为MT制作一个Python交易系统。 - 页 4

[Yuriy Asaulenko]

现在一切都准备好了，是时候将我们的Python TS与MT终端连接起来了。然而，为了做到这一点，需要采取一些行动。

我们未来的TC读取并将文件写入C:\PyTS文件夹，但MT终端在MQ的某种未知的心血来潮下，只能读写文件到它自己的目录--C:\<大量字母和数字>\Files，而没有其他方式。当然，你可以在Python代码中改变设置，让它交换到本地的MQ文件夹，但我需要终端从那里读写文件，到我想要的地方，而不是到它，终端想要的地方。越是这样，将来就越有必要。

实际上，这个问题在几年前就已经解决了，在我的话题--https://www.mql5.com/ru/forum/79922。

一切都可以用Windows工具解决。在终端文件夹C:\<很多字母和数字>\Files中，你把对文件夹C:\PyTS的引用，被终端（也包括操作系统）解释为子文件夹Files\PyTS，终端在那里写，在C:\PyTS中，就像在它的本地文件夹中）。

这是在命令行下进行的，使用本地Windows MKLINK工具。对于那些不能自己动手的人，这里有一个详细的描述。

输入execute - cmd，或者从菜单中输入 - Utilities-Windows -> Command Prompt。你会得到一个窗口，输入MKLINK或mklink。在这里，我们有。

现在输入cd......几次，直到进入C:\的位置。

然后打开Windows资源管理器，进入C:/<很多字母和数字>/Files，即终端放置文件的地方，选择并复制路径到文件夹Ctrl-Ins。

回到命令提示符窗口，在那里写cd<空格>，用Shift-Ins粘贴路径到...。\Files, and Enter.我们明白了。

现在我们在命令行中写下 - mklink /D PyTS c:\PyTS ，然后像往常一样 - Enter。在这里，我们得到了它。

我们看到，一个链接已经被创建。我们看到它出现在......\Files文件夹中，我们访问它 - 我们看到文件在C:\PyTS文件夹中。))就这样了。

现在，所有由终端写入文件夹...Files\PyTS的文件实际上都会被写入文件夹C:\PyTS。

.

[Yuriy Asaulenko]

所以，我们已经完成了文件共享的工作。一切正常，所有来源都在附件中。其他一切，以及从Python到MT的反向转移，都是以同样的方式进行的，我希望不会造成任何问题。要运行，请阅读并执行我之前的帖子。没有其他办法）。

MQL代码也在附件中。- MQL读取历史记录，并将其传递给Python应用程序。Python接受它并打印出来。在Python中不要忘记按 "开始 "按钮。)

我希望没有必要在MQL代码上写评论--有一个参考）。是的，MT的数据传输是通过定时器完成的，对我来说，在这个阶段更方便。

如果你有任何问题，请不要犹豫，请致电）。

我将暂时暂停--现在我们需要用战略来解决问题。如果你有任何建议--我们会考虑）。

再次，文件共享是策略 开发和调试的理想选择，因为它不需要努力去修改。对于大多数现实世界的战略来说，它仍然是合适的。但是，如果需要，我们总是可以用其他东西代替它，而不需要对程序进行任何重大改变--1-2天的事。

[Yuriy Asaulenko]

我不保证经常写，只在我得到时写。这个项目是在后台进行的，没有任何喧嚣，在我的业余时间。

认为系统显示图表是件好事

一般来说，Python是一种简单的语言--用几天时间来学习它就足够了。但处理模块就难多了--有成千上万的模块，谁做什么，为什么做，并不总是显而易见的。 对于图形，就是这样--我不得不花很长时间来整理它。但结果是这样的。

该程序读取一个CSV文件并绘制图表。

该图显示了按收盘价计算的价格，大约有5万个烛台。

如果你点击放大镜，在图表区域选择一个矩形，像这样。

你可以放大图表，你就会明白。

这可以反复进行。该图表还可以移动并保存为图片，当然也可以扩展为全屏。

你需要的所有文件都在该应用程序中。解压缩到某个文件夹并运行CSVGraph.py

在运行它之前，别忘了检查你要导入的模块是否已经安装。

[Vladimir Perervenko]

作为Python的练习，也许。但从实际的角度来看，它没有什么用处+浪费了时间。当然，每个人都有自己的方式。祝好运

[Yuriy Asaulenko]

让我们把这些愚蠢的事情留给邻居和业余的传声筒，但让我们自己总结一下初步结果。

如果你已经熟悉了这个主题 如果你是一个专家，你已经知道一些Python，你知道如何处理CSV文件，你知道如何建立图表和与终端交换数据。这已经足够开发、模拟和测试交易策略。如果你的策略在TF 1分钟或更长的时间内工作，不使用ticks，并以5-10秒的间隔访问终端，你可能已经在Phyton中直接创建工作策略，只留下数据的传递和订单的 "执行 "给终端。

此外，你已经了解了编程和Phyton环境，其水平超过了机器学习的本地辩护人中非常流行的语言和环境R。你已经能够在Python中建立甚至非常复杂的指标策略，但Python的所有功能（类似于R）都可以用模块来实现。在本专题中，我们只使用了3个模块--tkinter、numpy和matplotlib。

现在，Python需要的是建立更高级的策略，比如说使用机器学习。-scikit-learn模块可用于此。随着scikit-learn 的使用，以下功能变得可用 -用户指南。你喜欢这套方法吗？- 它已经有了几乎所有的东西，包括不陌生的R和机器学习主题，从贝叶斯分类到随机森林和神经网络。

这只是Python中的机器学习模块之一，大约有十几个模块。据说scikit-learn 模块不是其中最好的，也不是最先进的。这取决于谁需要什么。其他的在互联网上不难找到。

PS 对于那些开始或刚开始接触Python的人。

我试过几个Python开发环境，最后停在了对初学者（包括我自己）最方便的地方--Anaconda。它的方便之处在于，我需要的所有东西都已经安装好了，包括Python。我使用Spyder 编辑器--与Anaconda 一起安装。 我也建议你安装VSCode编辑器--也非常好，直接从Anaconda 安装。

你可能对我的选择不满意。

[Yuriy Asaulenko]

经过4页的主题，我们终于准备好继续讨论已经陈述的内容--Python中的策略。一切都已经做好了。

我们将从一个简单的策略开始--在EMA交叉点上进行交易，可能还要进行修改。

当我掌握神经网络（NS）时，我从一个简单的任务开始--NS应该识别EMA的交叉点。从实际的角度来看，这项任务绝对是无用的，但它使我们能够确定如何为NS提供市场数据，如何准备，并解决了许多培训问题。

现在我们的任务根本不是为了盈利，甚至不是为了与终端沟通--这很简单，但如果没有一个盈利的策略，就毫无意义。我们现在的任务是创建一个策略模板，并学习如何测试它，任何策略都可以。然后将任何策略放入模板并进行测试，如果成功，我们就可以通过终端开始交易。

所需的指标都已准备就绪。请看用Python制作的图（在Python中，绘制各种图表是非常方便和快捷的）。这是对单一跳跃的反应--1(t)，或过渡函数。实际上，是标准测试之一。

fm是传统的移动平均线（仅用于校准），f1是EMA，有一个修改的系数计算，f2是一个非标准的指标。

然而，正如我们共同的熟人常说的那样。

Igor Makanu:

我已经说过一百万次了，我可能还会说......没有人发明了比MT供应的指标更好的东西（标准......所以说古老的斯拉夫指标......异教徒！！！）。

因此，为了不用科学来愚弄你的脑袋，你将得到标准的EMA和策略来源。然而，我将在我的指标上制作并测试该策略。也许，我将隐藏一些其他的东西，以避免被人窥视，但不损失功能。

但是，这并不是为了EMBA的跨越，而是为了这一切。这一切的目标是机器学习策略。到目前为止，我正在测试不同的分类方法。这里是测试结果。

到目前为止，高斯、RBF SVM、神经网络和天真贝叶斯分类法都处于领先地位。Python程序已经准备好了，在互联网上的某个地方可以找到，但数据的准备工作要由用户来做。

我们走吧。

[Sergey Chalyshev]

Yuriy Asaulenko:

经过4页的主题，我们终于准备好继续讨论已经陈述的内容--Python中的策略。一切都已经为此做好了准备。

我们将从一个简单的策略开始--在EMA交叉点上进行交易，可能还要进行修改。

当我掌握神经网络（NS）时，我从一个简单的任务开始--NS应该识别EMA的交叉点。从实际的角度来看，这项任务绝对是无用的，但它使我们能够确定如何为NS提供市场数据，如何准备它并解决许多训练问题。

现在我们的任务根本不是为了盈利，甚至不是为了与终端沟通--这很简单，但如果没有一个盈利的策略，就毫无意义。我们现在的任务是创建一个策略模板，并学习如何测试它，任何策略都可以。然后将任何策略放入模板并进行测试，如果成功，我们就可以通过终端开始交易。

所需的指标都已准备就绪。请看用Python制作的图（在Python中，绘制各种图表是非常方便和快捷的）。这是对单一跳跃的反应--1(t)，或过渡函数。实际上，是标准测试之一。

fm是传统的移动平均线（仅用于校准），f1是EMA，有一个修改的系数计算，f2是一个非标准的指标。

然而，正如我们共同的熟人常说的那样。

因此，为了避免用科学愚弄你的脑袋，你将得到标准的EMA和策略的来源。然而，我将在我的指标上制作并测试该策略。也许，我将隐藏一些其他的东西，以避免被人窥视，但不损失功能。

但是，这并不是为了EMBA的跨越，而是为了这一切。这一切的目标是机器学习策略。到目前为止，我正在测试不同的分类方法。这里是测试结果。

到目前为止，高斯、RBF SVM、神经网络和天真贝叶斯分类法都处于领先地位。Python程序已经准备好了，在互联网上的某个地方可以找到，但数据的准备工作要由用户来做。

我们走吧。

他们改用神经网络真是太可惜了。但主要是非常有用，我想它会派上用场。

关于交易、自动交易系统和策略测试的论坛

机器学习机器人

Yuriy Asaulenko, 2018.09.21 00:45

他们不会。他们所做的最大限度与以前一样。

[Yuriy Asaulenko]

Sergey Chalyshev:

他们改用神经网络真是太可惜了。但主要是非常有用，我想它会派上用场。

在这个问题上，没有计划改用NS和其他国防部的方法。至少现在是这样）。我们将拭目以待。

这里所做的是一个Python系统模板。这个模板的具体填写是具体用户的事。

好吧，为了显示Python库的能力，我想，这不是多余的。

[Yuriy Asaulenko]

PS 是的，我没有说，我将为FORTS（MOEX）做所有的策略。我不玩外汇OC。

[Yuriy Asaulenko]

让我们继续进行我们的游戏。到今天为止，我们已经准备好了，并且正在运作。

1.策略测试员。

2.战略模板。

3.一个简单的EMA交叉策略被放在模板中。

当程序启动时，策略被测试，所有交易的报告被保存在CSV文件中，利润图显示在控制台，可以保存在磁盘上--见图。

测试是使用SBER MOEX期货，3M区间，1M时间框架，总共约55000根蜡烛。策略中只使用了收盘的蜡烛图。测试的时间是~1分钟，从程序开始。这大约是每支蜡烛1毫秒。

一个包含所有必要程序文件的文件夹，包括SBER期货的历史记录，附在后面。

要运行该程序--运行main.py文件。在运行之前，确保你的Python安装了所有必要的包和模块。如果你在Anaconda中运行，所有需要的包-模块都已经安装了。

基本上，把你的策略写进模板，然后进行测试。

现在，我如何想象这项技术的应用。

决定在Python平台上翻译使用神经网络的成熟策略，也许会有一个小小的升级。有了它，就可以用最少的费用掌握Python中可用的ML技术的应用，将系统连接到终端并开始直接操作。对我来说，主要的交易平台是MOEX，外汇是辅助性的，所以在可预见的未来，不打算将系统连接到MT终端，尽管在主题开始时，它被假设为测试的一个选项。

然而，论坛上有足够多的专家，如果他们愿意，可以做到这一点。此外，C API Python比相同R的C API容易得多，当地专家已经成功地应对了这一点。

我们可以认为，本课题的目标已经完全实现了。