Handelsbibliothek

Python Algorithmic Trading-Bibliothek PyAlgoTrade ist eine Python-Algorithmic Trading-Bibliothek mit Schwerpunkt auf Backtesting und Unterstützung für Papier-Trading und Live-Trading. Lets sagen, Sie haben eine Idee für eine Handelsstrategie und youd wie es mit historischen Daten zu bewerten und sehen, wie es sich verhält. PyAlgoTrade ermöglicht es Ihnen, dies mit minimalem Aufwand zu tun. Hauptmerkmale Vollständig dokumentiert. Ereignisgesteuert . Unterstützt Markt-, Limit-, Stop - und StopLimit-Aufträge. Unterstützt Yahoo Finanzen, Google Finanzen und NinjaTrader CSV-Dateien. Unterstützt alle Arten von Zeitreihen-Daten im CSV-Format, zB Quandl. Bitcoin-Trading-Unterstützung durch Bitstamp. Technische Indikatoren und Filter wie SMA, WMA, EMA, RSI, Bollinger Bands, Hurst Exponent und andere. Leistungsmesswerte wie Sharpe-Ratio und Drawdown-Analyse. Handling Twitter-Ereignisse in Echtzeit. Ereigniserfassung. TA-Lib-Integration. Sehr einfach skalierbar horizontal, das heißt, mit einem oder mehreren Computern zu Backtest einer Strategie. PyAlgoTrade ist kostenlos, Open Source, und es ist lizenziert unter der Apache-Lizenz, Version 2.0.Learn Quant Fähigkeiten Wenn Sie ein Händler oder ein Investor 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 wirklich bekam ich Sprung begann unter Berücksichtigung python für Stock-System-Analyse. Die Back-Testing-Bibliothek für professionelle Trading-Strategie-Entwickler Back-Test ist der Prozess der Prüfung von Handelsstrategien auf historischen Marktdaten zu versuchen, zu simulieren, wie ein Handelssystem könnte in die Zukunft. Back-Tests ist es, Trading-Strategie-Entwicklung, was Forschung und Verbesserung der Qualität für die Gesundheits-und Transportindustrie sind. Wer möchte einen ungetesteten Herzmonitor oder Auto niemand ausprobieren. Gleiches gilt für Finanzhandelsstrategien. Alle Handelsstrategien müssen zurück getestet, optimiert und validiert werden, bevor sie mit echtem Geld leben. Fast jede technische Analyse Trading-Strategie kann getestet werden. Während es stimmt, dass viele Intermediate-Level-Trading-Anwendungen Skriptsprachen, die Trader zu entwickeln und zurück Test-Trading-Strategien ermöglichen können, fanden wir, es gab keine Back-Test-Bibliotheken für fortgeschrittene Handelssystem-Entwickler, die ihre Handelsstrategien in Low-Level-Programmierung zu programmieren Sprachen wie C, C und Java. So entwickelten wir eine Back-Test-Engine für fortgeschrittene Systementwickler. Jetzt können Entwickler Strategien in jeder Programmiersprache erstellen, dann zurück testen und optimieren diese Strategien, um die Leistung zu verbessern. Mit BackTestLib können Entwickler ihre Handelssysteme in C, C, VB. NET, F, R, IronPython oder in einer anderen Sprache testen, indem sie Tick - oder Bar-Daten verwenden. Es spielt keine Rolle, wie Ihr Handelssystem geschrieben wird. Alles was Sie tun müssen, ist eine Liste der Trades zu liefern, und die Back-Test-Bibliothek erledigt den Rest für Sie. BackTestLib kann Ihre Trading-Systemleistung anhand von zwei Dutzend Risikomessungen wie Sharpe Ratio, Calmar Ratio, Sortino Ratio, Maximum Draw Down, Monte Carlo Draw Down, Total PL, Risk to Reward Ratio, dem größten Gewinn, dem größten Verlust, der durchschnittlichen Anzahl der Trades, berechnen Monat, Trade Logs und vieles mehr. Perfekt für Strategie-Optimierung Professionelle Händler wissen, dass alle guten Dinge zu einem Ende kommen. Selbst die besten Trading-Systeme fallen schließlich in Verlieren Perioden, erfordert eine Optimierung oder Handelssystem Ruhestand. Die Gründe variieren, einschließlich Veränderungen der Liquidität, der Volatilität und der zugrunde liegenden Marktdynamik sowie anderer Faktoren. Die BackTestLib gibt Ergebnisse aus, die eine Reihe von Messungen darstellen, die auf der Rentabilität und dem Risiko Ihres Handelssystems basieren, wenn sie mit den Daten getestet werden, mit denen sie geliefert wurde. Code Beispiel Erstellen Sie einige simulierte Trades Liste lt Trade gt Trades neue Liste lt Trade gt () Trades. Add (neue Trade (DateTime. Parse (quot1212014 9: 30: 45.422 AMquot), SignalType. Buy, 24)) Trades. Add (neu Handel (Datetime. Parse (quot112014 9: 32: 33,891 AMquot), der Signaltyp. ExitLong, 24.09)) trades. Add (neue Handels (Datetime. Parse (quot112014 9: 37: 12,839 AMquot), der Signaltyp. Sell, 24.07)) Trades. Add (neue Handels (Datetime. Parse (quot112014 9: 48: 27,488 AMquot), der Signaltyp. exit, 24.19)) trades. Add (neue Handels (Datetime. Parse (quot112014 9: 49: 16,415 AMquot), der Signaltyp. buy, 24)) trades. Add (neuer Handel (DateTime. Parse (quot112014 9: 51: 14.212 AMquot) Signaltyp. buy, 24.01)) Führen Sie die Backtest Doppel lastPrice 24.03 BacktestResults Ergebnisse Backtester. Backtest (Trades, lastPrice) geben die Ergebnisse Console. WriteLine (quotTotal Anzahl der Trades. quot results. TotalNumberOfTrades) Console. WriteLine (quotAverage Anzahl der Trades pro Monat: quot. results. AverageTradesPerMonth) Console. WriteLine (quotTotal Anzahl von profitablen Trades: quot results. NumberOfProfitableTrades) Console. WriteLine (quotTotal Anzahl von Verlust-Trades. quot results. NumberOfLosingTrades) Console. WriteLine (quotTotal Gewinn. quot results. TotalProfit) Konsole..WriteLine (quotTotal Verlust. quot results. TotalLoss) Console. WriteLine (quotPercent profitable Trades: quot results. PercentProfit.) Console. WriteLine (quotPercent profitable Trades: quot results. PercentProfit.) Console. WriteLine (quotLargest Gewinn. quot Ergebnisse. LargestProfit) Console. WriteLine (quotLargest Verlust. quot results. LargestLoss) Console. WriteLine (quotMaximum Drawdown. quot results. MaximumDrawDown) Console. WriteLine (quotMaximum Drawdown Monte Carlo:. quot results. MaximumDrawDownMonteCarlo) Console. WriteLine (quotStandard Abweichung : Quot; result. StandardDeviation) Konsole. WriteLine (quotStandardabweichung annualisiert: Ergebnis. StandardDeviationAnnualized) Konsole. WriteLine (quotDownside Abweichung (MAR 10): quot. ). Konsole. WriteLine (QuoteValue hinzugefügt Monatlicher Index (VAMI): quot. Results. ValueAddedMonthlyIndex) Konsole. WriteLine (quotSharpe-Verhältnis: quot. resultate. SharpeRatio) Konsole. WriteLine (quotSortino-Verhältnis: Ergebnis. SortinoRatioMAR5) Konsole. Konsole. WriteLine (quotCharrel-Verhältnis: Resultate. CalmarRatio) Konsole. WriteLine (quotRückgewinnungsverhältnis: Ergebnis. RiskRewardRatio) Anzeigen des Handelsprotokolls foreach (Trade trade in results. Trades) Konsole. WriteLine (trade. Date quot: quot trade. Signal. ToString () quot an trade. Price. ToString ()