Strategie handlowe python

Python Algorithmic Trading Library. PyAlgoTrade jest biblioteką handlu algorytmem Python skupiającą się na testach backtestingu i wsparciu handlu papierem i handlu na żywo Powiedzmy, że masz pomysł na strategię handlową i chciałbyś ją ocenić historycznymi danymi i zobaczyć jak zachowuje się PyAlgoTrade pozwala to zrobić z minimalnym wysiłku. Main features. Fully udokumentowane. Event driven. Supports Rynku, Limit, Stop i StopLimit orders. Supports Yahoo Finance, Google Finance i NinjaTrader pliki CSV. Supports dowolnego typu danych szereg czasu w formacie CSV, na przykład obsługę handlu Quandl. Bitcoin przez Bitstamp. Wskaźniki techniczne i filtry takie jak SMA, WMA, EMA, RSI, pasma Bollingera, wskaźnik Hursta i inne. Wskaźniki sprawności, takie jak współczynnik Sharpe i analiza dysków. Profiler zdarzenia. TA-Lib integration. Very łatwe do skalowania poziomo, czyli użycie jednego lub więcej komputerów do testowania strategii. PyAlgoTrade jest wolny, open source i jest licencjonowany pod Apach e licencja, wersja 2 0.Wybierz umiejętności Quant. Jeśli jesteś przedsiębiorcą lub inwestorem i chciałbyś nabyć zestaw ilościowych umiejętności handlowych, jesteś we właściwym miejscu Kurs Trading With Python zapewni Ci najlepsze narzędzia i praktyki w zakresie ilościowej analizy handlowej, w tym funkcje i skrypty napisane przez ekspertów ilościowych handlowych Kurs zapewnia maksymalny wpływ na zainwestowany czas i pieniądze koncentruje się na praktycznym zastosowaniu programowania do handlu, a nie teoretycznej informatyki Kurs zaoszczędzić będzie szybko, czas w ręcznym przetwarzaniu danych Będziesz poświęcić więcej czasu na badania nad strategią i wdrażaniem zyskownych transakcji handlowych. Omówienie usługi. Part 1 Podstawy Dowiesz się, dlaczego Python jest idealnym narzędziem dla ilościowego handlu Zaczniemy od stworzenia środowiska programistycznego, a następnie zapoznaj się z bibliotekami naukowymi. Część 2 Obsługa danych Dowiedz się, jak pobierać dane z różnych darmowych źródeł, takich jak Yahoo Finance , CBOE i innych witrynach Odczytywanie i zapisywanie wielu formatów danych, w tym plików CSV i Excela. Część 3 Strategie badawcze Dowiedz się, jak obliczyć PL i towarzyszące im parametry wydajności, takie jak Sharpe i Drawdown Tworzenie strategii handlowej i optymalizacja jego działania W tej części omówiono wiele przykładów strategii. Part 4 Żyjemy Ta część jest skupiona wokół Interactive Brokers API Dowiedzesz się, jak uzyskać dane w czasie rzeczywistym i składać zamówienia na żywo. Wiele przykładowych kodów. Materiał kursu składa się z notebooków zawierających tekst wraz z interaktywnym kodem, takim jak ten być w stanie nauczyć się przez interakcję z kodeksem i zmieniać ją według własnego uznania Jest to świetny punkt wyjścia do pisania własnych strategii. Podczas gdy niektóre tematy zostały szczegółowo opisane, aby pomóc zrozumieć podstawowe pojęcia, w większości przypadków wygrałeś t nawet trzeba napisać własny kod niskiego poziomu, ze względu na wsparcie istniejących bibliotek open source Biblioteka TradingWithPython łączy w sobie wiele funkcjonalność omówiona w tym kursie jako gotowe do użycia funkcje i będzie używana podczas całego kursu Pandas zapewni Ci całą siłę podnoszenia ciężaru niezbędną do skracania danych Wszystkie kody są dostarczane na podstawie licencji BSD, zezwalając na jej wykorzystanie w aplikacjach handlowych. Ocena kursu. Pilot kursu odbył się wiosną 2017 r., co studenci mają do powiedzenia. Matej dobrze zaprojektowany kurs i dobry trener Zdecydowanie warte swojej ceny i mojego czasu Lave Jev oczywiście znał jego głębokość zasięg był doskonały Jeśli Jev uruchomi coś takiego, będę pierwszym, który zarejestruje John Phillips Twoje kursy naprawdę mnie skoczy zaczęły rozważać python do analizy systemu zapasów. Trading z Python. I niedawno przeczytałem świetny post przez blog turinginance w jaki sposób być kwantem Krótko mówiąc, opisuje naukowe podejście do opracowywania strategii handlowych Dla mnie osobiście, obserwowanie danych, myślenie o modelach i tworzenie hipotezy jest drugą naturą, tak jak powinna dobrym inżynierem. W tym stanowisku zamierzam zilustrować to podejście, wyraźnie przechodząc przez kilka kroków tylko kilka, a nie wszystkie zaangażowane w opracowanie strategii handlowej. Spróbujmy znaleźć najbardziej popularny instrument handlowy, SP 500 ETF SPY Zacznę od obserwacji. Obserwacje Zdarzyło mi się, że przez większość czasu dużo mówi się w mediach o awarii rynku po dużych stratach w ciągu kilku dni czasy, dość znaczne odbicie czasem czasami następuje W przeszłości popełniłem kilka błędów, zamykając swoje stanowiska, aby wyrównać straty w krótkim czasie, aby nie dostrzegać poprawy sytuacji w następnych dniach. Ogólna teoria Po kolejnych stratach wielu przedsiębiorców zlikwiduje swoje pozycje z obawy przed większą stratą to zachowanie jest regulowane przez strach, a nie na ryzyko obliczone. Inteligentni handlarze przychodzą wtedy na okazje. Hipoteza Dalsze przychody SPY będą wykazywać tendencję wzrostową po kilku kolejnych stratach. Aby przetestować hipotekę tez, ja obliczyłem liczbę kolejnych dni w dół Wszystko pod -0 1 dzień powrotu kwalifikuje się jako dzień down. The serii powrotnych są bliskie losowo, tak jak można by oczekiwać, szanse na 5 lub więcej kolejnych dni są niskie, co powoduje bardzo ograniczoną liczbę zdarzeń Niska liczba zdarzeń doprowadzi do nieprecyzyjnych szacunków statystycznych, więc zatrzymam się na 5. Poniżej jest wizualizacja zwrotów nex-day w funkcji liczby dni w dół. I ve również wykreślono 90 zaufania interwał zwrotów między wierszami Okazuje się, że średni powrót jest dodatnio skorelowany z liczbą dni opóźnionych Potwierdzona hipoteka. Można jednak wyraźnie zauważyć, że ta dodatkowa alfa jest bardzo mała w porównaniu do pasma prawdopodobnych wyników zwrotów, ale nawet niewielka krawędź może być wykorzystana znaleźć korzyść statystyczną i powtórzyć tak często, jak to możliwe Następnym krokiem jest zbadanie, czy ta krawędź może zostać włączona w strategię handlową. Dzięki powyższym danych strategia handlowa może być zbilansowana przez Af ter consectutive 3 lub więcej strat, idź długo Zakończ na następnym bloku. Below jest wynikiem tej strategii w porównaniu do czystego buy-and-hold Nie wygląda to źle Patrząc na współczynniki sharpe strategia osiąga zejście 2 2 w porównaniu z 0 44 dla BH To jest całkiem niezłe, nie bądź zbyt podekscytowany, ponieważ nie uwzględniono kosztów prowizji, poślizgu itp. Gdy strategia powyżej nie jest czymś, co chciałbym handlować ze względu na długi okres czasu, sama teoria prowokuje dalsze myśli, które mogą przynieść coś użytecznego Jeśli ta sama zasada odnosi się do danych śródrocznych, można by zbudować formę skalpowania W powyższym przykładzie uprościłem nieco świat, licząc tylko liczbę dni wolnych, nie zwracając uwagi do głębokości wypłaty Również wycofanie pozycji to tylko podstawowy dzień następny-zamknięcie Jest wiele do ulepszeń, ale istotą moim zdaniem jest to. wysokie zwroty SPY są pod warunkiem, że wypłaty i czas wypłaty w ciągu poprzednich 3 do 5 dni. doświadczony przedsiębiorca wie, jakie zachowanie oczekuje na rynek na podstawie zestawu wskaźników i ich interpretacji. Często dokonuje się tego na podstawie jego pamięci lub innego modelu. Znalezienie dobrego zestawu wskaźników i przetwarzanie ich informacji stwarza duże wyzwanie Po pierwsze, należy zrozumieć, jakie czynniki są powiązane z cenami w przyszłości. Dane, które nie mają jakości predykcyjnej, tylko powodują hałas i złożoność, zmniejszając skuteczność strategii. Znalezienie dobrych wskaźników jest nauką samodzielną, często wymagającą głębszego zrozumienia dynamiki rynku. Projektu strategii nie można łatwo zautomatyzować Szczęśliwie, gdy tylko znajdzie się dobry zestaw wskaźników, pamięć handlową i intuicję można łatwo zastąpić modelem statystycznym, który prawdopodobnie będzie znacznie lepszy, gdy komputery mają bezbłędną pamięć i mogą doskonałe oszacowania statystyczne. W odniesieniu do handlu zmiennością, zajęło mi trochę czasu, aby zrozumieć, co ma wpływ na jego ruchy W szczególności jestem zainteresowany zmiennymi, które przewidują przyszłe zyski z VXX i XIV nie będę tu opisywać pełnej długości wyjaśnienia, ale właśnie przedstawię wniosek, że moje dwa najcenniejsze wskaźniki dla zmienności to termin struktura nachylenia i bieżąca premia z tytułu zmienności Moja definicja z tych dwóch jest. Volatility premia VIX-realizedVol. delta struktury struktury nachylenia VIX-VXV. VIX VXV są 1 i 3 miesięcy implikowane zmienności SP 500 realizowaneVol tutaj jest 10-dniowa zrealizowana zmienność SPY, obliczona z Yang - Formuła delta firmy Zhang była często dyskutowana na blogu VixAndMore, a premia jest dobrze znana z handlu opcjami. Ma sens, aby przejść krótką lotność, gdy premia jest wysoka, a kontrakty terminowe są w kontakcie delta 0 To spowoduje powrót z premii i dziennie roll wzdłuż struktury terminowej w VXX Ale to jest tylko szorstka ocena Dobra strategia handlowa łączy informacje z premii i delta, aby pochodzić z przewidywaniem kierunku obrotu w VXX. I ve starając się przez bardzo długi czas, aby wymyślić dobry sposób na łączenie hałaśliwych danych z obu wskaźników Próbowałem większości standardowych metod, takich jak regresja liniowa, pisanie gigantów, jeśli chodzi o to, ale wszystkie z niewielkimi poprawkami użycie tylko jednego wskaźnika Dobrym przykładem takiej pojedynczej strategii wskaźników z prostymi regułami można znaleźć na blogu TradingTheOdds Nie wygląda źle, ale co można zrobić z wieloma wskaźnikami. Zacznę od niektórych próbek danych VXX, które z MarketSci Pamiętaj, że to są dane symulacyjne, zanim powstanie VXX. Wskaźniki tego samego okresu są wykreślone poniżej. Jeśli weźmiemy pod uwagę jedną z wskaźników premii w tym przypadku i sprecyzujemy ją w przyszłych dochodach VXX, można zobaczyć korelację , ale dane są bardzo hałaśliwe. Wciąż jest jasne, że ujemna premia może mieć pozytywne wyniki VXX w przyszłym dniu Łącząc zarówno premię, jak i delta w jeden model byłem dla mnie wyzwaniem, ale zawsze chciałem zrobić statystykę cal aproksymacja W istocie, dla połączenia delty, premii, chciałbym znaleźć wszystkie historyczne wartości najbliżej aktualnych wartości i oszacować przyszłe zyski na ich podstawie Kilka razy zacząłem pisać własne najbliższe algorytmów interpolacji sąsiednich, ale za każdym razem musiałem zrezygnować, aż natrafiłem na sciik najbliższego regresu sąsiadów. Pozwoliło to szybko zbudować predykat w oparciu o dwa wejścia, a wyniki są tak dobre, że trochę się martwię, że zrobiłem błąd gdzieś. Oto co zrobiłem. Utwórz zestaw danych z delty, premia - VXX następnego dnia wróć do próbki. Przygotuj najbliższy sąsiad w oparciu o zestaw danych powyżej. trade strategię poza próbą z regułami. go długo, jeśli przewiduje się zwrócić 0.go krótki, jeśli przewidywany powrót 0. Strategia nie może być prostsza. Wyniki wydają się bardzo dobre i lepiej, gdy więcej neigborsów są wykorzystywane do szacowania. Pierwsze, z 10 punktami, strategia jest doskonała - próbka, ale jest płaska poza próbką r ed na rysunku poniżej jest ostatnim punktem w próbce. Następnie wydajność jest lepsza z 40 i 80 punktów. W ostatnich dwóch działkach, strategia wydaje się wykonać ten sam i poza próbą Sharpe stosunek jest około 2 3 Bardzo się cieszę z wyników i mam wrażenie, że tylko zarysowałem to, co jest możliwe przy użyciu tej techniki. Poszukiwanie idealnego narzędzia do testów wstecznych moja definicja ideału została opisana we wcześniejszych punktach Dilemmas Backtesting w czymś, co mógłbym użyć od razu Jednak przeanalizowanie dostępnych opcji pomogło mi zrozumieć lepiej to, czego naprawdę chcę Z dostępnych opcji, pybacktest był najbardziej podobały mi się ze względu na prostotę i szybkość Po przejściu przez kod źródłowy , Mam pewne pomysły, aby uprościć i nieco bardziej elegancki Stamtąd był to tylko mały krok do pisania własnego backtestera, który jest teraz dostępny w bibliotece TradingWithPython. Wybrałem podejście, w którym backtester zawiera fu nctionality, które wszystkie strategie handlowania akcji i że często trafia wklejone kopie takie rzeczy jak obliczanie pozycji i pnl, metryki wydajności i tworzenie działek. Strategia specyficznych funkcji, takich jak określenie punktów wejścia i wyjścia powinny być wykonane poza backtester Typowy przepływ pracy będzie znaleźć wpis i wyjść - obliczyć pnl i wykonać wykresy z backtester - dane strategiczne post-process. Teraz ten moduł jest bardzo minimalne przyjrzeć się źródłem tutaj, ale w przyszłości planuję dodać zyski i stop loss-wyjścia i multi - portfele aktywów. Skorzystanie modułu testów wstecznych zostało przedstawione w tym przykładzie notebooka. Zorganizuję moje notebooki IPython, zapisując je w różnych katalogach. Przyczynia się to jednak do niedogodności, ponieważ aby uzyskać dostęp do notebooków, muszę otworzyć terminal i wpisać komputer typu notebook ipython --pylab inline za każdym razem jestem pewien, że zespół ipython rozwiąże to w dłuższej perspektywie, ale w międzyczasie jest dość powolny sposób, aby szybko uzyskać dostęp do notebooków m plik explorer. All jest dodać menu kontekstowe, które uruchamia serwer ipython w pożądanym katalogu. Szybkim sposobem na dodanie elementu kontekstowego jest uruchomienie tego dodatku rejestru UWAGA: patch zakłada, że ​​instalacja python znajduje się w C Anaconda Jeśli nie, musisz otworzyć plik w edytorze tekstowym i ustawić właściwą ścieżkę w ostatniej linii. Instrukcje dotyczące dodawania kluczy rejestru można znaleźć ręcznie na blogu Froliana. Wiele osób uważa, że ​​długotrwałe etapy ale nie w przypadku warunków trenowania, zarówno w górę, jak iw dół. Dźwignia wpływa tylko na najbardziej prawdopodobny wynik, a nie na oczekiwany wynik. Więcej informacji można znaleźć w tym artykule.2017. bardzo dobry rok dla zasobów, które miały tendencję wzrostową przez większą część roku Zobaczmy, co się stanie, gdyby dokładnie kilka lat temu zwiekszyliśmy niektóre uśrednione etfy i zabezpieczyliśmy je swoim benchmarkiem Poznanie ucieleśnionego zachowania etycznego, którego spodziewałbym się t, że wykorzystywane etfy osiągnęły lepsze wyniki niż benchmark, więc strategia, która starała się zyskać z powodu zaniku, straci pieniądze. Biorę pod uwagę te pary. SPO 2 SSO -1 SPY -2 SDS -1 QQQ 2 QLD -1 QQQ -2 QID -1 IYF -2 SKF -1.Each uśredniony etf jest trzymany krótko -1 i zabezpieczony 1x etf Zauważ, że aby zabezpieczyć odwrotną etę, pozycja ujemna jest trzymana w 1x etf. Jest to jeden przykład SPY vs SSO Kiedy normalizujemy ceny do 100 na początku okresu testów wstecznych 250 dni jest oczywiste, że 2x etf przewyższa 1x etf. Now wynik testu wstecznego na pary powyżej. Wszystkie 2x etfs łącznie z odwrotnym przewyższały ich benchmark w ciągu 2017 r. Według oczekiwań, strategia wykorzystująca rozkład beta nie przyniosłaby zysku. Myślę, że grawanie dźwigniowych etfów przeciwko nieużywanym odpowiednikom nie zapewnia żadnej krawędzi, chyba że znasz warunki rynkowe poprzednio tendencję lub zakres. Ale jeśli znasz nadchodzące rynku, jest muc h łatwiejsze sposoby na zyski z tego Niestety, nikt jeszcze nie był naprawdę skuteczny w przewidywaniu reżimu rynkowego na nawet w bardzo krótkim terminie. Pełny kod źródłowy obliczeń jest dostępny dla abonentów Trading With Python kurs 307.Here jest mój strzał w wycenie Twitter Chciałbym zacząć od zastrzeżenia w tej chwili duża część mojego portrolio składa się z krótkiej pozycji TWTR, więc moja opinia jest raczej skośna Dlaczego ja zrobiłem własne analizy jest to, że mój zakład nie działa dobrze , a Twitter zrobił paraboliczny ruch w grudniu 2017 r. Więc pytanie, na które próbuję odpowiedzieć, jest to, że muszę wziąć moją stratę lub trzymać się swoich krótkich szablonów. W chwili pisania TWTR zajmuje około 64 znak, z limitem rynkowym 34 7 B Do tej pory firma nie zarobiła zysków, tracąc 142 mln zł w 3013 r. Po osiągnięciu przychodów w wysokości 534 mln dolarów Ostatnie dwie liczby dają nam roczne wydatki firm na kwotę 676 mln. W efekcie uzyskiwano wartość użytkownika. Twitter można porównać z Facebook, Google i połączone W celu zapoznania się z liczbą użytkowników i ich wartościami Poniższa tabela zawiera podsumowanie liczb użytkowników na firmę i wartość na użytkownika pochodzącą ze źródła liczby użytkowników rynku dla liczby użytkowników Wikipedia, numer Google zależy od liczby unikalnych wyszukiwań. że wycena rynkowa na użytkownika jest bardzo podobna dla wszystkich firm, ale moja osobista opinia jest taka, że. TWTR jest obecnie bardziej wartościowy dla użytkownika niż FB lub LNKD To nie jest logiczne, ponieważ obie konkurenci mają do dyspozycji bardziej wartościowe dane użytkowników. GOOG odniósł znaczące sukcesy w uzyskiwaniu przychodów z reklam przez swoich użytkowników. W tym celu ma zbiór bardzo zróżnicowanych ofert, od wyszukiwarki do Dokumentów Google i Gmaila TWTR nie ma nic podobnego, chociaż jego wartość na użytkownika jest niższa niż 35 Google. TWTR ma ograniczony zasięg, aby rozwijać swoją bazę użytkowników, ponieważ nie oferuje produktów porównywalnych z ofertami FB lub GOOG. TWTR jest już od siedmiu lat, a większość osób, które chcą mieć udział w koncercie, nce Reszta po prostu nie obchodzi. Strona użytkownika TRTR jest niestabilna i prawdopodobnie przeniósł się do następnej gorącej rzeczy, gdy stanie się dostępna. Myślę, że najlepszym odniesieniem byłoby LNKD, które ma stabilną niszę na rynku zawodowym metryczny TWTR zostanie nadmiernie zawyżony Ustawienie wartości dla użytkownika na 100 dla TWTR przyniosłoby uczciwą wartość TWTR wynoszącą 46. Zarobki przyszłych zarobków. Dostępne są wystarczająco dużo danych dotyczących przyszłych zarobków. Jedna z najbardziej użytecznych stron znalazła się tutaj. te liczby, pomijając wydatki firmowe, które zakładam, że pozostaną niezmienne, generują te liczby. W oparciu o dostępne informacje, optymistyczna wycena TWTR powinna wynosić 46-48. Nie ma jasnych powodów, dla których warto handlować wyższym ryzykiem operacyjnym niższe. Domyślam się, że podczas aukcji wystarczająco dużo specjalistów dokonało przeglądu ceny, ustalając ją na uczciwym poziomie cen Co się stało dalej było irracjonalnym ruchem na rynku nieuzasadnione nowymi informacjami Wystarczy spojrzeć na wzburzone szaleństwo na zapasach z ludźmi, którzy twierdzą, że ten ptak leci do 100 Czyste emocje, które nigdy się nie sprawdza dobrze. Jedyne, co mnie teraz spoczywa, to umieścić moje pieniądze tam, gdzie mam usta i trzymać się szorty Czas pokaże. Shorting krótkoterminowej zmienności i VXX może wydawać się świetnym pomysłem, gdy patrzysz na wykres z dość dużej odległości Z powodu contango w kontrakty futures, etn doświadczeń dość trochę wiatr przez większość czasu i traci trochę jej wartość każdego dnia To dzieje się dzięki codziennemu wyrównywaniu, aby uzyskać więcej informacji, spójrz na perspektywę W idealnym świecie, jeśli utrzyma się to wystarczająco długo, gwarantuje się zyski wygenerowane przez zepsucie czasu na kontrakty terminowe i etnowe, ale w krótkim okresie , musisz przejść przez kilka bardzo ciężkich drawdowns Wystarczy spojrzeć wstecz na lato 2017 byłem nieszczęśliwy lub głupi, aby trzymać krótkie stanowisko VXX tuż przed VIX poszedł prawie się blown moje konto, a następnie 80 drawdown w ju na kilka dni, w wyniku groźby zadzwonienia margines przez mojego maklera Margin call oznaczałoby zarobienie strat To nie jest sytuacja, w jakiej chciałbym być w znowu wiedziałem, że nie byłoby łatwo trzymać głowę przez cały czas, ale przeżycie stresu i nacisku na sytuację było czymś innym Na szczęście wiedziałem, jak VXX ma tendencję do zachowywania się, więc nie panikowałem, ale przestawiłem się na XIV, aby uniknąć rozmowy na marginesie Historia kończy się dobrze, 8 miesięcy później mój portfel wrócił z siły i nauczyłem się bardzo cennej lekcji. Na początek słowo ostrzeżenia tutaj nie handlu wahań, chyba że wiesz dokładnie, ile masz ryzyka biorąc po tym spojrzeć na strategię minimalizującą niektóre z ryzyk przez zwarcie VXX tylko wtedy, gdy jest to odpowiednie. Strategia teza VXX doświadcza najbardziej przeciągnij, gdy krzywa futures jest w stożku contango krzywej kontraktacji futures jest zbliżona przez związek VIX-VXV Krótko VXX, gdy VXV ma wyjątkowo wysoką premię nad VIX. First , weźmy a spójrz na relację VIX-VXV. Wykres powyżej pokazuje dane VIX-VXV od stycznia 2017 Punkty danych z ubiegłego roku są wyświetlane na czerwono Wybrano opcję kwadratowego dopasowania między tymi dwoma, przybliżając VXV f VIX f VIX jest wykreślany jako niebieska linia Wartości nad linią przedstawiają sytuację, gdy kontrakty futures są silniejsze niż normalnie contango Teraz definiuję wskaźnik delta, czyli odchylenie od dopasowanej delta VXV-f VIX Teraz przyjrzyjmy się cenie VXX wzdłuż z delta. Jedna cena VXX w skali logarytmy poniżej delta Zielone znaczniki indicat delta 0 czerwone znaczniki delta 0 Jest oczywiste, że zielone obszary odpowiadają negatywnym zwrotom w VXX. Let s symulować strategię z tymi założeniami. Short VXX gdy delta 0.Stop kapitału stały na każdy dzień to 100.Nie poślizgnięcia się lub koszty transakcji. Ta strategia jest porównywana z tym, że transakcje krótko każdego dnia, ale nie uwzględnia delta. Lista zielona linia reprezentuje naszą krótką strategię VXX, niebieska linia jest głupi. Sharpe z 1 9 dla prostej strategii na koniec dnia nie jest wcale wcale moim zdaniem, ale jeszcze ważniejsze jest to, że wyeliminowanie śladów jelita grubego jest w dużej mierze unikało się, zwracając uwagę na krzywą kontraktów futures terminowych. będzie omawiany podczas nadchodzącego kursu Trading With Python. Wysokość składnika aktywów lub ETF jest oczywiście najlepszym wskaźnikiem, ale niestety jest tylko tak wiele informacji zawartych w nim Niektórzy ludzie zdają się sądzić, że im więcej wskaźników rsi, macd, ruchome przecięcie średnie itp., tym lepiej, ale jeśli wszystkie z nich opierają się na tej samej podstawowej serii cen, wszystkie będą zawierały podgrupę tych samych ograniczonych informacji zawartych w cenie Potrzebujemy więcej informacji dodatkowych do tego, co zawiera cenę uczynić bardziej świadomym przypuszczeniem o tym, co się stanie w najbliższej przyszłości Doskonały przykład łączenia wszelkiego rodzaju informacji ze sprytną analizą można znaleźć na stronie "Krótka strona Long" "Produkcja tego rodzaju analizy wymagać dużo pracy, dla których po prostu nie mam czasu, bo tylko handlować w niepełnym wymiarze Więc zbudowałem własny panel na rynku, który automatycznie zbiera informacje dla mnie i prezentuje je w łatwo strawnej formie W tym poście mam zamiar aby pokazać, jak zbudować wskaźnik oparty na danych o krótkich danych Ten post ilustruje proces zbierania i przetwarzania danych. Step 1 Znajdź źródło danych BATS wymieniaje dane dzienne woluminu za darmo na ich stronie. Step 2 Uzyskaj dane ręcznie skontroluj Krótkie dane dotyczące woluminu wymiany BATS znajduje się w pliku tekstowym, który jest zapinany Każdego dnia ma swój własny plik zip Po pobraniu i rozpakowaniu pliku txt, jest to, co jest wewnątrz kilku pierwszych wierszy. W sumie plik zawiera około 6000 symboli Te dane potrzebują dość niektóre czynności, zanim będzie można przedstawić w sposób znaczący. Krok 3 Automatyczne pobieranie danych To, co naprawdę chcę, to nie tylko dane na jeden dzień, ale w ciągu kilku ostatnich lat w stosunku do krótkiej objętości do całkowitej objętości, a ja naprawdę nie fa Węgiel, jak pobieranie 500 plików zip i kopiowanie ich w programie excel Szczęśliwie, pełna automatyzacja to tylko kilka linii kodu Najpierw należy dynamicznie utworzyć adres URL, z którego plik zostanie pobrany. Teraz możemy pobrać wiele plików naraz. Brok 4 Parse pobranych plików. Za pomocą bibliotek zip i pandów można analizować pojedynczy plik. Nie zwraca stosunek woluminu całkowitego woluminu dla wszystkich symboli w pliku zip. Krok 5 Utwórz wykres Teraz jedyną rzeczą, która ma zostawić analizę pobranych plików i połączyć je z pojedynczą tabelą i wydrukować wynik. Na powyższym rysunku wykreślałem średni krótki stosunek objętościowy w ciągu ostatnich dwóch lat również mógłbym skorzystać z podzbioru symboli, jeśli chciałbym przyjrzeć się konkretnemu sektor lub magazyn Szybkie spojrzenie na dane dało mi wrażenie, że wysokie krótkotrwałe wskaźniki zwykle odpowiadają rynkom na dnie i małymi wskaźnikami wydają się być dobrymi punktami wejścia do długiej pozycji. Zacznij od tego, ten krótkotrwały stosunek może być wykorzystany jako podstawa dla s trategy development. Trading Z kursem Python. Jeśli jesteś przedsiębiorcą lub inwestorem i chciałbyś nabyć zestaw ilościowych umiejętności handlowych, które możesz rozważyć przy zakupie Trading With Python Kurs online zapewni Ci najlepsze narzędzia i praktyki ilościowe badania handlowe, w tym funkcje i skrypty napisane przez ekspertów ilościowych ekspertów Dowiesz się, jak uzyskać i przetworzyć niewiarygodne ilości danych, strategii projektowania i analizy wyników oraz analizować wyniki handlowe W ten sposób możesz podejmować świadome decyzje, które są kluczowe dla sukcesu handlowców Kliknij tutaj, aby kontynuuj kurs handlu z kursem Python. Nazywam się Jev Kuznetsov, w ciągu dnia jestem inżynierem badawczym firmy, która zajmuje się drukarstwem. Pozostała część czasu zajmuje się handlem. Studiowałem fizykę stosowaną w specjalizacji w rozpoznawaniu wzorców i sztucznej inteligencji Moje codzienne prace obejmują wszystko od szybkiego algorytmowania w języku Matlab i innych językach do h ardware projektowanie programowania. Naj 2009 roku wykorzystywałem moje umiejętności techniczne na rynkach finansowych Zanim doszedłem do wniosku, że Python jest najlepszym narzędziem, pracowałem w Matlab, który jest na moim innym blogu. Możesz do mnie dojechać.