Python im algorithmischen Handel - Seite 12

Neuer Kommentar
 

PYTHON TRADING BOT #3 - MetaTrader 5, Daten zum Backtesting des Handels



BOT DE TRADING PYTHON #3 – Metatrader 5, Daten für das Backtesting des Handels

In diesem Videoabschnitt hebt der Moderator die Nützlichkeit der Funktion von MetaTrader 5 hervor, die es Benutzern ermöglicht, Tick-Daten aus einem bestimmten Datumsbereich für Backtesting-Zwecke zu speichern. Er betont, wie wichtig es ist, über reichlich historische Daten zu verfügen, um präzise Handelsalgorithmen zu entwickeln, und empfiehlt, die Daten als CSV-Datei zu exportieren, um sie in Python zu laden, um Handelsmodelle zu erstellen. Er prognostiziert auch, dass diese Funktion aufgrund des zunehmenden Einsatzes von Bots und KI im Handel möglicherweise nicht mehr kostenlos ist. Der Moderator ermutigt die Zuschauer, diese Funktion zu nutzen und weiteres Interesse auf seine Website zu lenken, wenn sie Interesse an Handel und Kryptowährungen haben.

 

PYTHON TRADING BOT #4 – MetaTrader 5 und Python



BOT DE TRADING PYTHON #4 – MetaTrader 5 und Python

Dieses Video erklärt, wie man MetaTrader 5 mit Python verwendet und ein Login erstellt. Das Publikum muss zuerst das MetaTrader 5-Paket für Python installieren, und der YouTuber demonstriert, wie Bibliotheken importiert werden, indem er einen Beispielcode bereitstellt. Er erwähnt auch, dass es viele Ressourcen zum Erstellen von MetaTrader 5-Bots mit Python gibt. Das Video schließt mit einer Empfehlung, die Website des YouTubers für preiswerte und nützliche Handelsmaterialien zu besuchen.

 

PYTHON TRADING BOT #5 - Abrufen von Tick-Preisen



BOT DE TRADING PYTHON #5 - Obteniendo-Ticks (Precios)

Das Video-Tutorial zeigt zwei Möglichkeiten, Ticks (Preise) von der MetaTrader 5-Handelsanwendung mit Python zu erhalten. Die erste Methode beinhaltet die Verwendung der Funktion symbolinfo.tick, die den aktuellen Preis eines Marktes mit der Option zurückgibt, den Bid- oder Ask-Tick zu wählen. Die zweite Methode ist etwas komplexer und umfasst die Funktion copyticksrange und die datetime-Bibliothek, um Tickdaten von einem bestimmten Datum bis zur aktuellen Uhrzeit abzurufen. Das Tutorial enthält ein Diagramm mit Tick-Daten, die alle 15 Minuten gesammelt werden, und zeigt, wie man es mit einem echten Diagramm vergleicht, um die Genauigkeit sicherzustellen. Schließlich wirbt das Video für eine Website, die erschwingliche und nützliche Handelsdokumente für diejenigen bietet, die sich für den Handel mit Kryptowährungen interessieren.

 

PYTHON TRADING BOT #6 - Eröffnen und ändern Sie Trades


BOT DE TRADING PYTHON #6 - Abgekürzte und modifizierte Operationen

Dieser Abschnitt des Video-Tutorials zum Handel mit Bots mit Python behandelt den Prozess des Öffnens und Änderns von Operationen mit Python. Der Präsentator gibt Anleitungen zum Definieren eines Kaufs zum Eröffnen eines Geschäfts durch eine Schritt-für-Schritt-Anleitung unter Verwendung eines Wörterbuchs und einer Bestellsendefunktion. Andere Faktoren, die das Wörterbuch abdecken sollte, sind die Art des Trades, Stop-Loss- und Take-Profit-Werte. Es wird angeregt, die Wirtschaftlichkeit des Handels anhand eines geringen Volumens zu prüfen. Darüber hinaus erklärt der Moderator die Verwendung der Symbol-Info-Funktion zum Abrufen des Marktpreises und Punktes. In ähnlicher Weise demonstriert das Video die Änderung offener Trades über die Auftragssendefunktion, beginnend mit dem Erwerb der Ticketnummer durch eine integrierte Funktion namens „Positions Get“. Ein Wörterbuchformat kann verwendet werden, um die Stop-Loss- und Take-Profit-Werte zu ändern, wobei der "Position"-Schlüssel den Wert der Ticketnummer enthält. Der Moderator schließt mit der Empfehlung einer erschwinglichen und nützlichen Webseite für Handelsdokumente ab.

  • 00:00:00 In diesem Abschnitt des Videos erklärt der Moderator, wie Operationen mit Python geöffnet und geändert werden. Der Präsentator bietet eine Schritt-für-Schritt-Anleitung zum Öffnen eines Vorgangs durch Definieren eines Kaufs mithilfe eines Wörterbuchs und Verwenden der Bestellsendefunktion mit diesem Wörterbuch als Argument. Das Wörterbuch sollte Informationen wie das Marktsymbol, das Volumen (das den für die Operation verwendeten Geldbetrag darstellt), die Auftragsart und die Stop-Loss- und Take-Profit-Werte enthalten. Der Moderator rät zur Verwendung eines geringen Volumens und erklärt kurz, wie Stop-Loss und Take-Profit funktionieren. Der Moderator erklärt auch, wie Sie den Marktpreis und den Punkt mithilfe der Symbol-Info-Funktion erhalten. Schließlich empfiehlt der Moderator, eine Webseite zu besuchen, um auf alle Fehlercodes zuzugreifen, die sich auf den Gefühlstyp im Bestellwörterbuch beziehen.

  • 00:05:00 In diesem Abschnitt erklärt das Video, wie man einen offenen Handel mit einer Funktion namens „Auftrag senden“ ändert. Der erste Schritt besteht darin, die Ticketnummer des offenen Trades mithilfe einer integrierten Funktion namens „Positions Get“ zu erhalten. Sobald die Ticketnummer erhalten wurde, kann der Benutzer die Stop-Loss- oder Take-Profit-Werte unter Verwendung eines Wörterbuchformats ändern. Wichtig ist, dass der „Position“-Schlüssel mit dem Wert der Ticketnummer im Lexikon vorhanden ist. Diese Methode kann sowohl auf Kauf- als auch auf Verkaufsgeschäfte angewendet werden. Das Video endet mit einer Website-Empfehlung für erschwingliche und hilfreiche Handelsmaterialien.
 

PYTHON TRADING BOT #7 - Trailing-Stop


BOT DE TRADING PYTHON #7 - Trailing-Stop

In diesem Video erklärt der Moderator, wie man einen Handelsstopp in Python programmiert, da dies in MetaTrader 5 nicht automatisch möglich ist. Er zeigt, wie man den Stop-Loss manuell setzt, um den Verlust zu minimieren, wenn der Preis fällt, und einen Gewinn sicherzustellen, wenn der Preis fällt steigt, anhand eines einfachen Beispiels auf einem Kursdiagramm. Der Moderator gibt eine Schritt-für-Schritt-Anleitung und einen Code auf dem Bildschirm und schlägt vor, seine Website für hilfreiche Handelsdokumente zu besuchen.

 

PYTHON TRADING BOT #8 – Generieren von Daten für die KI



BOT DE TRADING PYTHON #8 - Generando data para la IA

In diesem Video demonstriert der Moderator, wie man Backtesting-Daten generiert, um einen erfolgreichen künstlichen Intelligenzalgorithmus für den Handel mit Skripten und Kryptowährungen zu erstellen. Sie schlagen vor, eine kleine Datei zum Generieren von Daten zu verwenden und das Format der Datei zu patchen, bevor verschiedene Attribute wie Handelstyp, Gewinn, Erfolgsrate, Steigung und Indikatoren generiert werden. Sie erklären auch, wie man die Herausforderung des wiederholten Öffnens und Durchsuchens der Datendatei überwindet, indem man die Mining-Datei im Binärmodus öffnet. Darüber hinaus betonen sie, wie wichtig es ist, Werte von Indikatoren zu speichern, wenn die KI für einen effektiven Handel trainiert wird.

  • 00:00:00 In diesem Abschnitt demonstriert der YouTuber, wie man Backtesting-Daten generiert, die für die Erstellung eines effektiven Algorithmus für künstliche Intelligenz unerlässlich sind. Er empfiehlt die Verwendung einer kleinen Datei zum Generieren von Daten, da die Verwendung größerer Dateien mühsam sein kann. Um Backtesting-Daten zu generieren, patcht er das Format der Dateien und generiert dann verschiedene Attribute, um die KI zu trainieren, wie z. B. Handelstyp, Gewinn, Erfolgsrate, Steigung und Indikatoren. Der Algorithmus von YouTuber simuliert den Handel, während er die Variablen und Indikatoren für jede Zeile der Datei lädt, und testet dann, ob ein Handel durchgeführt werden kann oder nicht, und überprüft das erfolgreiche oder fehlgeschlagene Ergebnis des Handels. Einer der Fehler des YouTubers besteht darin, die Werte der Indikatoren nicht zu speichern, was seiner Meinung nach ein wichtiges Attribut für das Training der KI ist.

  • 00:05:00 In diesem Abschnitt des Videos spricht der Moderator über ein Problem, mit dem er konfrontiert war, als er überprüfte, ob eine Operation in seiner Data-Mining-Datei erfolgreich war. Sie stellten fest, dass sie die Datei immer wieder öffnen und durchsuchen mussten, was ineffizient war. Um diese Herausforderung zu bewältigen, schlagen sie vor, die Mining-Datei im Binärmodus zu öffnen, wodurch sie direkt zu der zu überprüfenden Zeile wechseln können. Sie erklären, dass ein leistungsstarker Computer mit viel RAM zwar eine schnelle und einfache Lösung ermöglichen könnte, dies jedoch nicht immer machbar ist. Der Moderator teilt mit, dass das Training einer effektiven KI das Speichern vieler Attribute erfordert und dass es zwar Fehler geben kann, es aber möglich ist, einfache Lösungen zu finden.
 

PYTHON TRADING BOT #9 – Erstellen einer KI



BOT DE TRADING PYTHON #9 - Creando una IA

In diesem Video demonstriert der Host, wie man eine KI mit Daten aus dem vorherigen Video trainiert, indem er ein Jupyter-Notebook verwendet, um die Ausgabe und die Skyler-Bibliothek zu visualisieren, um einen Entscheidungsbaum und ein neuronales Netzwerk zu erstellen. Grafiken und Histogramme werden erstellt, um erfolgreiche und fehlgeschlagene Operationen visuell zu klassifizieren. Zur Klassifizierung der Daten werden verschiedene KI-Modelle verwendet, und der Host empfiehlt, eine kleine Datei mit Schleifen zu erstellen, um die beste Konfiguration für das Modell mit der höchsten Punktzahl zu finden. Er empfiehlt, beim Erstellen eines Modells eine ungerade Anzahl von Entscheidungsbäumen zu verwenden, um bessere Ergebnisse zu erzielen, und teilt eine Genauigkeitsrate von 64 % seines Modells. Zuschauer werden ermutigt, die Sky Learn-Website zu besuchen, um mehr über Entscheidungsbäume, Wälder und neuronale Netze zu erfahren, das Video zu mögen, zu abonnieren und zu teilen, und die Website des Hosts zu besuchen, um erschwingliche Handels- und kryptowährungsbezogene Dokumente zu erwerben.

  • 00:00:00 In diesem Abschnitt des Videos erklärt der Moderator, wie man eine künstliche Intelligenz mit den im vorherigen Video generierten Daten trainiert. Der Host verwendet ein Jupyter-Notebook, um die Ausgabe verschiedener Testfälle zu visualisieren, und eine Skyler-Bibliothek, die mit künstlicher Intelligenz verbunden ist, um einen Entscheidungsbaum und ein neuronales Netzwerk zu erstellen. Die Daten werden über eine Funktion an Pandas übergeben, und der Datenrahmen wird verwendet, um die Lasttypen jeder Attributspalte zu definieren. Der Host teilt dann mit, wie Diagramme und Histogramme erstellt werden, um die erfolgreichen und fehlgeschlagenen Operationen visuell zu klassifizieren. Schließlich werden verschiedene KI-Modelle verwendet, um die Daten zu klassifizieren, und der Host empfiehlt, eine kleine Datei mit Schleifen zu erstellen, um die beste Konfiguration für das Modell mit der höchsten Punktzahl zu finden.

  • 00:05:00 In diesem Abschnitt empfiehlt der Referent, beim Erstellen eines Modells eine ungerade Anzahl von Entscheidungsbäumen zu verwenden, um bessere Ergebnisse zu erzielen. Er enthüllt auch, dass das von ihm erstellte Modell eine Genauigkeitsrate von 64 % hat, was nur 1 % niedriger ist als bei einem anderen ähnlichen Modell. Um denjenigen zu helfen, die mit Entscheidungsbäumen, Wäldern und neuronalen Netzen nicht vertraut sind, empfiehlt er den Besuch der Sky Learn-Website, die eine großartige Ressource zum Lernen über diese Themen ist.
 

HANDELSKERZEN IN PYTHON



VELAS DE TRADING EN PYTHON

Der Autor erklärt, wie man Handelsdaten von MetaTrader 5 erhält und sie mit Python in Kerzen umwandelt. Er zeigt zunächst, wie man Tick-Daten von einem bestimmten Markt auf MT5 erhalten und in eine CSV-Datei exportieren kann. Anschließend demonstriert er, wie er einen einfachen Algorithmus verwendet, um die Tick-Daten in Kerzen mit unterschiedlichen Zeiträumen umzuwandeln – 15 Minuten, 1 Minute, 30 Sekunden usw. –, die in einem Pandas DataFrame gespeichert werden. Der YouTuber betont die Bedeutung eines DataFrames mit einer „Close“-Spalte, da dies dem Benutzer ermöglicht, technische Indikatoren mit Hilfe der TA-Lib-Bibliothek in Python zu laden. Das Video ist Teil einer Serie, in der er lehrt, wie man Pandas und andere Bibliotheken für Handelsanalysen verwendet.

 

MACD IN PYTHON - TECHNISCHE ANALYSEBIBLIOTHEK



MACD EN PYTHON - TECHNISCHE ANALYSEBIBLIOTHEK

Das Video zeigt ein Tutorial zum Laden von MACD-Werten in Python mithilfe der technischen Analysebibliothek, mit Schwerpunkt auf der Generierung dieser Werte aus einer vorhandenen Datendatei mit einer geschlossenen Spalte. Das Video demonstriert auch die Installation der technischen Analysebibliothek und die Berechnung der MACD- und Signallinienwerte mit einem Objektkonstruktor aus der Bibliothek. Abschließend zeigt der Referent das Plotten der resultierenden Werte mit der Matplotlib-Bibliothek. Abschließend bietet das Video eine umfassende Anleitung zum Laden von MACD-Werten in Python mithilfe der technischen Analysebibliothek.

 

RSI IN PYTHON - BIBLIOTHEK FÜR TECHNISCHE ANALISYS



RSI EN PYTHON - TECHNISCHE ANALISYS-BIBLIOTHEK

In diesem Video erklärt der Referent den Vorgang zum Laden des RS-Indikators in Python mithilfe der TIA-Bibliothek. Die beteiligten Schritte umfassen das Definieren eines Datenrahmens, der die Spalte enthält, in die der Indikator geladen werden soll, das Importieren der TIA-Bibliothek, das Erstellen eines Objekts mit der Konstruktorfunktion des RS-Indikators und das Aufrufen der RS-Indikatormethode zum Erstellen eines Datenrahmens mit den RS-Indikatorinformationen. Das Video zeigt, wie die RS-Indikatordaten mit echten Marktdaten verglichen werden, um die Genauigkeit der Implementierung sicherzustellen. Zusammenfassend bietet der Referent einen einfachen Ansatz, der zum Laden des RS-Indikators in Python befolgt werden kann.

1...5678910111213141516171819...24
Neuer Kommentar
Grund der Beschwerde: