Trading Strategies Python

Python Algorithmic Trading Library PyAlgoTrade é uma biblioteca de negociação algorítmica Python com foco em backtesting e suporte para papel-trading e live-trading. Vamos dizer que você tem uma idéia para uma estratégia de negociação e você gostaria de avaliá-lo com dados históricos e ver como ele se comporta. PyAlgoTrade permite que você faça assim com esforço mínimo. Principais características Totalmente documentado. Evento conduzido. Suporta ordens de Market, Limit, Stop e StopLimit. Suporta Yahoo Finance, Google Finance e NinjaTrader arquivos CSV. Suporta qualquer tipo de dados de séries temporais em formato CSV, por exemplo, Quandl. Suporte comercial Bitcoin através Bitstamp. Indicadores técnicos e filtros como SMA, WMA, EMA, RSI, Bandas de Bollinger, expoente de Hurst e outros. Métricas de desempenho como Sharpe ratio e análise de redução. Gerenciando eventos do Twitter em tempo real. Perfurador de eventos. Integração TA-Lib. Muito fácil de escalar horizontalmente, ou seja, usando um ou mais computadores para testar uma estratégia. PyAlgoTrade é livre, de código aberto, e é licenciado sob a Licença Apache, Versão 2.0. O curso concentra-se tanto quanto possível em exemplos práticos de reais problemas envolvidos na negociação quantitativa. Vamos começar com a criação de ambiente em desenvolvimento e obter dados de preços históricos. Depois disso, vamos backtest um par de estratégias comerciais típicas. Uma parte final do curso enfoca a negociação automatizada através da Interactive Brokers API. Parte teórica (ciência matemática amp amp) será mantida a um mínimo e apenas tratadas onde necessário. Antes de fazer o curso você irá configurar seu próprio ambiente Python e obter uma sensação básica do idioma. Esta parte do curso está disponível gratuitamente. Vamos saltar para a direita e usar dois estudos de caso para se acostumar a trabalhar com ferramentas científicas. Por que Python Configurando o ambiente Python Princípios básicos do Python Escrevendo, executando e depurando código. Introdução ao Numpy Plotting com matplotlib Monte-carlo simulação de etfs alavancado. Antes de começar com a parte divertida do desenvolvimento da estratégia, precisamos coletar e classificar os dados de preços. Esta semana é sobre como obter os dados de várias fontes. Para apimentá-lo com um caso de teste, vamos baixar o universo inteiro SampP500 preços diários de finanças yahoo. Introdução a Pandas Trabalhando com tempos e datas. Leitura e escrita de arquivos CSV Leitura de arquivos do Excel Leitura de arquivos HDF5 Obtendo dados da web (Yahoo finance, CBOE, etc.) Sazonalidade do SPY: existe uma borda baseada no dia da semana Obtenha todo o histórico do universo SampP500 e salve-o em um banco de dados. Esta é a parte divertida, que é limitada apenas pela sua própria criatividade. Vamos passar por vários casos de teste de estratégia. Calculando pnl e métricas de desempenho. Sharpe en drawdown Estratégia de momentum simples usando médias móveis Estratégia de carteira permanente Estratégia XLP Estratégia de negociação de pares Estratégias de volatilidade Estratégia de ETFs alavancada A última coisa que você precisa para construir um sistema de negociação automatizado é uma conexão com um corretor. Esta semana vamos nos concentrar em usar Interactive Brokers API para receber dados em tempo real e enviar pedidos. Conectando a Interactive Brokers com o ibpy Fazendo download de dados intraday históricos Obtendo dados de estoque em tempo real Colocando pedidosLearn Quant habilidades Se você é um comerciante ou um investidor e gostaria de adquirir um conjunto de habilidades de negociação quantitativa, você está no lugar certo. O curso de negociação com Python irá fornecer-lhe as melhores ferramentas e práticas para a investigação de negociação quantitativa, incluindo funções e scripts escritos por comerciantes qualificados de especialistas. O curso dá-lhe o máximo de impacto para o seu tempo investido e dinheiro. Ele se concentra na aplicação prática da programação para a negociação, em vez de teoria da ciência da computação. O curso irá pagar por si rapidamente, poupando-lhe tempo no processamento manual de dados. Você passará mais tempo pesquisando sua estratégia e implementando negócios lucrativos. Visão geral do curso Parte 1: Noções básicas Você vai aprender por que Python é uma ferramenta ideal para o comércio quantitativo. Vamos começar por criar um ambiente de desenvolvimento e, em seguida, irá apresentá-lo às bibliotecas científicas. Parte 2: Manuseando os 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: Pesquisando estratégias Aprenda a calcular PL e métricas de desempenho como Sharpe e Drawdown. Construir uma estratégia de negociação e otimizar seu desempenho. Múltiplos exemplos de estratégias são discutidos nesta parte. Parte 4: Going live Esta parte está centrada em torno Interactive Brokers API. Você vai aprender como obter dados de estoque em tempo real e colocar ordens ao vivo. Lotes do código do exemplo O material do curso consiste nos cadernos que contêm o texto junto com o código interativo como este. Você será capaz de aprender por interagir com o código e modificá-lo para o seu próprio gosto. Será um ótimo ponto de partida para escrever suas próprias estratégias Enquanto alguns tópicos são explicados em grande detalhe para ajudá-lo a entender os conceitos subjacentes, na maioria dos casos você não vai precisar escrever seu próprio código de baixo nível, por causa do suporte existente aberto Bibliotecas de fontes. TradingWithPython biblioteca combina grande parte da funcionalidade discutida neste curso como um ready-to-use funções e será usado durante todo o curso. Pandas irá fornecer-lhe todo o poder de levantamento pesado necessário em dados crunching. Todo o código é fornecido sob a licença BSD, permitindo o seu uso em aplicações comerciais Avaliação do curso Um piloto do curso foi realizado na primavera de 2013, isso é o que os alunos têm a dizer: Matej curso bem desenhado e bom treinador. Definitivamente vale seu preço e meu tempo Lave Jev obviamente conhecia suas coisas. Profundidade de cobertura foi perfeito. Se Jev executar algo assim novamente, eu serei o primeiro a se inscrever. John Phillips Seu curso realmente me pôs em marcha considerando python para análise de sistema de estoque.