In this video, we will analyze Broker Spreads with Pandas.Playlist with all Trading with Python videos:https://www.youtube.com/playlist?list...Download Pytho...
In this video, we will code a Bollinger Band Strategy in PythonTimestamps:00:00 Intro00:45 What are Bollinger Bands01:34 How can you trade Bollinger Bands02:...
00:05:00 在视频的这一部分中,讲师首先使用 px.line 可视化收盘价,以查看价格随时间的变化情况。我们还看到,DAX 指数一开始一直在 13 点到 15 点左右移动,在 COVID 危机期间出现大幅下跌,但价格现在回升至历史高位。图表中添加了移动平均线以帮助生成信号,并定义了慢速 sma 和快速 sma。慢速 sma 设置为 100,快速 sma 设置为 10,两者都添加到绘图中。最后,教师在另一个单元格中定义了一些变量,以便将来更容易调整设置。
00:10:00 在视频的这一部分,演示者解释了如何使用 Python 和 Pandas 在简单移动平均线 (SMA) 交叉交易策略中查找交叉。演示者将快速和慢速 SMA 的周期分别设置为 10 和 100。为了找到交叉点,将先前的快速 SMA 值与慢速 SMA 值进行比较,如果先前的快速 SMA 值较低而当前的快速 SMA 值较高,则认为是看涨交叉。另一方面,如果之前的快速 SMA 值较高而当前的快速 SMA 值较低,则认为是看跌交叉。演示者创建一个名为“find_crossover”的函数来自动执行此过程。
00:15:00 在本节中,视频解释了如何使用之前计算的快速和慢速 SMA 值计算交叉列。函数np.vectorize用于传入函数和表示输入的列,然后将结果剔除None值。创建交叉列后,视频展示了如何找到看涨交叉并使用 pick.dot 在 x 等于 row.time 的 v 线上将它们绘制为垂直线。
00:20:00 在本节中,讲师通过在红线穿越绿线时买入,在穿越缓慢移动平均线下方时卖出,来演示回测 SMA 交叉交易策略的过程。讲师使用先前创建的课程、课程位置和课程策略来创建回测。 position 类具有打开和关闭位置的方法,以及将结果作为字典返回的方法。在课程策略中,讲师初始化交易账户的起始余额,指定交易量并添加包含历史数据和信号列的数据框。在类策略的 run 方法中,策略的逻辑是使用 if 语句定义的,以根据交叉值开仓和平仓。最后实例化类并运行得到结果。
In this video, we will code and backtest the Simple Moving Average Crossover Strategy for Algorithmic TradingChapters:00:00 Intro01:35 Historical Data06:55 S...
In this video, we code a Buy-Hold Strategy for Stock Indices with Python for algorithmic trading.Chapters00:00 Intro and Strategy Explanation3:15 Libraries a...
In this video, we will code 10 Technical Trading Indicators with Python for algorithmic trading.Chapters00:00 Intro01:10 Importing Historical Data04:18 Simpl...
In this video, we will code an RSI Trading Strategy in Python for algorithmic trading. We will develop the strategy and also backtest the result. Also, we wi...
In this video, we will practice some useful Pandas methods in Python. We answer various trading questions on a trade dataset from a backtest.Playlist with al...
In this video, I will show you how to save Pandas DataFrames to CSV Files and Databases / SQLite. Also, I will show some examples of how to read the data int...
00:05:00 在本节中,演讲者讨论了允许随时访问未平仓头寸以最终平仓的功能。此功能使用在固定间隔内开仓的算法,不使用动量策略。该函数包含很多注释,简单但必不可少,因为它返回有关算法的所有信息。演讲者还提供了一个模板,可以通过更改几行代码轻松定制,允许用户将自己的算法投入生产。但是,演讲者指出,拥有 Windows 设备以使用 MetaTrader 5 库非常重要,并为无法访问 Windows 设备的 Mac 用户提供了一些选项。
Today, we will see how to put your own trading algorithm in MetaTrader 5 live trading with Python in 2021. You will have a template included to run your own ...
来自 Control 的 Lucas 讨论了追踪止损策略的优点和缺点,该策略旨在通过使用连续止损或利润阈值来降低交易风险。一个优势是它允许交易者利用趋势变化和管理风险,但一个弱点是它可能导致交易者错失潜在利润。演讲者建议交易者考虑资产波动并相应地使用定制策略。他还提供有关如何使用追踪止损和其他交易策略的课程。
00:00:00 在本节中,来自 Control 的 Lucas 讨论了交易止损策略的优缺点。交易止损的目标是降低风险,它可以通过多种不同的方式构建,例如连续止损或使用阈值获利。交易止损的第一个优点是它允许交易者不仅利用趋势变化,第二个优点是它允许交易者管理他们的风险。然而,交易止损的弱点在于它伴随着通过交易者谋取部分利益的风险,也可能导致交易者错失潜在的利润。
Today, I will show you a risk management trading strategy: the trailing stop loss. This technique works in all the financial market (stocks, crypto, FX...). ...
使用 Pandas 分析经纪商价差
使用 Pandas 分析经纪商点差 |使用 Python 进行交易
在本视频中,演示者使用 Python 中的 pandas 来分析经纪商点差。使用 MetaTrader 5 从经纪商历史记录导出的报价数据被传递到 pandas 数据框,并分析点差和基于小时的数据以绘制点差随时间的变化。发现点差通常很紧,但在新闻事件或低流动性期间可能会飙升,尤其是在午夜经纪人时间附近。该分析建议交易者通过考虑为不同交易品种提供的数据来优化他们的交易成本。
用 Python 编写布林带交易策略
用 Python 编写布林带交易策略
在此视频中,演示者用 Python 解释了布林带交易策略,其中使用简单的移动平均线、较低的波段和较高的波段来包含波段内所有价格的 95%。该策略涉及在价格达到较低的布林带时买入,并在价格达到较高的布林带时卖出。止损设置为低于均值三个标准差,而止盈设置为高于均值两个标准差。演示者展示了使用 Pandas 和 MetaTrader5 平台在 Python 中的实现,并提供了测试结果,解释了每个交易结果。但是,他建议不要在趋势市场中盲目部署此策略,并强调分析市场状况的重要性。
在 Python 中编写简单移动平均线 (SMA) 交叉交易策略
在 Python 中编写简单移动平均线 (SMA) 交叉交易策略
在此 YouTube 视频中,演示者解释了如何使用 Python 编写简单移动平均线 (SMA) 交叉交易策略。该策略使用两个 SMA 的交叉作为买卖资产的信号。演示者演示了如何使用 Pandas 和 Plotly 库可视化历史价格数据、定义快速和慢速 SMA、查找交叉、计算交叉列并绘制看涨交叉。然后视频继续展示如何使用先前创建的类回测 SMA 交叉交易策略,并使用随时间变化的损益折线图讨论结果。总的来说,该视频提供了使用 Python 创建和测试简单有效的交易策略的分步指南。
用 Python 编写股票指数的买入持有交易策略
用 Python 编写股票指数的买入持有交易策略
在此视频中,演示者讨论了如何使用 Jupyter Notebook 代码在 Python 中编写股票指数的买入持有交易策略,以编写指标、策略和回测。该策略基于确定 5%、15% 或 35% 的回撤并在达到回撤时买入,随后在达到之前的历史高点时卖出。演讲者解释了如何使用获取位置方法添加和检查位置,该方法使用位置列表并为每个新位置附加位置类。还解释了退出策略,即当回撤接近零时关闭每个未平仓头寸。最后,强调了高质量交易和长时间允许价格恢复的重要性,并且演示者展示了图表上表示的回测结果。
使用 Python 的代码 10 技术交易指标
使用 Python 的代码 10 技术交易指标
该视频讨论了 10 个使用 Python 的技术交易指标,从用于确定趋势的简单移动平均线 (SMA) 开始。平均真实范围 (ATR) 衡量波动性,而相对强弱指数 (RSI) 确定超买和超卖价格。昨天的高点和标准差可以帮助识别区间、突破和波动的市场。布林带使用简单移动平均线 (SMA) 和标准差来指示均值回归或突破策略。 MACD 和 SMA 交叉通过计算快速和慢速 EMA 或 SMA 来指示趋势的变化。移动平均线交叉结合了快速和慢速移动平均线来识别潜在的趋势反转,而随机震荡指标则考虑一个时期的最高值和最低值来识别超买和超卖情况。
如何用 Python 编写 RSI 交易策略
如何用 Python 编写 RSI 交易策略
该视频深入解释了如何使用 Python 编写和回测 RSI 交易策略。该策略依赖于在 RSI 超卖时买入,在超买时卖出,进场信号是 RSI 跌破 30 时,当它超过 70 时,是时候卖出了。退出策略涉及使用平均真实范围 (ATR) 指标将止盈和止损设置为距买入价或卖出价 280 点。该视频涵盖了使用 MetaTrader5、Pandas 和 Plotly 库进行历史数据请求、指标计算、回测和结果可视化。最后鼓励观众下载 Jupiter notebook 以在 Python 中实施 RSI 交易策略。
通过贸易示例学习 Pandas
通过贸易示例学习 Pandas
该视频教用户如何应用各种 Pandas 函数在 Python 中分析交易数据,以回答诸如确定最长和最短交易持续时间、计算最盈利和亏损月份、识别最活跃月份、分析买卖订单等分析问题,并计算最大的绝对回撤。此外,它还包括计算赢率、风险回报率和衡量毛利与亏损之比的利润因子。演讲者提供了一个 CSV 文件和真实示例来指导观众完成分析过程,并为任何想练习 pandas 的人提供了一个 Jupiter notebook。
管理 CSV 和数据库中的数据 (SQLite)
管理 CSV 和数据库中的数据 (SQLite)
在“管理 CSV 和数据库 (SQLite) 中的数据”视频中,演讲者演示了如何使用 pandas DataFrame 保存和读取 CSV 文件中的数据,以及如何使用 SQLite3 处理数据库。向观众展示了 OHLC 数据如何保存在 pandas DataFrame 中,另存为 CSV 文件,然后读取并转换为 pandas DataFrame。演讲者还向观众展示了如何使用 SQLite3 在 Python 中使用数据库,包括创建数据库或连接到现有数据库、在数据库中保存数据以及使用简单查询读取数据。演讲者通过向观众提供教程中使用的代码的访问权限并表示希望教程有所帮助来结束视频。
2021 年使用 Python 进行 MetaTrader 5 实时交易(包括模板)
使用 Python 进行 MetaTrader 5 实时交易
视频“2021 年使用 Python 进行 MetaTrader 5 实时交易(包括模板)”为旨在使用 MetaTrader5 和 Python 定制交易策略和提高盈利能力的交易者提供了有用的指南。它提供了一个模板,可以根据交易者的需要进行修改,突出显示必要的代码部分。该视频还涵盖了不同的功能,如初始化功能、导入数据和制作交易订单。展示的有用工具包括恢复功能,它使交易者即使在关闭 Python 工作表后也能监控未平仓头寸。在强调 Windows 设备需要使用 MetaTrader 5 库的同时,演讲者还为 Mac 用户建议了一些选项。
追踪止损:弱点的力量?
追踪止损:弱点的力量?
来自 Control 的 Lucas 讨论了追踪止损策略的优点和缺点,该策略旨在通过使用连续止损或利润阈值来降低交易风险。一个优势是它允许交易者利用趋势变化和管理风险,但一个弱点是它可能导致交易者错失潜在利润。演讲者建议交易者考虑资产波动并相应地使用定制策略。他还提供有关如何使用追踪止损和其他交易策略的课程。