Estrategias De Negociación Python

Python Algorithmic Trading Library PyAlgoTrade es una biblioteca de intercambio algorítmico Python centrada en backtesting y soporte para el comercio de papel y el comercio en vivo. Digamos que usted tiene una idea para una estrategia comercial y le gustaría evaluar con datos históricos y ver cómo se comporta. PyAlgoTrade le permite hacerlo con el mínimo esfuerzo. Características principales Totalmente documentado. Evento conducido . Soporta órdenes de Market, Limit, Stop y StopLimit. Soporta los archivos de Yahoo Finance, Google Finance y NinjaTrader CSV. Soporta cualquier tipo de datos de series de tiempo en formato CSV, por ejemplo Quandl. Bitcoin soporte comercial a través de Bitstamp. Indicadores técnicos y filtros como SMA, WMA, EMA, RSI, bandas de Bollinger, exponente de Hurst y otros. Métricas de rendimiento como Sharpe ratio y análisis de reducción. Manejo de eventos de Twitter en tiempo real. Profiler de eventos. Integración TA-Lib. Escalable Muy fácil de escalar horizontalmente, es decir, usar uno o más equipos para volver a probar una estrategia. Free PyAlgoTrade es libre, de código abierto, y está licenciado bajo la Licencia Apache, Versión 2.0.Learn Quant habilidades Si usted es un comerciante o un inversor y le gustaría adquirir un conjunto de habilidades de negociación cuantitativa, usted está en el lugar correcto. El curso de Trading con Python le proporcionará las mejores herramientas y prácticas para la investigación de comercio cuantitativo, incluyendo funciones y guiones escritos por expertos comerciantes cuantitativos. El curso le da el máximo impacto para su tiempo invertido y dinero. Se centra en la aplicación práctica de la programación a la comercialización en lugar de la informática teórica. El curso se pagará rápidamente ahorrándote tiempo en el procesamiento manual de datos. Pasará más tiempo investigando su estrategia e implementando operaciones rentables. Descripción general del curso Parte 1: Conceptos básicos Usted aprenderá por qué Python es una herramienta ideal para el comercio cuantitativo. Comenzaremos por crear un entorno de desarrollo y luego le presentaremos a las bibliotecas científicas. Parte 2: Manejo de los datos Aprenda a obtener datos de varias fuentes gratuitas como Yahoo Finance, CBOE y otros sitios. Leer y escribir múltiples formatos de datos incluyendo archivos CSV y Excel. Parte 3: Investigación de estrategias Aprenda a calcular PL y métricas de rendimiento como Sharpe y Drawdown. Construir una estrategia comercial y optimizar su rendimiento. Múltiples ejemplos de estrategias se discuten en esta parte. Parte 4: Viviendo en Vivo Esta parte está centrada en Interactive Brokers API. Usted aprenderá cómo obtener datos de stock en tiempo real y colocar pedidos en vivo. Lotes de código de ejemplo El material de curso consiste en portátiles que contienen texto junto con código interactivo como éste. Podrás aprender interactuando con el código y modificándolo a tu gusto. Será un gran punto de partida para escribir sus propias estrategias Si bien algunos temas se explican con gran detalle para ayudarle a entender los conceptos subyacentes, en la mayoría de los casos ni siquiera tendrá que escribir su propio código de bajo nivel, debido al apoyo de los existentes Bibliotecas de fuentes. TradingWithPython biblioteca combina gran parte de la funcionalidad discutida en este curso como un ready-to-use funciones y se utilizará a lo largo del curso. Pandas le proporcionará toda la potencia de carga pesada necesaria en el crujido de datos. Todo el código se proporciona bajo la licencia BSD, permitiendo su uso en aplicaciones comerciales Calificación del curso Un piloto del curso se llevó a cabo en la primavera de 2013, esto es lo que los estudiantes llegaron a decir: Matej curso bien diseñado y buen entrenador. Definitivamente vale la pena su precio y mi tiempo Lave Jev obviamente conocía sus cosas. Profundidad de cobertura era perfecta. Si Jev corre algo como esto de nuevo, Ill será el primero en inscribirse. John Phillips Su curso realmente me hizo saltar comenzó considerando python para el análisis del sistema de acciones. Contenidos El curso se centra tanto como sea posible en ejemplos prácticos de los problemas reales involucrados en el comercio cuantitativo. Comenzaremos con la creación de un entorno en desarrollo y obtención de datos históricos de precios. Después de eso vamos a backtest un par de estrategias comerciales típicas. Una parte final del curso se centra en el comercio automatizado a través de Interactive Brokers API. La parte teórica (ciencia matemática de la matemáticas) se mantendrá a un mínimo y sólo se tratará donde sea necesario. Antes de tomar el curso, configurará su propio entorno Python y obtendrá una sensación básica del idioma. Esta parte del curso está disponible gratuitamente. Vamos a saltar a la derecha y utilizar dos estudios de caso para acostumbrarse a trabajar con herramientas científicas. Por qué Python Configurar el entorno Python Principios básicos de Python Escribir, ejecutar y depurar código. Introducción a Numpy Plotting con matplotlib Simulación Monte-carlo de etfs apalancados. Antes de comenzar con la parte divertida del desarrollo de estrategias, necesitamos recopilar y clasificar los datos de precios. Esta semana se trata de obtener los datos de varias fuentes. Para condimentarla con un caso de prueba, descargaremos todos los precios diarios del universo SampP500 de las finanzas de yahoo. Introducción a pandas Trabajar con tiempos y fechas. Lectura y escritura de archivos CSV Lectura de archivos Excel Lectura de archivos HDF5 Obtención de datos de la web (Yahoo finance, CBOE, etc.) Estacionalidad de SPY: ¿hay una ventaja basada en el día de la semana? Obtenga toda la historia del universo SampP500 y guárdela en una base de datos. Esta es la parte divertida, que sólo está limitada por su propia creatividad. Vamos a pasar por varios casos de prueba de estrategia. Cálculo de pnl y métricas de rendimiento. Estructura de impulso simple utilizando promedios móviles Estrategia de cartera permanente Estrategia de XLP Estrategia de negociación de pares (construcción de una propagación neutra y backtesting) Estrategias de volatilidad Estrategia de ETFs apalancada Lo último que necesita para construir un sistema de comercio automatizado es una conexión a un corredor. Esta semana nos centraremos en usar Interactive Brokers API para recibir datos en tiempo real y enviar pedidos. Conexión a Interactive Brokers con ibpy Descarga de datos intradía históricos Obtención de datos de stock en tiempo real Colocación de pedidos