkin bir şekilde belirleyebilir. Ek olarak, bir eğitim, bir veri kümesinin ortalama, medyan ve hareketli ortalamasının hesaplanmasını göstererek, bunların veri modellerini analiz etme ve anlamadaki önemini vurgular.

Ayrıca, bir video eğitimi, 50 günlük hareketli ortalama, 200 günlük hareketli ortalama ve bir hisse senedinin EMA'sı (kazanç-fiyat) dahil olmak üzere çeşitli hareketli ortalamaların hesaplanmasını gösterir. Bu hareketli ortalamalar daha sonra bir grafik üzerinde çizilir ve tüccarların temel eğilimleri ve potansiyel ticaret sinyallerini belirlemesine yardımcı olur. Veri işleme teknikleriyle devam eden bir video eğitimi, bir veri çerçevesindeki eksik değerleri değiştirmek için pandalarda yeniden indeksleme işlevinin kullanımını açıklar. Tatiller ve hafta sonları söz konusu olduğunda verileri yönetmek için ileri ve geri doldurma işlevlerinin uygulanmasını da kapsar.

Eğitim videosu ayrıca, satın alma ve elde tutma getirilerini, kümülatif getirileri ve maksimum getirileri kapsayan bir hisse senedinin zaman içindeki getirilerinin hesaplanmasını gösterir. Ek olarak, kümülatif maksimum getirilerin hesaplanmasını araştırır ve grafik çizim yoluyla verileri görselleştirir. Ayrıca, öğretici, bir hisse senedi için düşüşlerin yanı sıra maksimum kümülatif getiri ve maksimum kümülatif düşüşün nasıl hesaplanacağını açıklar. Düşüşleri anlamak, tüccarların yatırımlarla ilişkili riski değerlendirmesine ve potansiyel kayıp senaryolarını belirlemesine yardımcı olur. Benzer bir şekilde, başka bir video eğitimi bir hisse senedi için düşüş ve maksimum düşüş hesaplamayı tartışır. Ek olarak, risk yönetiminde çok önemli bir ölçüm olan düşüş yüzdesinin hesaplanmasına ilişkin bir genel bakış sunar.

YouTube'daki bir Python 2023 öğreticisi, görüntüleyenlere ticaret için hareketli bir ortalama çaprazlama stratejisi oluşturmayı öğretir. Bu strateji, hisse senedinin eğilimini belirlemek ve buna göre ticaret sinyalleri oluşturmak için iki hareketli ortalama, 50 günlük hareketli ortalama ve 100 günlük hareketli ortalama kullanmayı içerir. Ayrıca, bir eğitim videosu, hisse senedi alım satımı için Python kodunun nasıl yazılacağını açıklar. Mevcut fiyat ve geçmiş fiyat verilerine dayanarak bir hisse senedinin alınıp satılmayacağını belirleme sürecini gösterir. Ayrıca, tüccarların portföylerini etkili bir şekilde izlemesine ve yönetmesine olanak tanıyan, bir hisse senedinin zaman içindeki konumunu izlemek için bir kitaplık kullanmayı da kapsar.

Öğretici video, izleyicileri, getirileri ve standart sapmayı kullanarak algoritmik bir ticaret stratejisini geriye dönük test etme konusunda aydınlatıyor. Getiri açısından 50 günlük hareketli ortalamadan daha iyi performans gösteren ancak daha yüksek standart sapma ile gelen bir strateji sergiliyor ve risk ile ödül arasındaki değiş tokuşu vurguluyor. Ek olarak, video eğitimi, kullanıcılara bir yatırım stratejisi oluşturma ve bunu diğer stratejilerle karşılaştırma konusunda rehberlik eder. En iyi getiriye sahip stratejinin, yükseliş pozisyonlarının tercih edildiğini gösteren uzun bir önyargıya sahip strateji olduğunu vurgular.

Ayrıca yazar, algoritmik ticaret için bir test stratejisi oluşturmaya yönelik bir işlev sunar. Bu işlev, hisse senedi adı, başlangıç ve bitiş tarihleri gibi parametreleri alır ve günlük getiri, kümülatif getiri ve SMA (Basit Hareketli Ortalama) gibi temel performans metriklerini döndürür. Bu işlevi kullanarak, tüccarlar ticaret stratejilerinin etkinliğini değerlendirebilir ve verilere dayalı kararlar alabilirler. Öğretici daha sonra algoritmik bir ticaret Python betiğinin nasıl oluşturulacağını göstermeye devam eder. Komut dosyası, geleneksel bir satın al ve tut yatırım yaklaşımına kıyasla daha iyi genel performans elde etmeyi amaçlayan basit bir zararı durdur ve kârı al stratejisini içeriyor. Bu komut dosyası, daha gelişmiş ticaret algoritmaları geliştirmek için bir temel görevi görür.

Sunum yapan kişi ayrıca Python'da yazılmış bir ticaret stratejisini geriye dönük test etme sürecini de gösterir. Sunucu tarafından oluşturulan strateji, 2017'deki geçmiş borsa verileri üzerinde test edilerek tacirlerin performansını ve uygulanabilirliğini değerlendirmesine olanak tanır. Ayrıca eğitim, hisse senetleri ve kripto para birimleri ticareti için bir Python2023 algoritmasının nasıl kodlanacağını açıklar. Çeşitli hisse senedi ve kripto para borsalarından gelen verilere erişmek için API'lerin kullanımını kapsar ve tacirlerin gerçek zamanlı piyasa verilerini analiz etmesine ve buna göre ticaret stratejileri uygulamasına olanak tanır. Video eğitimi, hisse senetleri ve kripto para birimleri ticareti yapmak için Python'u kullanmayı daha ayrıntılı olarak araştırıyor. API hizmetlerini kullanarak veri girişi, analiz, depolama, manipülasyon ve ticaret stratejilerinin yürütülmesini kapsar. Tüccarlar, bu teknikleri kullanarak ticaret süreçlerini otomatikleştirebilir ve portföylerini verimli bir şekilde yönetebilir.

Ek olarak, öğretici, hisse senetleri ve diğer finansal varlıkların alım satımı için Python'u kullanma konusunda kapsamlı rehberlik sağlar. Fiyat analizi ve alım satım gibi temel kavramların yanı sıra geriye dönük test yapma ve veri entegrasyonu için API'leri kullanma gibi ileri düzey konuları kapsar. Bu eğitim, tüccarları algoritmik ticarete etkili bir şekilde katılmak için gerekli bilgi ve araçlarla donatır.

Sonuç olarak, bu öğreticiler ve videolar, Python'u algoritmik ticaret için kullanma hakkında zengin bilgiler sunar. Veri işleme, istatistiksel analiz, görselleştirme, strateji geliştirme, geriye dönük test ve gerçek zamanlı ticaret gibi çok çeşitli konuları kapsarlar. Bu eğitimleri takip ederek, tüccarlar algoritmik ticaret ilkeleri konusundaki anlayışlarını geliştirebilir ve bilinçli ticaret kararları almak için Python'un yeteneklerinden yararlanabilirler.

• 00:00:00 Bu videoda yazar, algoritmik bir ticaret Python programının nasıl kurulacağını ve kullanılacağını tartışıyor. Ardından, algoritmik bir ticaret stratejisi için kodu tutmak üzere temel bir Python 3 dosyasının nasıl oluşturulacağını açıklıyorlar. Son olarak, sonuçları yazdırarak kodun nasıl çalıştırılacağını gösterirler.
  
  
• 00:05:00 Bu eğitim, algoritmik ticaret gerçekleştirmek için Python programlama dilinin nasıl kullanılacağını açıklar. Öğretici, y finans kitaplığı gibi algoritmik ticarette kullanılabilecek çeşitli işlevleri ve kitaplıkları kapsar. Öğretici ayrıca bir e-tablodaki verilerin nasıl indirileceğini ve işleneceğini gösterir.
  
  
• 00:10:00 Bu YouTube videosu, bir CSV dosyasının nasıl yazılacağını ve Python'da nasıl okunacağını gösterir.
  
  
• 00:15:00 Bu eğitim, hisse senedi ticareti yapmak için Python'un nasıl kullanılacağını açıklar. Videoda önce bir hisse senedi endeksinin nasıl oluşturulacağı açıklanmakta ve ardından dizin formatını değiştirmek için Python işlevinin convert işlevinin nasıl kullanılacağı gösterilmektedir. Son olarak, hisse senetleri için sütun listesini değiştirmek için start.columns Python işlevinin nasıl kullanılacağı açıklanmaktadır.
  
  
• 00:20:00 Bu eğitim videosu, Python'un hisse senedi alım satımı için nasıl kullanılacağını tartışıyor. Eğitimin ilk bölümü, stok verilerinin nasıl indirileceğini ve ayrıştırılacağını kapsar. Sonraki öğretici, verileri analiz etmek için tanımlama işlevinin nasıl kullanılacağını kapsar. Son olarak, öğretici, hisse senedi fiyatlarını takip etmek için nokta kilitleme işlevinin nasıl kullanılacağını kapsar.
  
  
• 00:25:00 Bu eğitim videosu, hisse senedi alım satımı için bir algoritma oluşturmak üzere Python programlama dilinin nasıl kullanılacağını açıklar. Öğretici, üç farklı hisse senedi için farklı başlangıç noktalarını görüntüleyerek başlar ve ardından değerlerin 100 puanlık aralıklarda temsil edilmesi için değerlerin nasıl normalleştirileceğini gösterir. Ardından, öğretici bir hisse senedinin kapanış fiyatının normunun nasıl çizileceğini ve fiyatın nasıl kullanılacağını gösterir.
  nokta (köstebek) işlevi, değerleri daha kolay okunabilmeleri için 100 ile çarpar.
  
  
• 00:30:00 Bu eğitim videosu, hisse senedi alım satımı için algoritmalar oluşturmak üzere Python programlama dilinin nasıl kullanılacağını gösterir. İlk adım, kapatılan hisse senetleri hakkındaki bilgileri depolamak için yeni bir veri sütunu oluşturmaktır. Ardından video, verileri sütunun en altına taşımak için kaydırma işlevinin nasıl kullanılacağını açıklar. Son olarak, öğretici, önceki güne göre hisse senedi fiyatlarındaki yüzde değişiminin nasıl hesaplanacağını gösterir.
  
  
• 00:35:00 Bu eğitimde, algoritmik ticaretle ilgili çeşitli istatistiksel verileri hesaplamak için Python programlama dilini nasıl kullanacağınızı öğreneceksiniz. Gecikme ve farkla ilgili verileri hesaplamak için kaydırma, çıkarma ve bölme işlevlerini nasıl kullanacağınızı öğreneceksiniz.
  
  
• 00:40:00 Video, Python kullanarak bir finansal varlık için yüzde değişiminin nasıl hesaplanacağını anlatıyor. Okumayı kolaylaştırmak için change fonksiyonu pst olarak değiştirilir ve ardından period değişkeni bire eşitlenir. Yüzde değişim daha sonra bir puan değerine dönüştürmek için yüzle çarpılır. Varlığın standart değişimi daha sonra hesaplanır ve ilk günün etkisini kaldırmak için yüzde değişimden çıkarılır. Veri çerçevesi elması, değiştirmek için yeniden adlandırılır ve sütun değişikliği oluşturulur. Sütun değişikliklerini kontrol etmek için Aafl çalıştırılır ve veri çerçevesi kaydedilir.
  
  
• 00:45:00 Bu öğreticide yazar, belirli bir veri kümesinin ortalama ve standart sapmasının yanı sıra yüzde değişiminin ve aylık değişimin getirilerinin nasıl hesaplanacağını gösterir. Ayrıca bir histogramın nasıl çizileceğini ve sistem grafiğinin nasıl çizileceğini gösterir.
  
  
• 00:50:00 Bu video, bir hisse senedi getirilerinin ortalamasını, varyansını ve standart sapmasını nasıl hesaplayacağınızı açıklıyor. Video ayrıca yıllık ortalama getirinin nasıl hesaplanacağını ve yıllık vardiya getirisinin nasıl hesaplanacağını da açıklıyor.
  
  
• 00:55:00 Bu eğitim videosu, std işlevini kullanarak belirli bir hisse senedi getirisinin yıllık standart sapmasının nasıl hesaplanacağını açıklar. std işlevi, verileri tek tek veri noktalarından ziyade bir kayan yazı sembolünden alır, bu da onu büyük veri kümelerini analiz etmek için daha verimli hale getirir. Eğitim ayrıca, bir hisse senedi getirisinin ortalamasını ve standart sapmasını izlemek için bir sütunun nasıl oluşturulacağını ve bir hisse senedinin yüzde değişiminin ortalamasını ve standart sapmasını izlemek için bir sütunu da gösterir. Son olarak, özet işlevini kullanarak bir hisse senedi getirisinin ortalama ve standart sapmasının nasıl hesaplanacağını açıklar.
  
  
• 01:00:00 Yazar, bir dağılım grafiğinin nasıl oluşturulacağını ve çeşitli hisse senetleriyle ilişkili getiri ve riski göstermek için nasıl açıklama ekleneceğini açıklıyor.
  
  
• 01:05:00 Bu eğitim videosu, hisse senedi alım satımı için algoritmalar oluşturmak üzere Python programlama dilinin nasıl kullanılacağını açıklar. Öğretici, for döngülerinin ve kovaryans ve korelasyon fonksiyonlarının kullanımının yanı sıra sonuçların grafiksel bir temsilini kapsar.
  
  
• 01:10:00 Bu öğretici, hisse senedi korelasyonlarının ısı haritasını oluşturmak için seaborn kitaplığının nasıl kullanılacağını açıklar. Öğretici ayrıca tüm proje için bir kod indirme içerir.
  
  
• 01:15:00 Bu videoda sunum yapan kişi, Python kullanarak bir hisse senedi portföyünün risk ve ödül potansiyelinin nasıl hesaplanacağını öğretiyor. Basit iadelerin ve günlük iadelerinin sınırlamalarını tartışıyor ve pratikte nasıl çalıştıklarını gösteriyor.
  
  
• 01:20:00 Bu öğretici, Python'da yuvarlanma işlevini kullanarak basit bir hareketli ortalamanın nasıl hesaplanacağını açıklar.
  
  
• 01:25:00 Bu öğretici, bir dizi değerin ortalamasının ve medyanının yanı sıra hareketli ortalamanın nasıl hesaplanacağını gösterir.
  
  
• 01:30:00 Bu video, bir hisse senedinin 50 günlük hareketli ortalamasının, 200 günlük hareketli ortalamasının ve ema'sının (veya "kazanç-fiyat") nasıl hesaplanacağını gösterir. Video ayrıca bu ortalamaların bir grafik üzerinde nasıl çizileceğini gösterir.
  
  
• 01:35:00 Bu videoda, dot day bir veri çerçevesindeki eksik değerleri değiştirmek için pandalarda yeniden indeksleme işlevinin nasıl kullanılacağını açıklıyor. Video ayrıca, tatiller ve Cumartesi ve Pazar günleri dahil olduğunda verileri yönetmek için ileri ve geri doldurma işlevlerinin nasıl kullanılacağını da kapsar.
  
  
• 01:40:00 Bu video, satın alma ve tutma getirileri, kümülatif getiriler ve maksimum getiriler dahil olmak üzere bir hisse senedinin zaman içindeki getirilerinin nasıl hesaplanacağını açıklar. Ayrıca, kümülatif maksimum getirilerin nasıl hesaplanacağını ve verilerin bir grafiğinin nasıl çizileceğini tartışır.
  
  
• 01:45:00 Bu video, bir hisse senedi için düşüşlerin nasıl hesaplanacağını ve bir hisse senedi için maksimum kümülatif getiri ile maksimum kümülatif maksimumun nasıl hesaplanacağını açıklar.
  
  
• 01:50:00 Video, bir hisse senedi için düşüşün ve maksimum düşüşün nasıl hesaplanacağını tartışıyor ve ayrıca düşüş yüzdesinin nasıl hesaplanacağına dair bir genel bakış sunuyor.
  
  
• 01:55:00 Bu YouTube videosunda, bir Python 2023 öğreticisi, hareketli bir ortalama geçiş stratejisinin nasıl oluşturulacağını açıklıyor. Strateji, hisse senedinin eğilimini belirlemek için 50 günlük ve 100 günlük iki hareketli ortalama kullanmayı içerir.
  
  
• 02:00:00 Bu eğitim videosu, Python'un hisse senedi ticareti kodu yazmak için nasıl kullanılacağını açıklıyor. Video, bir hisse senedinin mevcut fiyatına ve geçmiş fiyatına göre alınması veya satılması gerekip gerekmediğini belirlemek için nasıl kod yazılacağını gösterir. Video ayrıca, bir hisse senedinin zaman içindeki konumunu izlemek için bir kitaplığın nasıl kullanılacağını da açıklar.
  
  
• 02:05:00 Video, getiriler ve standart sapma kullanılarak bir algoritma ticaret stratejisinin nasıl geriye dönük test edileceğini açıklıyor. Strateji, 50 günlük hareketli ortalamadan daha yüksek bir getiri elde ediyor, ancak yüksek bir standart sapmaya sahip.
  
  
• 02:10:00 Bu video, belirli bir yatırım için nasıl strateji oluşturulacağını ve diğer stratejilerle nasıl karşılaştırılacağını açıklar. En iyi getiriye sahip strateji, uzun önyargılı stratejidir.
  
  
• 02:15:00 Yazar, algoritmik ticaret için bir test stratejisi oluşturmaya yönelik bir işlev sunuyor. İşlev bir hisse senedi adı, başlangıç ve bitiş tarihi alır ve günlük getiriyi, kümülatif getiriyi ve sma'yı döndürür.
  
  
• 02:20:00 Bu eğitim, hisse senedi ticareti yapmak için bir Python algoritmasının nasıl oluşturulacağını ve gelecekteki hisse senedi fiyatları hakkında tahminlerde bulunmak için nasıl kullanılacağını gösterir. Öğretici, bir hisse senedine yapılan yatırımın getirisinin nasıl hesaplanacağının yanı sıra bu getirinin standart sapmasını da içerir.
  
  
• 02:25:00 Sma backtester sınıfı, getirileri ve standart sapmayı hesaplayan bir strateji oluşturmak için kullanılır. Sınıf ayrıca veri almak için bir işlev içerir.
  
  
• 02:30:00 Video, stok verilerini indirmek için getdata işlevinin nasıl kullanılacağını, bir test sonucu işlevinin nasıl oluşturulacağını ve verileri kullanarak bir satın alma ve tutma stratejisinin performansının ve performansının nasıl hesaplanacağını gösterir.
  
  
• 02:35:00 Yazar, algoritmik bir ticaret stratejisinin performansının ve çıkış performansının nasıl hesaplanacağını gösteriyor. Yazar ayrıca sonuçları çizmek için bir işlevin nasıl oluşturulacağını da gösterir.
  
  
• 02:40:00 Bu eğitimde yazar, algoritmik bir ticaret Python betiğinin nasıl oluşturulacağını öğretir. Komut dosyası, bir al ve tut yatırımına göre genel bir performans avantajı elde etmek için basit bir zararı durdur ve kârı al stratejisi kullanır.
  
  
• 02:45:00 Bu video, Python'da yazılmış bir ticaret stratejisinin nasıl geri test edileceğini gösterir. Strateji sunum yapan kişi tarafından yazılmış ve 2017 yılında borsada test edilmiştir.
  
  
• 02:50:00 Bu eğitim, hisse senetleri ve kripto para birimleri ticareti için bir Python2023 algoritmasının nasıl kodlanacağını açıklar. Eğitim ayrıca, çeşitli hisse senedi ve kripto para borsalarından gelen verilere erişmek için bir API'nin nasıl kullanılacağını da kapsar.
  
  
• 02:55:00 Bu eğitim videosu, Python'un hisse senedi ve kripto para ticareti yapmak için nasıl kullanılacağını açıklıyor. Video, verilerin nasıl girileceğini ve analiz edileceğini, verilerin nasıl saklanacağını ve değiştirileceğini ve API hizmetlerini kullanarak bir ticaret stratejisinin nasıl gönderileceğini kapsar.
  
  
• 03:00:00 Bu eğitim, hisse senetleri ve diğer finansal varlıkların alım satımı için Python'un nasıl kullanılacağını açıklar. Kurs, fiyat analizi ve alım satım gibi temel kavramların yanı sıra geriye dönük test yapma ve API'leri kullanma gibi daha ileri konuları kapsar.

[MetaQuotes]

Bir Borsada Hisse Senedi Listesi Nasıl Alınır || Python Bölüm 1 ile Stok Analizi

Bir Borsada Hisse Senedi Listesi Nasıl Alınır || Python Bölüm 1 ile Stok Analizi

Bu, hisse senedi analizi için Python kullanma serimin ilk bölümü. Seri üç bölüme ayrılacak. İlk bölümde, analiz için verilerin elde edilmesi ve düzenlenmesine odaklanacağız. İkinci bölüm bireysel menkul kıymetleri kapsayacak ve son olarak, pip kullanarak kolay kurulum için kodumuzu nasıl paketleyeceğimizi göstereceğim. Kod, GitHub'da mevcut olacak (video açıklamasındaki bağlantı). İstediğiniz herhangi bir metin editörünü kullanabilirsiniz.

Hisse senedi analizinin en önemli yönü veri kaynağıdır. Küresel verileri içeren kapsamlı gün sonu geçmiş verilerini kullanacağım. Ücretsiz bir planla başlayabilirsiniz, ancak günlük API çağrısı sayısında sınırlamalar vardır. Daha fazlasına ihtiyacınız varsa, özel fiyatlı (video açıklamasındaki bağlantı) bir veri paketine abone olabilirsiniz.

Gerekli modülleri içe aktararak başlayalım. Belirli bir borsadan menkul kıymetler hakkında meta verileri indirerek başlayacağız. Bir API anahtarı sağlamamız ve değişimi belirtmemiz gerekiyor (varsayılan olarak New York Borsası). ABD pazarı için bazı örnekler vereceğim, ancak gün sonu tarihsel veriler web sitesindeki belgeleri kullanarak uluslararası pazarları keşfedebilirsiniz.

Dokümantasyon ayarını yaptıktan sonra, değişim ve API anahtarını ileterek API uç noktasına bir çağrı yapacağız. Bunun için request modülünü kullanacağız. Yanıt, pandas DataFrame'e dönüştüreceğimiz JSON formatında olacaktır.

Son olarak, ilerlemeyi göstermek için bazı print ifadeleri ekleyeceğim ve bir giriş noktası işlevi çalıştırarak kodu test edebiliriz. API anahtarını kendi anahtarınızla değiştirdiğinizden emin olun. Sonuç, alınan verileri içeren bir DataFrame olacaktır. Bir sonraki videoda ele alınacak olan, ilgilendiğimiz menkul kıymet türlerine göre bu verileri daha fazla filtreleyebiliriz.

Umarım bu bilgiyi faydalı bulursunuz ve serinin bir sonraki bölümünde sizi görmeyi dört gözle bekliyorum.

[MetaQuotes]

S&P 500 Hisse Senedi Sembollerini İndirme, Sektöre Göre Filtreleme || Python Bölüm 2 ile Stok Analizi

S&P 500 Hisse Senedi Sembollerini İndirme, Sektöre Göre Filtreleme || Python Bölüm 2 ile Stok Analizi

Bu, Python ile stok analizi serimin ikinci bölümü. Birinci bölümü izlemediyseniz, bir göz atmanızı tavsiye ederim. Önceki videoda, belirli bir borsadan veri indirdik ve meta veri içeren bir DataFrame elde ettik. Şimdi, adi hisse senedi, ETF veya fon gibi menkul kıymet türlerine göre sembolleri filtrelemek istiyoruz. Bu, verileri indirmeden önce belirli menkul kıymetlere odaklanmamızı sağlayacaktır.

DataFrame değişim verilerini girdi olarak alan "get_security_type" adlı yeni bir işlev ekleyeceğim. Varsayılan olarak, adi hisse senedi için filtre uygularız, ancak gerekirse farklı bir tür belirtebilirsiniz. İşlev, belirtilen güvenlik türüyle eşleşen bir sembol listesi döndürür.

Ek olarak, gün sonu geçmiş verilerinin S&P 500 sembollerini içermediğini fark ettim. Bu yüzden, sembolleri bir CSV dosyasından getirmek için "get_sp500_symbols" adlı başka bir işlev yazacağım. Bu işlev, sembolleri sektörlere göre filtrelemek için isteğe bağlı bir "sektör" parametresini kabul eder. Varsayılan olarak, tüm sembolleri döndürür. İşlev, sembol, ad ve sektör sütunlarıyla birlikte bir DataFrame döndürür.

Bunu uygulamak için, CSV dosyasını okumak ve sağlanan parametrelere göre istenen filtreleri uygulamak için pandalar kitaplığını kullanacağız.

Uygulandıktan sonra, işlevleri test edebiliriz. Varsayılan olarak, "get_security_type" tüm sembolleri döndürür ve "get_sp500_symbols" ayrıca tüm sembolleri döndürür. S&P 500 sembollerini filtrelemek için bir sektör belirtebiliriz.

Bu işlevler yerinde olduğunda, artık menkul kıymet türlerine göre sembolleri filtreleyebilir ve S&P 500'den hisse senetleri keşfedebiliriz. Serinin bir sonraki bölümünde, verileri indirmeye ve düzenlemeye odaklanacağız.

Umarım bu bilgiyi faydalı bulursunuz ve sizinle seriye devam etmeyi dört gözle bekliyorum.

[MetaQuotes]

Hisse Senedi Fiyat Verileri Nasıl İndirilir ve Kaydedilir || Python Bölüm 3 ile Stok Analizi

Hisse Senedi Fiyat Verileri Nasıl İndirilir ve Kaydedilir || Python Bölüm 3 ile Stok Analizi

Bu, hisse senedi analizi için Python kullanma serimin üçüncü bölümü. İlk iki videoyu video açıklamasında verilen linkte bulabilirsiniz. Seride kullanılan tüm kodlar, açıklamada da bağlantısı verilen bir GitHub deposunda mevcuttur.

Önceki videolarda, belirli bir borsadaki menkul kıymetler listesinin nasıl alınacağını ve belirli kriterlere göre nasıl filtreleneceğini öğrendik. Ayrıca S&P 500 hisse senetlerini filtrelemek için bir fonksiyon yazdık. Bu videomuzda ilgilendiğimiz verileri indirme ve düzenleme konusuna odaklanacağız.

Başlamak için, gün sonu verileriyle etkileşimi basitleştiren "eod" adında bir yardımcı kitaplık kurmamız gerekiyor. Geleneksel API çağrıları yapmak yerine bu kütüphaneyi kullanabiliriz. pip kullanarak kurduktan sonra kütüphaneden "EodHistoricalData" sınıfını import ediyoruz bu da API çağrılarını kolayca yapmamızı sağlıyor. Ek olarak, zaman sınırlarını ayarlamak için "datetime" modülünü ve dosya sistemiyle çalışmak için "os" modülünü içe aktarıyoruz.

Ardından, verilerini almak istediğimiz dönem için bazı varsayılan tarihler belirliyoruz. Bu durumda, yaklaşık bir yıl olarak belirledik. Hem başlangıç hem de bitiş tarihlerine ihtiyacımız varsa, geçerli tarihi de referans olarak belirleriz.

Artık "get_data" isimli ana fonksiyonu yazmaya geçebiliriz. Bu işlev, tek bir sembol, virgülle ayrılmış bir sembol listesi veya bir sembol listesi dahil olmak üzere çeşitli girişleri kabul eder. Ayrıca bir API anahtarı ve verilerin depolanacağı bir yol gerektirir. İşlev, EodHistoricalData sınıfını kullanarak belirtilen işaretleyiciler için verileri alır ve bunu belirtilen klasöre bir CSV dosyası olarak kaydeder. İndirilen ve atlanan menkul kıymetlerin sayısını takip eder ve indirme işlemi hakkında bilgi verir.

Fonksiyonu yazdıktan sonra, bazı örnek argümanları ileterek ve çıktıyı kontrol ederek test edebiliriz. İndirilen menkul kıymetleri ve atlanan menkul kıymetleri görebiliriz. İşlev, verileri başarıyla alır ve belirtilen klasöre kaydeder.

Gelecek videolarda, kapanış fiyatları ve getirileri çıkarmak gibi indirilen verilerle çalışacağız ve görselleştirme tekniklerini keşfedeceğiz.

[MetaQuotes]

Python ile Hisse Senedi Analizi: Dosyalardan Fiyat Verisi Nasıl Çıkarılır || 4. Bölüm

Python ile Hisse Senedi Analizi: Dosyalardan Fiyat Verisi Nasıl Çıkarılır || 4. Bölüm

Stok analizi için Python serimin dördüncü bölümüne hoş geldiniz. Video açıklamasında ilk üç parçanın bağlantılarını bulabilir ve ayrıca GitHub deposundaki koda erişebilirsiniz.

Önceki videolarda menkul kıymetler listesi alma, listeyi filtreleme ve verileri CSV dosyalarına indirme konularını ele almıştık. Şimdi, bu videoda, indirilen verilerden kapanış fiyatı sütununu çıkarmaya odaklanacağız.

Bunu yapmak için "get_closing_prices" adlı bir işlev yaratacağız. İşlev, veri dosyaları için varsayılan değer ayarlı bir klasörü girdi olarak alır. Varsayılan olarak, kapatma sütununu çıkarır, ancak isterseniz ayarlanmış kapatma sütununu seçebilirsiniz.

İlk olarak, tekrarı önlemek için "sıfır" ile başlayan dosya hariç, belirtilen klasördeki tüm geçerli dosyaları okuruz. Ardından boş bir DataFrame kuruyoruz.

Ardından, dosyalar arasında dolaşıyoruz ve ayarlanan kapanışın doğru olarak ayarlanıp ayarlanmadığını kontrol ediyoruz. Öyleyse, klasörü ve dosyayı belirterek pandaların read_csv işlevini kullanarak geçici bir DataFrame oluştururuz. İndeks sütununu tarih olarak ayarlıyoruz ve ayarlanan kapatma sütununu seçiyoruz. Son olarak, sütunu ticker sembolü olarak yeniden adlandırıyoruz.

Düzeltilmiş kapanış doğru değilse, kapanış sütunu için benzer bir süreç izliyoruz. İlk dosya için mevcut DataFrame'i geçici DataFrame ile değiştiriyoruz ve sonraki dosyalar için yeni DataFrame'i mevcut olanla birleştiriyoruz.

Son olarak, kapanış fiyatlarını içeren DataFrame'i döndürürüz. Ek olarak DataFrame'i istenirse "closes.csv" adlı bir CSV dosyasına yazıyoruz.

İşlevi, istediğiniz klasör adıyla çağırarak test edebilirsiniz. İşlev, kapanış fiyatlarıyla DataFrame'i döndürür. Gösterilen örnekte, belirtilen menkul kıymetler için kapanış fiyatı sütununu başarıyla çıkardı.

Beşinci bölümde, bu kapanış fiyatlarına göre getiri verilerini hesaplayacağız.

[MetaQuotes]

Getirileri Hesaplayın, Korelasyon Matrisi Oluşturun, Performansı Çizin || Python Bölüm 5 ile Stok Analizi

Getirileri Hesaplayın, Korelasyon Matrisi Oluşturun, Performansı Çizin || Python Bölüm 5 ile Stok Analizi

Hisse senedi analizi için Python kullanımıyla ilgili serimin beşinci bölümüne hoş geldiniz. Video açıklamasında, önceki dört bölüme bağlantılar ve ayrıca koda erişebileceğiniz GitHub deposuna bir bağlantı bulacaksınız.

Dördüncü bölümde, seçilen menkul kıymetlerin kapanış fiyatlarını aldık ve bir dosyaya kaydettik. Şimdi, beşinci bölümde, bu kapanış fiyatlarına göre getirileri hesaplamaya odaklanacağız. Devam etmeden önce NumPy kütüphanesini içe aktarmamız gerekiyor.

Girdi olarak bir klasör ve dosya adı alan "calculate_returns" adlı bir işlev oluşturacağız. Potansiyel hataların üstesinden gelmek için bir try-except bloğu kullanacağız. İşlevin içinde, bir CSV dosyasındaki verileri okumak için pandaları kullanacağız. Dizin sütununu tarihe ayarlayacağız ve DataFrame dönüşlerini döndüreceğiz.

Sonucu yazdırarak, klasör adını ve dosya adını geçerek işlevi test edebiliriz. Gösterilen örnekte, seçilen menkul kıymetler için getirileri başarıyla hesaplar.

Buradan, birkaç olası sonraki adım vardır. Ortak bir görev, menkul kıymetler arasındaki korelasyonları hesaplamaktır. Spesifik uygulamaya dalmayacak olsam da, korelasyonları hesaplamak için bir fonksiyon oluşturmak üzere önceki fonksiyonun sonucunu kullanabilirsiniz. Esnekliği artırmak için verileri bir dosyadan (örn. Excel veya CSV) okumak gibi farklı seçenekleri keşfedebilirsiniz.

Yazabileceğimiz bir başka kullanışlı fonksiyon da kapanış fiyatlarını çizmek içindir. Bunun için matplotlib kütüphanesini import etmemiz gerekiyor. "plot_closes" işlevi, bir CSV veya Excel dosyası olabilen kapanışları girdi olarak alır. Ek olarak, fiyatları başlangıç fiyatına göre çizmeyi seçebiliriz.

İşlev içinde pandaları kullanarak verileri okuruz ve göreli parametreye dayalı olarak fiyatları olduğu gibi çizeriz veya performansı başlangıç fiyatına göre çizeriz. Grafiği ızgara çizgileri ve sıfırda yatay çizgi (veya istenen gösterime bağlı olarak bir) gibi seçeneklerle özelleştirebiliriz.

İşlevi test ederek, seçilen menkul kıymetler için ortaya çıkan çizimi görebiliriz. Göreceli parametreyi doğru olarak ayarlayarak, performansı başlangıç fiyatına göre gözlemleyebiliriz.

Altıncı bölümde, bu verileri ayrı bir dosyaya kaydetmeye odaklanarak kapanış fiyatları ve değişiklikler üzerinde çalışmaya devam edeceğiz.