Système De Trading Python

Python Algorithmic Trading Library PyAlgoTrade est une bibliothèque de négociation Algorithmique Python centrée sur le backtesting et le support pour le trading de papier et le trading en direct. Disons que vous avez une idée pour une stratégie de trading et youd comme pour l'évaluer avec des données historiques et voir comment il se comporte. PyAlgoTrade vous permet de le faire avec un minimum d'effort. Caractéristiques principales Entièrement documenté. Événement. Prend en charge les commandes Market, Limit, Stop et StopLimit. Prend en charge les fichiers Yahoo Finance, Google Finance et NinjaTrader CSV. Supporte tout type de données de séries chronologiques au format CSV, par exemple Quandl. Bitcoin trading support via Bitstamp. Indicateurs techniques et filtres comme SMA, WMA, EMA, RSI, bandes de Bollinger, exposant de Hurst et d'autres. Des mesures de performance comme le ratio de Sharpe et l'analyse de retrait. Gestion des événements Twitter en temps réel. Profiler d'événements. Intégration TA-Lib. Très facile à mettre à l'échelle horizontalement, c'est-à-dire à utiliser un ou plusieurs ordinateurs pour revoir une stratégie. PyAlgoTrade est libre, open source, et il est sous licence Apache, version 2.0.Learn Quant compétences Si vous êtes un commerçant ou un investisseur et que vous souhaitez acquérir un ensemble de compétences de négociation quantitatives, vous êtes au bon endroit. Le Trading avec Python cours vous fournira les meilleurs outils et pratiques pour la recherche quantitative de négociation, y compris les fonctions et les scripts écrits par des commerçants quantitatifs experts. Le cours vous donne un impact maximal pour votre temps investi et votre argent. Il se concentre sur l'application pratique de la programmation au commerce plutôt que l'informatique théorique. Le cours va payer lui-même rapidement en vous faisant gagner du temps dans le traitement manuel des données. Vous passerez plus de temps à la recherche de votre stratégie et la mise en œuvre des métiers rentables. Aperçu du cours Partie 1: Notions de base Vous apprendrez pourquoi Python est un outil idéal pour le commerce quantitatif. Nous commencerons par créer un environnement de développement et nous vous présenterons ensuite aux bibliothèques scientifiques. Partie 2: Manipulation des données Apprenez à obtenir des données provenant de diverses sources libres telles que Yahoo Finance, CBOE et d'autres sites. Lire et écrire plusieurs formats de données, y compris les fichiers CSV et Excel. Partie 3: Recherche de stratégies Apprenez à calculer PL et des mesures de performance connexes comme Sharpe et Drawdown. Élaborer une stratégie commerciale et optimiser ses performances. Plusieurs exemples de stratégies sont discutés dans cette partie. Part 4: Going live Cette partie est centrée sur Interactive Brokers API. Vous apprendrez à obtenir des données en temps réel et à placer des ordres en direct. Beaucoup d'exemples de code Le matériel de cours se compose de carnets qui contiennent du texte avec code interactif comme celui-ci. Vous serez en mesure d'apprendre en interagissant avec le code et de le modifier à votre goût. Ce sera un excellent point de départ pour écrire vos propres stratégies Si certains sujets sont expliqués en détail pour vous aider à comprendre les concepts sous-jacents, dans la plupart des cas, vous n'aurez même pas besoin d'écrire votre propre code de bas niveau, en raison du soutien existant ouvert - source bibliothèques. TradingWithPython bibliothèque combine une grande partie de la fonctionnalité discutée dans ce cours comme un prêt à l'emploi des fonctions et sera utilisé tout au long du cours. Pandas vous fournira toute la puissance de levage lourd nécessaire au crunching de données. Tout le code est fourni sous la licence BSD, permettant son utilisation dans des applications commerciales Note du cours Un pilote du cours a eu lieu au printemps 2013, c'est ce que les élèves ont à dire: Matej bien conçu cours et un bon entraîneur. Vaut vraiment le prix et mon temps Lave Jev connaissait évidemment ses trucs. La profondeur de la couverture était parfaite. Si Jev exécute quelque chose comme ça encore, Ill sera le premier à s'inscrire. John Phillips Votre cours vraiment m'a fait sauter commencé à considérer python pour l'analyse du système de stock. Le cours se concentre autant que possible sur des exemples pratiques de vrais problèmes impliqués dans le commerce quantitatif. Nous commencerons par créer un environnement en développement et obtenir des données historiques sur les prix. Après que nous allons backtest un couple de stratégies commerciales typiques. Une dernière partie du cours se concentre sur le commerce automatisé via Interactive Brokers API. La partie théorique (calcul mathématique et informatique) sera maintenue à un minimum et seulement traitée si nécessaire. Avant de prendre le cours, vous configurerez votre propre environnement Python et obtiendrez une sensation de base de la langue. Cette partie du cours est disponible gratuitement. Nous allons sauter à droite et utiliser deux études de cas pour s'habituer à travailler avec l'outillage scientifique. Pourquoi Python Configurer l'environnement Python Principes de base de Python Écrire, exécuter et déboguer le code. Introduction à Numpy Plotting avec matplotlib Monte-carlo simulation de lefs etfs. Avant de commencer avec la partie amusante du développement stratégique, nous devons collecter et trier les données sur les prix. Cette semaine consiste à obtenir les données de diverses sources. Pour pimenter avec un cas de test, nous allons télécharger les prix SampP500 univers entier de prix de yahoo finance. Introduction aux pandas Travailler avec les temps et les dates. Lecture et écriture de fichiers CSV Lecture de fichiers excel Lecture de fichiers HDF5 Obtenir des données depuis le web (Yahoo finance, CBOE, etc.) Saisonnalité de SPY: existe-t-il une arête basée sur le jour de la semaine Obtenez l'historique complet de l'univers SampP500 et enregistrez-le dans une base de données. C'est la partie amusante, qui est seulement limitée par votre propre créativité. Nous allons passer par plusieurs cas de test de stratégie. Calcul de pnl et métriques de performance. La stratégie finale de portefeuille Stratégie XLP Stratégie de négociation de paires (construire une propagation neutre et backtesting il) Stratégies de volatilité Stratégie de levier ETFs La dernière chose que vous avez besoin pour la construction d'un système automatisé de négociation est une connexion à un courtier. Cette semaine, nous nous concentrerons sur l'utilisation de l'API Interactive Brokers pour la réception de données en temps réel et la soumission de commandes. Connexion à Interactive Brokers avec ibpy Téléchargement de données historiques intraday Obtenir des données stock en temps réel Passer des commandes