Python Algorithmic Trading Library.
PyAlgoTrade é uma Biblioteca de Negociação Algorítmica Python com foco em backtesting e suporte para negociação de papel e negociação ao vivo. Digamos que você tenha uma idéia de uma estratégia de negociação e que você gostaria de avaliá-la com dados históricos e ver como ela se comporta. PyAlgoTrade permite que você faça isso com um esforço mínimo.
Principais características.
Totalmente documentado. Evento conduzido. Suporta pedidos Market, Limit, Stop e StopLimit. Suporta Yahoo! Finanças, Google Finance e NinjaTrader CSV. Suporta qualquer tipo de dados da série temporal no formato CSV, por exemplo, Quandl. Suporte comercial Bitcoin através do Bitstamp. Indicadores técnicos e filtros como SMA, WMA, EMA, RSI, Bandas Bollinger, Expositores Hurst e outros. Métricas de desempenho como a taxa de Sharpe e análise de redução. Manipulação de eventos do Twitter em tempo real. Perfil de eventos. Integração TA-Lib.
Muito fácil de dimensionar horizontalmente, ou seja, usando um ou mais computadores para testar uma estratégia.
PyAlgoTrade é gratuito, de código aberto e está licenciado sob a Licença Apache, Versão 2.0.
indicadores técnicos 0.0.16.
Este módulo fornece alguns indicadores técnicos para analisar estoques.
Este módulo fornece alguns indicadores técnicos para analisar estoques.
Quando eu puder, vou adicionar mais.
Se alguém quiser contribuir com um novo código ou correções / sugestões, sinta-se livre.
Índice de Força Relativa (RSI), ROC, MA Envelopes Média de Movimento Simples (SMA), Média de Movimento Ponderada (WMA), Média de Movimento Exponencial (EMA) Bandas de Bollinger (BB), Bollinger Bandwidth,% B.
Isso exige numpy.
Este módulo foi feito e testado no Windows com o Python 2.7.3 e numpy 1.6.1.
Indicadores de negociação Python
Se você é um comerciante ou um investidor e gostaria de adquirir um conjunto de habilidades de negociação quantitativas, você está no lugar certo.
O curso Trading With Python irá fornecer-lhe as melhores ferramentas e práticas para pesquisa de negociação quantitativa, incluindo funções e scripts escritos por comerciantes quantitativos especializados. O curso dá o máximo impacto para o seu tempo investido e dinheiro. Ele se concentra na aplicação prática da programação ao comércio e não à informática teórica. O curso irá pagar por si mesmo rapidamente, economizando tempo no processamento manual de dados. Você passará mais tempo pesquisando sua estratégia e implementando negócios lucrativos.
Visão geral do curso.
Parte 1: princípios Você vai aprender por que a Python é uma ferramenta ideal para negociação quantitativa. Começaremos pela criação de um ambiente de desenvolvimento e, em seguida, apresentaremos as bibliotecas científicas.
Parte 2: Manipulação dos dados Saiba como obter dados de várias fontes gratuitas, como Yahoo Finance, CBOE e outros sites. Leia e escreva vários formatos de dados, incluindo arquivos CSV e Excel.
Parte 3: estratégias de pesquisa Aprenda a calcular o P & L e as métricas de desempenho acompanhantes, como Sharpe e Drawdown. Desenvolva uma estratégia de negociação e otimize seu desempenho. Múltiplos exemplos de estratégias são discutidos nesta parte.
Parte 4: Indo ao vivo! Esta parte é centrada em torno da Interactive Brokers API. Você aprenderá como obter dados em estoque em tempo real e colocar ordens ao vivo.
Muitos códigos de exemplo.
O material do curso consiste em "cadernos" que contêm texto junto com um código interativo como este. Você poderá aprender interagindo com o código e modificando-o para seu próprio gosto. Será um excelente ponto de partida para escrever suas próprias estratégias.
Embora alguns tópicos sejam explicados em grande detalhe para ajudá-lo a entender os conceitos subjacentes, na maioria dos casos você nem precisa escrever seu próprio código de baixo nível, devido ao suporte de bibliotecas de código aberto existentes:
A biblioteca TradingWithPython combina uma grande parte da funcionalidade discutida neste curso como uma função pronta para usar e será usada ao longo do curso. Pandas irá fornecer-lhe todo o poder de levantamento pesado necessário no trituração de dados.
Todo o código é fornecido sob a licença BSD, permitindo seu uso em aplicações comerciais.
Classificação do curso.
Um piloto do curso foi realizado na primavera de 2013, é o que os alunos conseguiram dizer:
Matej curso bem projetado e bom treinador. Definitivamente valeu o preço e meu tempo, Lave Jev, obviamente, conhecia suas coisas. A profundidade de cobertura foi perfeita. Se Jev executar algo assim novamente, serei o primeiro a se inscrever. John Phillips Seu curso realmente me fez começar a pensar em python para a análise do sistema de estoque.
Indicadores de negociação Python
Oi SentDex, antes de tudo obrigado por todo o material que você compartilhou aqui, eu sou bastante novo na programação e seus tutoriais realmente me ajudaram.
Eu não sou uma grande diversão de estratégias de buy'n hold, mas fiquei muito impressionado com seu tutorial sobre scikit learn e stock investing.
Eu desenvolvi duas estratégias de negociação com python, uma base de impulso e uma reversão, para o momento funcionando bastante bem. FINGHERS CROSSED. Eu poderia ser outra vítima da lei do arcsine !!
Eu tento explicar melhor, no exemplo dos fundamentos, você usou os preços das ações e os dados fundamentais do estoque para entender se esses recursos poderiam prever o desempenho superior do estoque no mercado. Posso fazer o mesmo com indicadores técnicos?
Eu acho que o answear é sim, mas não consigo conceber uma maneira de fazê-lo, no caso dos fundamentos, você se deu o prazo de 1 ano, então você testou o quão bem os fundamentos poderiam prever o desempenho no T1. Negociando com indicadores técnicos, trata-se de entender se e um indicador ou uma mistura ponderada de indicadores e tomar regras de lucro e / ou parar de perdas podem fornecer um sinal confiável para gerar lucros consistentemente.
No final do dia, este deve ser um problema de classificação, qual o conjunto de regras que podem traçar um hiperplato entre vencer e perder negócios?
Oi SentDex, antes de tudo obrigado por todo o material que você compartilhou aqui, eu sou bastante novo na programação e seus tutoriais realmente me ajudaram.
Eu não sou uma grande diversão de estratégias de buy'n hold, mas fiquei muito impressionado com seu tutorial sobre scikit learn e stock investing.
Eu desenvolvi duas estratégias de negociação com python, uma base de impulso e uma reversão, para o momento funcionando bastante bem. FINGHERS CROSSED. Eu poderia ser outra vítima da lei do arcsine !!
Eu tento explicar melhor, no exemplo dos fundamentos, você usou os preços das ações e os dados fundamentais do estoque para entender se esses recursos poderiam prever o desempenho superior do estoque no mercado. Posso fazer o mesmo com indicadores técnicos?
Eu acho que o answear é sim, mas não consigo conceber uma maneira de fazê-lo, no caso dos fundamentos, você se deu o prazo de 1 ano, então você testou o quão bem os fundamentos poderiam prever o desempenho no T1. Negociando com indicadores técnicos, trata-se de entender se e um indicador ou uma mistura ponderada de indicadores e tomar regras de lucro e / ou parar de perdas podem fornecer um sinal confiável para gerar lucros consistentemente.
No final do dia, este deve ser um problema de classificação, qual o conjunto de regras que podem traçar um hiperplato entre vencer e perder negócios?
Комментарии
Отправить комментарий