Python Forex Dane

Jestem nowy do programowania, Python i Pandas, więc miejmy nadzieję, że to nie jest głupie question. I zostały pobrane niektóre dane FOREX od tutaj miesiąca warty danych jest około 50mil linii w formacie CSV dla wszystkich par. Chciałbym w końcu być w stanie przetestować strategię w wielu ramkach czasowych i instrumentach. Oto kod, w którym używam. Na coś, ale skrócony plik testowy to odczytywanie w procesie trwa długo. Czy jest jakiś sposób, w jaki powinienem przechowywać dane, aby Pandas mógł przeczytać pliki znacznie szybsze. Jest to limit wielkości danych, które Pandas może rozsądnie obsługiwać. Każda pomoc byłaby bardzo ceniona. Poznaj umiejętności Quant. Jeśli jesteś przedsiębiorcą lub inwestorem i chciałbyś nabyć zestaw ilościowych umiejętności handlowych , jesteś we właściwym miejscu Szkolenie z kursem Python dostarczy Ci najlepszych narzędzi i praktyk w zakresie ilościowej analizy handlowej, w tym funkcji i skryptów napisanych przez ekspertów ilościowych handlowych Kurs daje maksymalny wpływ na zainwestowany czas e i pieniądze koncentruje się na praktycznym zastosowaniu programowania do handlu, a nie teoretycznej nauk komputerowych Kurs zaoszczędzi się szybko, oszczędzając czas w ręcznym przetwarzaniu danych Spędzisz więcej czasu na badaniach nad strategią i wdrażaniu zyskownych transakcji handlowych. 1 Podstawy Dowiesz się, dlaczego Python jest idealnym narzędziem dla handlu ilościowego Zaczniemy od stworzenia środowiska programistycznego, a następnie zaprowadzi Cię do bibliotek naukowych. Część 2 Obsługa danych Dowiedz się, jak pobierać dane z różnych bezpłatnych 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 Nauczysz się, jak to zrobić t danych czasowych w czasie rzeczywistym i składania zamówień na żywo. Wiele przykładowych kodów. Materiał kursu składa się z notebooków zawierających tekst wraz z interaktywnym kodem, takim jak ten. Będziesz mógł nauczyć się interakcji z kodeksem i modyfikować go własnymi upodobaniami być wielkim punktem wyjścia do pisania własnych strategii. Podczas gdy niektóre tematy są wyjaśnione w bardzo szczegółowy sposób, aby pomóc zrozumieć podstawowe pojęcia, w większości wypadków nawet nie potrzebujesz pisać własnego kodu niskiego poziomu, ze względu na wsparcie istniejącego otwartego biblioteki źródłowe Biblioteka TradingWithPython łączy w sobie wiele funkcji opisanych w tym kursie jako gotowych do użycia funkcji i będzie używanych przez cały kurs Pandas zapewni Ci całą siłę ciężkiego podnoszenia potrzebną do zgrywania danych Wszystkie kody są dostarczane na licencji BSD, zezwalając na jej wykorzystanie w komercyjnych aplikacjach. Ocena kursu. Pilot odbył się wiosną 2017 roku, co studenci mają do powiedzenia. Matej dobrze zaprojektowany cour se i dobry trener Zdecydowanie warte swojej ceny i mojego czasu Lave Jev najwyraźniej znał jego głębie zasięg był doskonały Jeśli Jev uruchomi coś takiego, będę pierwszym, który zarejestruje John Phillips Twoje kursy naprawdę mnie skoczy zaczęły rozważać python dla system analizy zapasów. Trading z Pythona. I niedawno przeczytałem świetny post przez blog turinginance na jak być kwotą W skrócie, opisuje naukowe podejście do opracowania strategii handlowych Dla mnie osobiście, obserwując dane, myśląc o modelach i tworząc hipotezę jest drugą naturą, jak powinno być dla każdego dobrego inżyniera. W tym poście mam zamiar zilustrować to podejście, wyraźnie przechodząc przez kilka kroków tylko parę, a nie wszystkie zaangażowane w rozwój strategii handlowej. spójrz na najczęściej spotykany instrument handlowy, SP 500 ETF SPY Zacznę od obserwacji. Konserwacje Zdarzyło mi się, że przez większość czasu dużo mówi się w mediach o rynku, duże straty w ciągu kilku dni czasy, dość znaczne odbicie czasami następuje W przeszłości popełniłem kilka błędów, zamykając swoje stanowiska w celu wyeliminowania strat krótko mówiąc, po prostu przegapić ożywienie w następnych dniach. Ogólna teoria Po okresie kolejne straty, wielu przedsiębiorców zlikwiduje swoje pozycje z obawy przed utratą dużej utraty Wiele z tych zachowań rządzi strach, a nie ryzyko wyliczeniowe Inteligentni handlarze przychodzą na targi. Hypotyka Następny dzień zwrotu SPY będzie wykazywać tendencję wzrostową po kilku kolejnych stratach. Aby przetestować hipotezę, obliczyłem liczbę kolejnych dni spadkowych Wszystko poniżej -0 dziennego zwrotu kwalifikuje się jako dzień zwrotu. Serie powrotów są bliskie losowo, tak jak można by oczekiwać, szanse 5 lub więcej kolejnych dni jest niskich, co powoduje bardzo ograniczoną liczbę zdarzeń Niska liczba zdarzeń spowoduje nieprecyzyjne szacunki statystyczne, więc zatrzymam się na 5. Poniżej jest wizualizacja nex-day zwraca w funkcji liczby dni w dół. I ve również wykreślony 90 przedział ufności zwrotów między wierszami Okazuje się, że średni powrót jest pozytywnie skorelowany z liczbą dni downtime Hipoteza potwierdzona. Jednak można wyraźnie zobaczyć, że to dodatkowa alfa jest bardzo mała w porównaniu do pasma prawdopodobnych wyników zwrotu 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 handlu. dane powyżej, strategia handlowa może być forumlated Po consectutive 3 lub więcej strat, idź długo Wyjdź na najbliższe close. Below jest wynikiem tej strategii w porównaniu do czystego buy-and-hold Nie wygląda źle na wszystkich Patrząc na sharpe stosunków 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. Podczas gdy strategia powyżej nie jest czymś, co bym l Ike do handlu ze względu na długi okres czasu, sama teoria prowokuje dalsze myśli, które mogłyby przynieść coś użytecznego Jeśli ta sama zasada ma zastosowanie do danych intraday, można utworzyć formę skalpowania strategii W powyższym przykładzie uproszczono nieco świat licząc tylko liczbę dni wolnych od pracy, nie zwracając uwagi na głębokość wycofania Ponadto wyjście z pozycji jest zaledwie podstawowym zamknięciem następnego dnia. Jest wiele do zrobienia, ale istotą moim zdaniem jest to, że. SPY są wynikiem wypłaty i wypłaty w ciągu ostatnich 3-5 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 modelu Znalezienie dobrego zestawu wskaźników i przetwarzanie ich informacji stanowi duże wyzwanie Najpierw trzeba zrozumieć, jakie czynniki są powiązane z przyszłymi cenami Dane, które nie mają jakości predykcyjnej tylko w torduces hałasu i złożoności, obniżenie skuteczności strategii Znajdowanie dobrych wskaźników jest nauką samodzielną, często wymagającą głębszego zrozumienia dynamiki rynku Ta część projektu strategicznego nie może być łatwo zautomatyzowana Szczęśliwie, po znalezieniu odpowiedniego zestawu wskaźników, przedsiębiorcy pamięć i intuicja mogą być łatwo zastąpione modelem statystycznym, który prawdopodobnie będzie znacznie lepszy, gdy komputery mają bezbłędną pamięć i mogą mieć doskonałe szacunki statystyczne. W odniesieniu do handlu zmiennością, zajęło mi trochę czasu, aby zrozumieć, co ma wpływ na jej ruch W szczególności , Jestem zainteresowany zmiennymi, które przewidują przyszłe zwroty VXX i XIV nie będę w pełnym wymiarze wyjaśnienia tutaj, ale właśnie przedstawić wniosek moje dwa najbardziej wartościowe wskaźniki dla zmienności są termin struktura nachylenie i bieżąca premia podatności Moja definicja tych dwie najwyższą premię do płacenia VIX-realizedVol. delta nachylenie struktury VIX-VXV. VIXVXV to 1 i 3-miesięczny impander skłonności zmienności SP 500 realizowaneVol tutaj jest 10-dniowa zrealizowana zmienność SPY, obliczona z Yang-Zhang delta formuły był często dyskutowany na blogu VixAndMore, a premia jest dobrze znana z handlu option. It ma sens przejść krótką lotność gdy premia jest wysoka, a kontrakty terminowe są w kontakcie 0 Powoduje to powrót zarówno z tytułu premii, jak i codziennej waluty wzdłuż struktury terminowej w VXX. To jest tylko przybliżona ocena Dobra strategia handlowa łączy informacje z premii i delty z przewidywania kierunku obrotu w VXX. I ve zmaganie się przez bardzo długi czas wymyślić dobry sposób na połączenie hałaśliwych danych z obu wskaźników I've tried większość standardowych podejść, takich jak regresja liniowa, pisanie kilka jeśli-dziesiątki, ale wszystkie z niewielkimi zmianami w porównaniu do użycia tylko jednego wskaźnika Dobrym przykładem takiej jednolitej strategii wskaźników z prostymi regułami można znaleźć na blogu TradingTheOdds Nie wygląda źle, ale co t można zrobić z wieloma wskaźnikami. Zacznij od niektórych próbek danych VXX, które otrzymałem od MarketSci Zauważ, że to są dane symulowane, zanim powstanie VXX. Wskaźniki tego samego okresu są wykreślone poniżej. jeden z wskaźników premii w tym przypadku i spiskował je przeciwko przyszłym zwrotom VXX, można zobaczyć pewną korelację, ale dane są bardzo hałaśliwe. Zauważmy, że ujemna premia może mieć pozytywne wyniki VXX następnego dnia. zarówno premia, jak i delta w jeden model były wyzwaniem dla mnie, ale zawsze chciałem dokonać statystycznej aproksymacji W istocie, dla połączenia delta, premium, chciałbym znaleźć wszystkie historyczne wartości, które są najbliżej aktualnych wartości i oszacowanie przyszłych zwrotów na ich podstawie Kilka razy zacząłem pisać własne algorytmy interpolacji najbliższego sąsiedztwa, ale za każdym razem musiałem zrezygnować, aż natrafiłem na scikit najbliższych regresji sąsiadów To pozwoliło mi szybko zbudować predykator oparty na dwóch wejściach, a wyniki są tak dobre, że trochę się martwię, że popełniłem błąd gdzieś. Oto co zrobiłem. Utwórz zestaw danych delta, premia - VXX następnego dnia wróć w próbce. utworzyć wskaźnik predykacji najbliższego sąsiedztwa na podstawie zestawu danych powyżej. trade strategia poza próbą z regułami długo, jeśli jest przewidywana zwrot 0.go krótki, jeśli przewidywany powrót 0. Strategia nie może być prostsza. lepiej, gdy do oceny użyto więcej sąsiadów. Pierwszy z dziesięciu punktów strategia jest doskonała w próbce, ale jest płaska poza próbką czerwona linia z rysunku poniżej jest ostatnim punktem w próbce. Następnie wydajność staje się lepsza z 40 i 80 punktów. W ostatnich dwóch działkach strategia wydaje się wykonywać ten sam współczynnik Sharpe'a w stosunku do próbki wynoszący około 2 3 Jestem bardzo zadowolony z wyników i mam wrażenie, że tylko drapię powierzchni tego, co jest możliwe dzięki tej techniki. Poszukiwanie idealnego narzędzia do testów wstecznych moja definicja idei l jest opisany we wcześniejszych punktach Dilemmas Backtesting nie doprowadził do czegoś, co mógłbym użyć od razu Jednak sprawdzanie dostępnych opcji pomogło zrozumieć lepiej to, czego naprawdę chcę Z opcji, które już sprawdziłem, pybacktest był najbardziej podobał 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 funkcjonalność, z którą korzystają wszystkie strategie handlowe, które często są kopiowane. Co to jest kalkulacja pozycji i pnl, metryki wydajności i tworzenie wykresów. Specyficzna funkcjonalność, np. Określanie punktów wejścia i wyjścia, powinno odbywać się na zewnątrz backtest Typowy obieg pracy znajdowałby wejście i wyjście - obliczyć pnl i wykonać wykresy z backtester - dane strategiczne post-process. Tw tej chwili t on modułu jest bardzo minimalny przyjrzeć się źródłem tutaj, ale w przyszłości planuję dodać zyski i wyjścia stop lossy i portfele wielu aktywów. Użycie modułu testów backtesting jest pokazany w tym przykładzie notebook. I organizować moje notebooki IPython zapisując je w różnych katalogach To przynosi jednak niewygody, ponieważ dostęp do notebooków muszę otworzyć terminal i wpisywać notebooki ipython --pylab inline za każdym razem, gdy jestem pewien, że zespół ipython rozwiąże to w dłuższej perspektywie, ale w międzyczasie jest dobry sposób zejścia, aby szybko uzyskać dostęp do notebooków z pliku explorer. All musisz zrobić to dodać menu kontekstowe, które uruchamia serwer ipython w pożądanym katalogu. Szybkim sposobem na dodanie elementu kontekstowego jest uruchomienie tego poprawki 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 ręcznie c można znaleźć na blogu Froliana. Wielu ludzi uważa, że ​​długotrwałe dźwiganie w długim okresie słabiej niż ich poziomy odniesienia Jest to prawda w przypadku rynków słabych, ale nie w przypadku warunków trenowania, zarówno w górę, jak iw dół. Dźwignia ma wpływ tylko na najbardziej prawdopodobny wynik , a nie na oczekiwanym wyniku Więcej informacji na ten temat można znaleźć w tym poście.2017 był bardzo dobrym rokiem dla zasobów, które miały tendencję wzrostową przez większość roku Zobaczmy, co by się stało, gdyby dokładnie kilka lat temu zwolniliśmy niektóre z dźwigniowych etfów i zabezpieczyłem ich benchmarkiem. Wiedząc, że leveraged etf zachowanie spodziewam się, że dźwigni etfs lepiej niż ich benchmark, więc strategia, która starałaby 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 zabezpieczany 1x etf Zauważ, że aby zabezpieczyć odwrotną etę, ujemne położenie jest utrzymywane w 1x etf. Jest to jeden przykład SPY vs SSO Kiedyś normali ze ceny do 100 na początku okresu testów wstecznych 250 dni jest oczywiste, że 2x etf przewyższa 1x etf. Now wynik testów wstecznych na parach powyżej. Wszystkie 2 etaty łącznie z odwrotnością przewyższały ich benchmark w trakcie Zgodnie z oczekiwaniami, strategia wykorzystująca rozkład beta nie przyniosłaby zysku. Myślę, że granie ulepszonych etatów przeciwko nieużywanym odpowiednikom nie zapewnia żadnej krawędzi, chyba że znasz warunki rynkowe poprzednio tendencję lub zakres. Jeśli jednak wiesz, przystępny system rynkowy, istnieje wiele łatwiejszych sposobów na zysk 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 kursu Trading With Python Notebook 307.Jest mój strzał w wycenie Twittera Chciałbym zacząć od zastrzeżenia w tej chwili duża część 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 wykonał paraboliczny ruch w grudniu 2017 r. Więc pytanie, które próbuję odpowiedzieć tutaj jest, jeśli wziąć moje straty lub trzymaj się moich krótkich spodów. W chwili pisania TWTR zajmuje około 64 miejsce, z limitem rynkowym 34 7 B Do tej pory firma nie zarobiła zysków, tracąc 142 mln w 3013 po osiągnięciu 534 mln przychodów Ostatnie dwie cyfry daj nam roczne wydatki firm na kwotę 676 mln. Świadectwo pochodzi z wartości użytkownika. Twitter można porównać z Facebook, Google i LinkedIn, aby uzyskać pomysł liczby użytkowników i ich wartości Poniższa tabela podsumowuje liczby użytkowników na firmę i wartość na użytkownika pochodzącą z kod źródłowy dla liczby użytkowników Wikipedia, numer Google jest oparty na liczbie unikalnych wyszukiwań. Wyraźnie widać, że wycena rynkowa każdego użytkownika jest bardzo podobna dla wszystkich firm, jednak moja osobista opinia jest taka, że. TWTR jest obecnie bardziej cenne pe r user thatn FB lub LNKD To nie jest logiczne, ponieważ obie konkurenci mają do dyspozycji bardziej cenne dane osobowe użytkowników. GOOG doskonale radzi sobie z wydobywaniem przychodów z reklam przez swoich użytkowników. To ma zbiór bardzo zróżnicowanych ofert, z wyszukiwarki do Google Docs i Gmaila TWTR nie ma nic podobnego, chociaż jego wartość na użytkownika jest niższa niż 35. niż w Google. TWTR ma ograniczony zasięg, aby zwiększyć swoją bazę użytkowników, ponieważ nie oferuje produktów podobnych do oferty FB lub GOOG TWTR około siedmiu lat, a większość ludzi chcących mieć akut ma swoje szanse Reszta po prostu nie zależy. Baza użytkownika TRTR jest niestabilna i prawdopodobnie przeniósł się do następnej gorącej rzeczy, kiedy stanie się dostępna. Myślę, że najlepsze odniesienia tutaj być LNKD, który ma stałą niszę na rynku zawodowym W tym metrycznym TWTR zostanie nadmiernie oszacowany Ustawienie wartości 100 TWTR dla użytkownika przyniesie uczciwą wartość TWTR wynoszącą 46. Kwota pochodząca z przyszłych zarobków. przyszłe prognozy zarobków Jedna z najbardziej użytecznych, jakie znalazłem, znajduje się tutaj. Wykorzystując te liczby przy odjęciu wydatków firmowych, które zakładam, że pozostaną niezmienne, produkuje się te liczby. W oparciu o dostępne informacje optymistyczna wycena TWTR powinna wynosić 46-48 zakres Nie ma jasnych powodów, dla których powinno się handlować wyższym i wielu ryzyku operacyjnym w handlu niższym. Domyślam się, że podczas IPO specjaliści oceniali cenę, ustalając ją na uczciwym poziomie cen Co się stało dalej było irracjonalny ruch na rynku nieuzasadniony przez nowe informacje Wystarczy spojrzeć na uparty szaleństwo na zapasach z ludźmi twierdząc, że ten ptak przeleciałby do 100 Czyste emocje, które nigdy się nie sprawdza dobrze. Jedyną rzeczą, która mnie teraz spoczywa, to umieścić moje pieniądze, gdzie moje usta są i trzymaj się mojego szorty Czas pokaże. Zauważenie krótkotrwałej niestabilności i VXX może wydawać się świetnym pomysłem, gdy patrzysz na wykres z dość dużej odległości Z powodu contango w lotach zmienności, e etn experience dosyć przechodzą przez większość czasu i tracą trochę swoją wartość każdego dnia To dzieje się z powodu codziennego wyrównywania, po więcej informacji proszę spojrzeć w perspektywę W idealnym świecie, jeśli trzymasz go wystarczająco długo, zysk generowany przez że w perspektywie krótkoterminowej będziesz musiał przejść przez kilka ciężkich wycofań Spójrzmy tylko na lato 2011 r. Byłem nieszczęśliwy lub głupi, aby trzymać krótką pozycję VXX tuż przed VIX poszedł prawie że prawie blown moje konto, a następnie 80 wypłat w ciągu zaledwie kilku dni, w wyniku groźby margines zadzwonić przez mojego maklera Margin call oznaczałoby zarobienie strat To nie jest sytuacja, w jakiej chciałbym być w ponownie Wiedziałam, że nie zawsze będzie miło być zawsze głowa, ale przeżywanie stresu i nacisku na sytuację było czymś innym Na szczęście wiedziałem, jak VXX ma tendencję do zachowywania się, więc nie panikowałam, ale przełączałem się na XIV, aby uniknąć marży depozytowej Historia kończy się dobrze, 8 miesięcy później mój portfel był z powrotem na siłę i nauczyłem się bardzo cennej lekcji. Zacząć od słowa ostrzeżenia tutaj nie handlu wahań, chyba że wiesz dokładnie, ile masz ryzyka, mówiąc, niech spójrz na strategię, która minimalizuje niektóre z zagrożeń poprzez zwarcie VXX tylko wtedy, gdy jest to odpowiednie. Strategia teoretyczna VXX doświadcza największego przeciągania, gdy krzywa kontraktów terminowych znajduje się w stromym kontrakcie Futurystyczna krzywa jest przybliżona relacją VIX-VXV Będziemy krótkotrwałe VXX, gdy VXV ma wyjątkowo wysoką premię nad VIX. First, spójrzmy na relacje z VIX-VXV. Wykres powyżej pokazuje dane VIX-VXV od stycznia 2010 Punkty danych z ubiegłego roku są wyświetlane na czerwono, użyj kwadratowego dopasowania pomiędzy tymi dwoma, przybliżając VXV f VIX f VIX jest wykreślony jako niebieska linia Wartości powyżej linii reprezentują sytuację, gdy kontrakty są silniejsze niż normalnie contango Teraz definiuję wskaźnik delta, czyli odchylenie od dopasowanie delta VXV-f VIX Spójrzmy teraz na cenę VXX wraz z delta. Jedna cena VXX na skali logarytetu 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. Gort VXX gdy delta 0.Constant kapitał zakład na każdy dzień jest 100.Nie poślizgnięcia się lub kosztów transakcji. Ta strategia jest porównywana z tym, że krótkie codzienne, ale nie wziąć pod uwagę delta. Zielona linia reprezentuje naszą krótką strategię VXX, niebieska linia jest głupi. Sharpe z 1 9 na prostą strategię końca dnia nie jest wcale w ogóle w mojej opinii Ale jeszcze ważniejsze jest to, że jelita - zwiększenie odcinków jest w dużej mierze unikać, zwracając uwagę na krzywą kontraktów futures terminowych. Opracowanie tej strategii krok po kroku będzie omawiane podczas zbliżającego się obrotu z kursem Python. Wysokość składnika aktywów lub ETF jest oczywiście najlepszym wskaźnikiem, ale niestety jest tylko tyle i Nformacja zawarta w niej Niektórzy ludzie zdają się myśleć, że im więcej wskaźników rsi, macd, moving average crossover itp., tym lepiej, ale jeśli wszystkie są oparte na tej samej podstawowej serii cen, wszystkie będą zawierały podgrupę tej samej ograniczonej informacji w cenie Potrzebujemy więcej informacji, poza tym, co zawiera cenę, aby lepiej poinformować o tym, co się stanie w najbliższej przyszłości Doskonały przykład łączenia wszelkiego rodzaju informacji z mądrą analizą można znaleźć na stronie "Krótki" Side of Long Blog Produkcja tego rodzaju analizy wymaga dużej ilości pracy, dla której po prostu nie mam czasu, bo tylko handlować w niepełnym wymiarze czasu Więc zbudowałem własny panel sprzedaży, który automatycznie zbiera informacje dla mnie i prezentuje je w łatwo strawny formularz W tym poście mam zamiar pokazać jak zbudować wskaźnik oparty na krótkich danych ilościowych Ten post pokaże proces gromadzenia i przetwarzania danych. Step 1 Znajdź źródło danych BATS wymiany p rovides dzienne dane dotyczące woluminu za darmo na ich stronie. Step 2 Uzyskaj dane ręcznie skontroluj Krótkie dane dotyczące woluminu z wymiany BATS znajdują się w pliku tekstowym, który jest zipowany Każdy dzień ma własny plik zip Po pobraniu i rozpakowaniu pliku txt, s w pierwszych kilku wierszach. W sumie plik zawiera około 6000 symboli Te dane potrzebują trochę pracy, zanim będzie można przedstawić w sposób znaczący. Krok 3 Automatyczne pobieranie danych Co naprawdę chcę to nie tylko dane na jeden dzień, ale stosunek krótkiej objętości do całkowitej objętości przez ostatnie kilka lat, a ja naprawdę nie lubię pobierania 500 plików zip i kopiowania ich w programie excel ręcznie Szczęśliwie, pełna automatyzacja to tylko kilka linii kodu Najpierw musimy dynamicznie utworzyć adres URL, z którego plik zostanie pobrany. Teraz możemy pobrać wiele plików naraz. Step 4 Parse downloaded files. We mogą korzystać z bibliotek zip i pandy do analizy pojedynczego pliku. Nie zwraca stosunek Short Volume Total Volume dla wszystkich symbole i n plik zip Krok 5 Utwórz wykres Teraz jedyną rzeczą jest, aby przeanalizować wszystkie pobrane pliki i połączyć je z pojedynczą tabelą i wydrukować wynik. Na powyższym rysunku wykreślałem średni krótki stosunek objętości w ciągu ostatnich dwóch lat mógłby również użyć podzbioru symboli, jeśli chciałbym spojrzeć na konkretny sektor lub magazyn Szybkie spojrzenie na dane dało mi wrażenie, że wysokie krótkotrwałe stosunki zazwyczaj odpowiadają rynkom na dnie i niskich wskaźników wydają się być dobrymi punktami wejścia długą pozycję. Startując stąd, ten krótkotrwały stosunek może być wykorzystany jako podstawa do rozwoju strategii. Trading Z kursem Python. Jeśli jesteś przedsiębiorcą lub inwestorem i chciałbyś nabyć zestaw ilościowych umiejętności handlowych, które możesz wziąć pod uwagę handel z Pythonem Kurs internetowy dostarczy Ci najlepszych narzędzi i praktyk w dziedzinie ilościowej analizy handlowej, w tym funkcji i skryptów napisanych przez ekspertów ilościowych handlowych. Dowiesz się, jak zdobyć i przetworzyć i ncredible ilości danych, projektowanie i strategie testów zwrotnych oraz analiza wyników handlowych To pomoże Ci podejmować świadome decyzje, które są kluczowe dla sukcesu handlowców Kliknij tutaj, aby przejść do strony handlowej z kursem Python. Nazywam się Jev Kuznetsov, w ciągu dnia jestem inżynier naukowy w firmie, która zajmuje się drukiem biznesu Pozostała część czasu jestem przedsiębiorcą. Studiowałem fizykę stosowaną ze specjalizacją w rozpoznawaniu wzorów i sztucznej inteligencji Moja codzienna praca polega na szybkim algorytmie algorytmowania w języku Matlab i innych językach do projektowania sprzętu programowanie. Ponieważ od 2009 r. wykorzystywałem moje umiejętności techniczne na rynkach finansowych Zanim doszedłem do wniosku, że Python jest najlepszym narzędziem, pracowałem intensywnie w Matlab, który jest objęty moim innym blogerem. Możesz do mnie dojechać.