Python Forex Daten

Eine Anwendung zur Backtest-basierte Trading-Strategien für den Devisenmarkt, basierend auf historischen Daten. Dieser Code ist für Python 2.7 geschrieben und nicht mit Python 3 kompatibel. Voraussetzungen: Tkinter Zum Ausführen des Programms laden Sie alle Dateien herunter, pflegen die gleiche Verzeichnisstruktur und führen die Datei inputhandling. py aus dem Python-Interpreter aus. Die Parametereinstellungen sind wie folgt: StartEnd Datum: die Daten, die die zu testenden historischen Daten festlegen Initiale Einzahlung: die Menge des Geldes (USD) im Brokerage-Konto, um mit TimeFrame zu beginnen: die Breite jedes Balkens der Historie Daten, die getestet werden sollen Dies ist der Zeitrahmen, der für jede Strategie verwendet wird Symbol: Unterstützung für nur EURUSD, USDJPY, GBPUSD und USDCHF mit eingeschlossenen Daten Position zu Handel: Beschränken Sie den Backtest nur auf Long-Positionen, Short-Positionen oder beide Trading Criterium: die Hauptstrategie, die verwendet wird, um historische Trades zu simulieren (Moving Average Crossover und Stochastics enthalten) Leverage (Margin): die maximale Leverage Ratio Bevorzugte Lotgröße: eine feste Losgröße, die gehandelt wird, wenn eine Position geöffnet wird. Wenn der freie Rand die Losgröße beschränkt, wird er während des Tests angepasst. Spread Modeling Technik: Durchschnittliche Spreads - davon ausgehen, dass die Spreads konstant bleiben während der gesamten historischen Daten Trade Management-Technik: TPSL - setzen Sie einen festen Gewinn-und Stop-Loss in Pips aus Einstiegspreis Preis SL - stellen Sie den Stop-Loss zu einem Prozentsatz des Preises und Aktualisieren jeden Balken Sobald diese Parameter eingegeben werden, wird das Programm einen rudimentären Backtest mit Bar-by-Bar-Analyse, um festzustellen, was die endgültige Kontostand werden. Dieses Programm kann durch Hinzufügen weiterer Handelsstrategien erweitert werden. Sie sollten die gleiche Schnittstelle wie die Moving Average und Stochastische Strategien implementieren. Sie können diese Aktion nicht zu diesem Zeitpunkt durchführen. Sie haben sich mit einem anderen Tab oder Fenster angemeldet. Aktualisieren Sie Ihre Sitzung neu. Sie haben sich in einem anderen Tab oder Fenster angemeldet. Reload, um Ihre session. Learn Quant Fähigkeiten zu aktualisieren Wenn Sie ein Händler oder Investor sind und möchten eine Reihe von quantitativen Handel Fähigkeiten zu erwerben, sind Sie an der richtigen Stelle. Der Handel mit Python-Kurs wird Ihnen die besten Werkzeuge und Praktiken für quantitative Handelsforschung, einschließlich Funktionen und Skripte von Experten quantitative Händler geschrieben. Der Kurs bietet Ihnen maximale Wirkung für Ihre investierte Zeit und Geld. Es konzentriert sich auf die praktische Anwendung der Programmierung auf den Handel anstelle der theoretischen Informatik. Der Kurs zahlt sich schnell aus, indem Sie Zeit in der manuellen Verarbeitung von Daten sparen. Sie verbringen mehr Zeit mit der Recherche Ihrer Strategie und der Umsetzung profitabler Geschäfte. Kursübersicht Teil 1: Grundlagen Sie lernen, warum Python ein ideales Instrument für den quantitativen Handel ist. Wir beginnen mit der Einrichtung einer Entwicklungsumgebung und stellen Ihnen dann die wissenschaftlichen Bibliotheken vor. Teil 2: Handhabung der Daten Erfahren Sie, wie Sie Daten aus verschiedenen Quellen wie Yahoo Finance, CBOE und anderen Websites erhalten. Lesen und Schreiben mehrerer Datenformate einschließlich CSV - und Excel-Dateien. Teil 3: Forschungsstrategien Erlernen Sie, PL und begleitende Leistungsmetriken wie Sharpe und Drawdown zu berechnen. Aufbau einer Trading-Strategie und Optimierung ihrer Performance. Mehrere Beispiele von Strategien werden in diesem Teil diskutiert. Teil 4: Going live Dieser Teil ist um Interactive Brokers API zentriert. Sie erfahren, wie Sie Echtzeit-Bestandsdaten erhalten und Live-Aufträge abgeben können. Viele Beispiel-Code Das Kursmaterial besteht aus Notebooks, die Text zusammen mit interaktivem Code wie diesem enthalten. Sie können lernen, indem Sie mit dem Code interagieren und es zu Ihren eigenen Vorlieben ändern. Es wird ein guter Ausgangspunkt für das Schreiben Ihrer eigenen Strategien Während einige Themen ausführlich erklärt werden, um Ihnen helfen, die zugrunde liegenden Konzepte zu verstehen, in den meisten Fällen müssen Sie nicht einmal Ihre eigenen Low-Level-Code schreiben, weil der Unterstützung durch bestehende offen - Bibliotheken. TradingWithPython Bibliothek kombiniert viel der Funktionalität, die in diesem Kurs als eine gebrauchsfertige Funktionen und wird im gesamten Kurs verwendet werden. Pandas wird Sie mit all der Heavy-Heaviness-Power in Daten-Crunching benötigt. Der gesamte Code ist unter der BSD-Lizenz zur Verfügung gestellt, so dass seine Verwendung in kommerziellen Anwendungen Kursbewertung Ein Pilot des Kurses wurde im Frühjahr 2013 statt, das ist, was die Schüler zu sagen: Matej gut gestalteten Kurs und gute Trainer. Definitiv wert sein Preis und meine Zeit Lave Jev offensichtlich kannte seine Sachen. Tiefe der Abdeckung war perfekt. Wenn Jev läuft etwas wie dieses wieder, Ill der erste sein, um sich anzumelden. John Phillips Ihr Kurs hat mich wirklich Sprung begann angesichts python für Lager-System analysis. I bin neu für die Programmierung, Python und Pandas so hoffentlich ist dies keine dumme Frage. Ich habe einige FOREX Daten von hier heruntergeladen. Ein Monat im Wert von Daten ist rund 50mil Zeilen im CSV-Format für alle Paare. Ich möchte schließlich in der Lage sein, eine Strategie über mehrere Zeitrahmen und Instrumente zu testen. Hier ist der Code Im mit: Auf alles andere als eine abgeschnittene Testdatei dieser Lesung in Prozess dauert eine lange Zeit. Gibt es eine Möglichkeit, die ich sollte die Daten speichern, so dass Pandas können die Dateien viel schneller lesen Gibt es eine Grenze für die Größe der Daten, die Pandas vernünftigerweise behandeln können Jede Hilfe wäre sehr dankbar.