Py forex

Biblioteca de Negociação Algorítmica Python.

O PyAlgoTrade é uma Biblioteca de Negociação Algorítmica Python com foco em backtesting e suporte para negociação de papéis e negociação ao vivo. Digamos que você tenha uma ideia para uma estratégia de negociação e gostaria de avaliá-la com dados históricos e ver como ela se comporta. O PyAlgoTrade permite que você faça isso com o mínimo de esforço.

Principais características.

Totalmente documentado. Evento dirigido. Suporta ordens Market, Limit, Stop e StopLimit. Suporta o Yahoo! Arquivos Finanças, Google Finance e NinjaTrader CSV. Suporta qualquer tipo de dados de séries temporais no formato CSV, por exemplo, o Quandl. Suporte de negociação Bitcoin através do Bitstamp. Indicadores técnicos e filtros como SMA, WMA, EMA, RSI, Bandas de Bollinger, expoente de Hurst e outros. Métricas de desempenho como a taxa de Sharpe e a análise de rebaixamento. Manipulando eventos do Twitter em tempo real. Criador de perfil de eventos. Integração TA-Lib.

Muito fácil de dimensionar horizontalmente, isto é, usando um ou mais computadores para fazer backtest de uma estratégia.

O PyAlgoTrade é gratuito, de código aberto e está licenciado sob a Licença Apache, Versão 2.0.

forex-python 0.3.0.

Taxas de câmbio e conversão de moeda.

- Listar todas as taxas de câmbio.

- Preço BitCoin para todos os curuncies.

- Convertendo o valor para BitCoins.

- Obtenha taxas históricas para qualquer dia desde 1999.

- Taxa de conversão para uma moeda (ex; USD para INR).

- Converter valor de uma moeda para outra ('USD 10' para INR).

O Fixer. io é uma API gratuita para taxas de câmbio atuais e históricas publicada pelo Banco Central Europeu.

As tarifas são atualizadas diariamente 15:00 CET.

Preços de bitcoins calculados a cada minuto. Para mais informações visite [CoinDesk API] (coindesk / api /)

Forex Trading Diary # 1 - Negociação Forex Automatizada com a API OANDA.

Forex Trading Diary # 1 - Negociação Forex Automatizada com a API OANDA.

Eu mencionei anteriormente no artigo QuantStart: 2014 In Review que eu estaria gastando parte de 2015 escrevendo sobre negociação forex automatizada.

Como eu geralmente faço pesquisas em bolsas e mercados futuros, achei que seria divertido (e educativo!) Escrever sobre minhas experiências de entrar no mercado forex no estilo de um diário. Cada "entrada de diário" tentará construir sobre todos aqueles antes, mas também deve ser relativamente independente.

Nesta primeira entrada do diário estarei descrevendo como configurar uma nova conta de corretagem prática com a OANDA, além de como criar um mecanismo básico de negociação orientado a eventos multithreaded que pode executar negociações automaticamente em uma configuração prática e ao vivo.

No ano passado, passamos muito tempo examinando o backtester orientado a eventos, principalmente para ações e ETFs. O que eu apresento abaixo é voltado para o forex e pode ser usado para negociação de papel ou negociação ao vivo.

Eu escrevi todas as instruções a seguir para o Ubuntu 14.04, mas elas devem ser facilmente traduzidas para o Windows ou Mac OS X, usando uma distribuição Python como o Anaconda. A única biblioteca adicional usada para o mecanismo de negociação Python é a biblioteca de solicitações, necessária para a comunicação HTTP com a API OANDA.

Uma vez que este é o primeiro post diretamente sobre a troca de moeda estrangeira, e o código apresentado abaixo pode ser diretamente adaptado para um ambiente de negociação ao vivo, eu gostaria de apresentar as seguintes declarações de exoneração de responsabilidade:

Isenção de responsabilidade: Negociar divisas na margem implica um elevado nível de risco e pode não ser adequado para todos os investidores. O desempenho passado não é indicativo de resultados futuros. O alto grau de alavancagem pode funcionar contra você e também para você. Antes de decidir investir em moeda estrangeira, você deve considerar cuidadosamente seus objetivos de investimento, nível de experiência e apetite de risco. Existe a possibilidade de você sustentar uma perda de parte ou de todo o seu investimento inicial e, portanto, não deve investir dinheiro que não pode perder. Você deve estar ciente de todos os riscos associados à negociação em moeda estrangeira e procurar orientação de um consultor financeiro independente, caso tenha alguma dúvida.

Este software é fornecido "como está" e quaisquer garantias expressas ou implícitas, incluindo, mas não se limitando a, garantias implícitas de comercialização e adequação a uma finalidade específica são renunciadas. Em nenhum caso os regentes ou contribuintes serão responsáveis ​​por quaisquer danos diretos, indiretos, incidentais, especiais, exemplares ou consequentes (incluindo, mas não se limitando a, aquisição de bens ou serviços substitutos, perda de uso, dados ou lucros; ou interrupção de negócios), no entanto causada e em qualquer teoria de responsabilidade, seja em contrato, responsabilidade estrita, ou delito (incluindo negligência ou de outra forma) decorrentes de qualquer uso do software, mesmo se avisado da possibilidade de tal dano.

Configurando uma conta com o OANDA.

A primeira pergunta que vem à mente é "Por que escolher o OANDA?". Simplificando, depois de pesquisar um pouco sobre forex brokers que tinham APIs, vi que a OANDA havia lançado recentemente uma API REST adequada que poderia ser facilmente comunicada de praticamente qualquer idioma de uma maneira extremamente simples. Depois de ler a documentação da API do desenvolvedor, decidi tentar, pelo menos com uma conta prática.

Para ser claro - não tenho nenhum relacionamento anterior ou existente com a OANDA e estou apenas fornecendo esta recomendação com base na minha experiência limitada de brincar com a prática API e algum uso breve (para download de dados de mercado) enquanto empregado em um fundo anteriormente. Se alguém se deparar com quaisquer outros corretores de forex que também tenham uma API similarmente moderna, então eu ficaria feliz em dar-lhes uma aparência também.

Antes de utilizar a API, é necessário se inscrever para uma conta prática. Para fazer isso, vá para o link de inscrição. Você verá a seguinte tela:

Você poderá então entrar com suas credenciais de login. Certifique-se de selecionar a guia "fxTradePractice" na tela de login:

Quando chegar, você precisará anotar seu ID da conta. Ele está listado abaixo do cabeçalho "Meus Fundos", ao lado de "Primário". O meu é um número de 7 dígitos. Além disso, você também precisará gerar um token de API pessoal. Para fazer isso, clique em "Gerenciar acesso à API" abaixo da guia "Outras ações" na parte inferior esquerda:

Nesse estágio, você poderá gerar um token de API. Você precisará da chave para usá-la mais tarde, portanto, certifique-se de anotá-la também.

Agora você vai querer lançar o aplicativo FXTrade Practice, que nos permitirá ver as ordens executadas e nosso (papel!) Lucro & amp; perda.

Se você estiver executando um sistema Ubuntu, precisará instalar uma versão ligeiramente diferente do Java. Em particular, a versão Oracle do Java 8. Se você não fizer isso, o simulador de prática não será carregado a partir do navegador. Eu corri estes comandos no meu sistema:

Agora você poderá iniciar o ambiente comercial de prática. Volte para o painel OANDA e clique no link verde destacado "Ativar FXTrade Practice". Ele abrirá uma caixa de diálogo Java perguntando se você deseja executá-lo. Clique em "Executar" e a ferramenta fxTrade Practice será carregada. O meu padrão foi um gráfico de velas de 15 min de EUR / USD com o painel de cotações à esquerda:

Tela OANDA fxTrade Practice.

Neste ponto, estamos prontos para começar a projetar e codificar nosso sistema automatizado de negociação forex contra a API OANDA.

Visão geral da arquitetura de negociação.

Se você tem acompanhado a série de backtester orientada a eventos para ações e ETFs que eu criei no ano passado, você estará ciente de como um sistema de negociação orientado a eventos funciona. Para aqueles de vocês que são novos no software orientado a eventos, sugiro ler o artigo para saber como eles funcionam.

Em essência, todo o programa é executado em um infinte, enquanto o loop só termina quando o sistema de negociação é desligado. O mecanismo central de comunicação do programa é dado por meio de uma fila que contém eventos.

A fila é constantemente consultada para verificar novos eventos. Uma vez que um evento tenha sido retirado do topo da fila, ele deve ser tratado por um componente apropriado do programa. Portanto, um feed de dados de mercado pode criar TickEvents que são colocados na fila quando chega um novo preço de mercado. Um objeto de estratégia de geração de sinal pode criar OrderEvents que devem ser enviados para uma corretora.

A utilidade de tal sistema é dada pelo fato de que não importa qual ordem ou tipos de eventos são colocados na fila, pois eles sempre serão tratados corretamente pelo componente certo dentro do programa.

Além disso, diferentes partes do programa podem ser executadas em encadeamentos separados, o que significa que nunca há qualquer espera por qualquer componente em particular antes do processamento de qualquer outro. Isso é extremamente útil em situações de negociação algorítmica em que os manipuladores de feed de dados de mercado e os geradores de sinal de estratégia têm características de desempenho muito diferentes.

O loop de negociação principal é dado pelo seguinte pseudocódigo do Python:

Como afirmamos acima, o código é executado em um loop infinito. Em primeiro lugar, a fila é pesquisada para recuperar um novo evento. Se a fila estiver vazia, o loop simplesmente reinicia após um curto período de suspensão conhecido como "heartbeat". Se um evento for encontrado, seu tipo é avaliado e, em seguida, o módulo relevante (a estratégia ou o manipulador de execução) é chamado para manipular o evento e, possivelmente, gerar novos que retornam à fila.

Os componentes básicos que criaremos para nosso sistema de negociação incluem o seguinte:

Manipulador de Preço de Transmissão - Isso manterá uma conexão de longa duração aberta aos servidores da OANDA e enviará dados de tick (ou seja, lance / pedido) através da conexão para quaisquer instrumentos que nos interessem. Gerador de Sinal de Estratégia - Isso levará uma sequência de marcações eventos e usá-los para gerar ordens de negociação que serão executadas pelo manipulador de execução. Manipulador de Execução - Executa um conjunto de eventos de pedido e executa-os cegamente com OANDA. Eventos - Esses objetos constituem as "mensagens" transmitidas na fila de eventos. Nós só precisamos de dois para esta implementação, ou seja, o TickEvent e o OrderEvent. Ponto de entrada principal - O ponto de entrada principal também inclui o loop de "troca" que pesquisa continuamente a fila de mensagens e envia mensagens para o componente correto. Isso geralmente é conhecido como "event loop" ou "event handler".

Vamos agora discutir a implementação do código em detalhe. Na parte inferior do artigo está a lista completa de todos os arquivos de código-fonte. Se você colocá-los no mesmo diretório e executar python trading. py, você começará a gerar pedidos, desde que tenha preenchido seu ID de conta e token de autenticação da OANDA.

Implementação Python.

É uma prática ruim armazenar senhas ou chaves de autenticação dentro de uma base de código, pois você nunca pode prever quem terá acesso permitido a um projeto. Em um sistema de produção, armazenamos essas credenciais como variáveis ​​de ambiente com o sistema e, em seguida, consultamos esses "envvars" sempre que o código é reimplantado. Isso garante que senhas e tokens de autenticação nunca sejam armazenados em um sistema de controle de versão.

No entanto, como estamos apenas interessados ​​em criar um sistema de negociação de "brinquedos" e não nos preocupamos com detalhes de produção neste artigo, iremos separar esses tokens de autenticação em um arquivo de configurações.

No seguinte arquivo de configuração settings. py, temos um dicionário chamado ENVIRONMENTS, que armazena os endpoints da API para a API de streaming de preço OANDA e para a API de negociação. Cada sub dicionário contém três endpoints de API separados: real, prática e sandbox.

A sandbox API é puramente para testar código e verificar se não há erros ou bugs. Ele não tem garantias de tempo de atividade das APIs reais ou práticas. A prática API, em essência, fornece a capacidade de comércio de papel. Ou seja, ele fornece todos os recursos da API real em uma conta de prática simulada. A API real é apenas isso - é negociação ao vivo! Se você usar esse endpoint em seu código, ele será negociado com o saldo da sua conta ativa. SEJA EXTREMAMENTE CUIDADO!

IMPORTANTE: Ao negociar com a API da prática, lembre-se de que um custo de transação importante, o impacto no mercado, não é considerado. Como nenhum negócio está realmente sendo colocado no ambiente, esse custo deve ser contabilizado de outra maneira em outro lugar, usando um modelo de impacto de mercado, se você quiser avaliar realisticamente o desempenho.

A seguir, estamos usando a conta de prática conforme fornecida pela configuração DOMAIN. Precisamos de dois dicionários separados para os domínios, um para os componentes da API de streaming e de negociação. Finalmente, temos o ACCESS_TOKEN e o ACCOUNT_ID. Eu preenchi os dois abaixo com IDs fictícios, então você precisará utilizar os seus próprios, que podem ser acessados ​​na página da conta OANDA:

A próxima etapa é definir os eventos que a fila usará para ajudar todos os componentes individuais a se comunicarem. Precisamos de dois: TickEvent e OrderEvent. A primeira armazena informações sobre os dados do mercado de instrumentos, como o (melhor) lance / pedido e o tempo de negociação. O segundo é usado para transmitir ordens ao manipulador de execução e, portanto, contém o instrumento, o número de unidades a negociar, o tipo de ordem ("mercado" ou "limite") e o "lado" (ou seja, "comprar" e "vender"). ).

Para tornar nosso código de eventos à prova do futuro, criaremos uma classe base chamada Event e teremos todos os eventos herdados disso. O código é fornecido abaixo em events. py:

A próxima aula que vamos criar lidará com a estratégia de negociação. Nesta demonstração, vamos criar uma estratégia sem sentido que simplesmente recebe todos os ticks do mercado e, a cada 5 ticks, compra ou vende 10.000 unidades de EUR / USD aleatoriamente.

Claramente esta é uma "estratégia" ridícula! No entanto, é fantástico para fins de teste, porque é simples de codificar e entender. Em futuras entradas do diário, estaremos substituindo isso por algo significativamente mais excitante que (esperançosamente) gerará lucro!

O arquivo strategy. py pode ser encontrado abaixo. Vamos trabalhar nisso e ver o que está acontecendo. Em primeiro lugar, importamos a biblioteca aleatória e o objeto OrderEvent de events. py. Precisamos da biblioteca aleatória para selecionar uma ordem aleatória de compra ou venda. Precisamos de OrderEvent, pois é assim que o objeto de estratégia enviará pedidos para a fila de eventos, que será posteriormente executada pelo manipulador de execução.

A classe TestRandomStrategy simplesmente pega o instrumento (nesse caso, EUR / USD), o número de unidades e a fila de eventos como um conjunto de parâmetros. Em seguida, ele cria um contador de ticks que é usado para informar quantas ocorrências de TickEvent ele viu.

A maior parte do trabalho ocorre no método calculate_signals, que simplesmente recebe um evento, determina se é um TickEvent (caso contrário, ignora) e incrementa o contador de ticks. Em seguida, ele verifica se a contagem é divisível por 5 e, em seguida, compra ou vende aleatoriamente, com uma ordem de mercado, o número especificado de unidades. Certamente não é a maior estratégia de negociação do mundo, mas será mais do que adequada para nossos testes com a API de corretagem da OANDA!

O próximo componente é o manipulador de execução. Esta classe é encarregada de atuar em instâncias de OrderEvent e fazer solicitações ao broker (neste caso, OANDA) de uma maneira "burra". Ou seja, não há gerenciamento de riscos ou sobreposição de construção de portfólio. O manipulador de execução simplesmente executará qualquer pedido que tenha sido dado.

Devemos transmitir todas as informações de autenticação para a classe Execution, incluindo o "domínio" (prática, real ou sandbox), o token de acesso e o ID da conta. Em seguida, criamos uma conexão segura com o httplib, um dos Pythons construídos em bibliotecas.

A maior parte do trabalho ocorre em execute_order. O método requer um evento como um parâmetro. Em seguida, ele constrói dois dicionários - os cabeçalhos e os parâmetros. Esses dicionários serão então codificados corretamente (parcialmente por urllib, outra biblioteca Python) para serem enviados como uma solicitação HTTP POST para a API OANDAs.

Nós passamos os parâmetros do cabeçalho Content-Type e Authorization, que incluem nossas informações de autenticação. Além disso, codificamos os parâmetros, que incluem o instrumento (EUR / USD), unidades, tipo de ordem e lado (compra / venda). Finalmente, fazemos o pedido e salvamos a resposta:

O componente mais complexo do sistema de negociação é o objeto StreamingForexPrices, que lida com as atualizações de preço de mercado do OANDA. Existem dois métodos: connect_to_stream e stream_to_queue.

O primeiro método usa a biblioteca de pedidos do Python para se conectar a um soquete de fluxo com os cabeçalhos e parâmetros apropriados. Os parâmetros incluem o ID da conta e a lista de instrumentos necessários que devem ser ouvidos para atualizações (neste caso, são apenas EUR / USD). Observe a seguinte linha:

Isso informa a conexão a ser transmitida e, portanto, mantida aberta de uma maneira longa.

O segundo método, stream_to_queue, realmente tenta se conectar ao fluxo. Se a resposta não for bem sucedida (ou seja, o código de resposta não é HTTP 200), então simplesmente retornamos e saímos. Se for bem-sucedido, tentamos carregar o pacote JSON retornado em um dicionário Python. Finalmente, convertemos o dicionário do Python com o instrumento, bid / ask e timestamp em um TickEvent que é enviado para a fila de eventos:

Agora temos todos os componentes principais no lugar. O passo final é finalizar tudo o que escrevemos até agora em um programa "principal". O objetivo deste arquivo, conhecido como trading. py, é criar dois encadeamentos separados, um dos quais executa o manipulador de precificação e o outro que executa o manipulador de negociação.

Por que precisamos de dois segmentos separados? Simplificando, estamos executando dois códigos de código "separados", ambos em execução contínua. Se fôssemos criar um programa sem encadeamento, o soquete de fluxo contínuo usado para as atualizações de preços nunca "liberaria" de volta para o caminho do código principal e, portanto, nunca executaríamos nenhuma negociação. Da mesma forma, se executássemos o loop de negociação (veja abaixo), nós nunca retornaríamos o caminho do fluxo para o soquete de streaming de preço. Por isso, precisamos de vários segmentos, um para cada componente, para que possam ser realizados de forma independente. Ambos se comunicarão através da fila de eventos.

Vamos examinar isso um pouco mais. Criamos dois segmentos separados com as seguintes linhas:

Passamos o nome da função ou método para o argumento da palavra-chave target e passamos uma iterável (como uma lista ou tupla) para o argumento da palavra-chave args, que então passa esses argumentos para o método / função real.

Finalmente nós começamos os dois tópicos com as seguintes linhas:

Assim, somos capazes de executar dois segmentos de código efetivamente looping infinitos, que se comunicam através da fila de eventos. Observe que a biblioteca de threads do Python não produz um verdadeiro ambiente multithread com vários núcleos devido à implementação do CPython do Python e do Global Interpreter Lock (GIL). Se você gostaria de ler mais sobre multithreading em Python, por favor dê uma olhada neste artigo.

Vamos examinar o resto do código em detalhes. Primeiramente, importamos todas as bibliotecas necessárias, incluindo fila, encadeamento e hora. Em seguida, importamos todos os arquivos de código acima. Eu pessoalmente prefiro capitalizar qualquer configuração, que é um hábito que eu aprendi trabalhando com o Django!

Depois disso, definimos a função trade, que foi explicada no Python-pseudocode acima. Um loop while infinito é executado (enquanto True:), que continuamente pesquisa a partir da fila de eventos e apenas pula o loop se for encontrado vazio. Se um evento for encontrado, então é um TickEvent ou um OrderEvent e, em seguida, o componente apropriado é chamado para executá-lo. Nesse caso, é uma estratégia ou um manipulador de execução. O loop, em seguida, simplesmente dorme por "heartbeat" segundos (neste caso, 0,5 segundos) e continua.

Finalmente, definimos o ponto de entrada principal do código na função __main__. É bem comentado abaixo, mas vou resumir aqui. Em essência, instanciamos a fila de eventos e definimos os instrumentos / unidades. Em seguida, criamos a classe de streaming de preço StreamingForexPrices e, em seguida, o manipulador de execução Execution. Ambos recebem os detalhes de autenticação necessários fornecidos pela OANDA ao criar uma conta.

Em seguida, criamos a instância de TestRandomStrategy. Por fim, definimos os dois threads e depois os iniciamos:

Para executar o código, basta colocar todos os arquivos no mesmo diretório e chamar o seguinte no terminal:

Note que para parar o código neste estágio é necessário matar o processo Python, via "Ctrl-Z" ou equivalente! Eu não adicionei um segmento adicional para lidar com procurando o sys. exit () que seria necessário para parar o código com segurança. Uma maneira potencial de parar o código em uma máquina Ubuntu / Linux é digitar:

E, em seguida, passe a saída deste (um número de processo) para o seguinte:

Onde PROCESS_ID deve ser substituído pela saída do pgrep. Note que esta NÃO é uma boa prática!

Em artigos posteriores, estaremos criando um mecanismo stop / start mais sofisticado que faz uso da supervisão de processos do Ubuntu para que o sistema de negociação funcione 24 horas por dia, 7 dias por semana.

A saída após 30 segundos ou mais, dependendo da hora do dia em relação às principais horas de negociação para EUR / USD, para o código acima, é dada abaixo:

As primeiras cinco linhas mostram os dados do tíquete JSON retornados da OANDA com preços de compra / venda. Posteriormente, você pode ver a ordem de execução! a saída, bem como a resposta JSON retornada da OANDA confirmando a abertura de uma transação de compra para 10.000 unidades de EUR / USD e o preço em que ela foi atingida.

Isso continuará funcionando indefinidamente até você matar o programa com um comando "Ctrl-Z" ou similar.

Qual é o próximo?

Em artigos posteriores, vamos realizar algumas melhorias muito necessárias, incluindo:

Estratégias reais - estratégias de forex adequadas que geram sinais lucrativos. Infraestrutura de produção - Implementação remota do servidor e sistema de negociação monitorado 24/7, com capacidade de parada / partida. Portfolio e gestão de risco - Portfolio e sobreposições de risco para todas as ordens sugeridas da estratégia. Múltiplas estratégias - Construindo um portfólio de estratégias que se integram na sobreposição de gerenciamento de riscos.

Tal como acontece com o backtester acionado por eventos de ações, também precisamos criar um módulo de backtest de forex. Isso nos permitirá realizar pesquisas rápidas e facilitar o desenvolvimento de estratégias.

Desenvolvendo um Sistema Automatizado de Negociação com Python.

AVISO LEGAL! Forex trading carrega uma grande quantidade de risco. Qualquer e tudo descrito neste código é apenas para fins educacionais. Eu não sou responsável por nenhuma das suas perdas ou dificuldades que você possa enfrentar como resultado do uso deste código. Mais uma vez, este destina-se a ser usado apenas para fins educacionais.

Este código está licenciado sob a licença pública GNU. Consulte Mais informação.

A idéia de escrever este post veio da enorme quantidade de pessoas no r / Forex que estavam interessadas em automatizar suas estratégias de negociação Forex. Espero manter este post curto, simples e informativo, por favor, tenha paciência comigo.

Se você não tem pelo menos um entendimento intermediário do Python, sugiro que você o leia. Existem inúmeros recursos que o ajudarão a começar, eu recomendo o codecademy.

Certifique-se de configurar uma conta demo com o Oanda e gerar uma chave de API.

Ok, vamos lá!

Primeiramente, eu recomendo usar um IDE que permita que você rode seu código python ou use Linux / OSX para que você possa testar com o terminal. Pessoalmente, eu uso o Spyder IDE que vem no pacote do Anaconda. Você pode baixar isso aqui.

Você precisará instalar duas bibliotecas python principais: oandapyV20 & amp; solicitações de.

Esta será nossa estrutura final de arquivos:

O primeiro arquivo no qual vamos nos concentrar é __init__.py:

Neste arquivo, criamos nossas variáveis ​​para serem usadas no restante desta estratégia. Eu vou estar usando uma estratégia de crossover de média móvel simples 2, então para o meu SMAbig eu usei 50 períodos de dados, e meu SMAsmall eu usei 25 períodos de dados. a variável count é a quantidade de dados que você retorna da API do Oanda. Quanto maior o número, mais lento o sistema será executado. Coloque sua chave de API na variável "chave". Coloque o ID da sua conta na variável "accountID". Você também pode definir o tipo de dados da vela que deseja usar. Eu estou usando o gráfico de 4 horas, então, sob params, eu coloquei “H4”. Uma lista de dados que você pode obter da Oanda pode ser encontrada aqui.

Tudo bem, agora estamos no nosso próximo arquivo, candles. py:

Agora vamos ao nosso próximo arquivo, strategy. py.

Agora nosso arquivo final, app. py:

Eu recomendo olhar o resto do código no Github aqui, pois a formatação do Medium é bem terrível. O último arquivo app. py é onde declaramos nossas condicionais e decidimos se o bot deve ou não negociar.

Github Repo completo: aqui.

Indo adiante, há muito que você pode fazer quando tiver seus dados iniciais de velas. Tudo a partir desse ponto é apenas uma questão de executar equações matemáticas simples para decidir se o seu bot deve ou não ser negociado. Algumas coisas que podem ser facilmente implementadas são as retrações de Fibonacci, RSI, Heiken Ashi. As possibilidades são infinitas.

Bem-vindo a este & # 8220; BEST FOREX EA & # 8217; S | CONSULTORES ESPECIALISTAS | ROBÔS FX & # 8221; Revise o site!

+++ BEST FOREX EA'S | CONSULTORES ESPECIALISTAS | ROBÔS FX recomenda o FOREX FLEX EA +++

O EA da Python baseia-se na natureza de reversão da média das flutuações de preço durante as horas noturnas (das 20:00 às 08:00 para EET). O backtest foi realizado a partir de 2005.

O EA do Python coloca dois pedidos de limite em um período de tempo específico. Este Expert Advisor não usa técnicas de martingale / grid nem gerenciamento de hedge.

O robô de negociação Forex usa:

EMA diário para determinação da tendência; Níveis de suporte e resistência do Canal de preços para posicionamento ideal de pedidos de limite; Filtro de Volatilidade; Time-stop e Stop-loss.

Prazo - M30. Moeda: GBP / USD. O EA pode ser backtested por barras ou por cada tick.