Eu sou novo em programação, Python e Pandas, então espero que esta não seja uma pergunta tola. Eu baixei alguns dados FOREX daqui. Um valor de meses de dados é de cerca de 50mil linhas em formato CSV para todos os pares. Gostaria de eventualmente ser capaz de testar uma estratégia em vários quadros de tempo e instrumentos. Aqui está o código que estou usando: Em qualquer coisa que não seja um arquivo de teste truncado, esta leitura em processo leva muito tempo. Existe uma maneira que eu deveria estar armazenando os dados para que Pandas pode ler os arquivos muito mais rápido Existe um limite para o tamanho dos dados que Pandas pode razoavelmente lidar com Qualquer ajuda seria muito apreciada. Leia habilidades Quant 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 quantitativa. O curso dá-lhe o máximo de impacto para o seu tempo investido e dinheiro. Concentra-se na aplicação prática da programação ao comércio, em vez da ciência da computação teórica. O curso irá pagar por si rapidamente, poupando 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 o 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 Embora alguns tópicos sejam explicados em grande detalhe para ajudá-lo a entender os conceitos subjacentes, na maioria dos casos você nem precisará escrever seu próprio código de baixo nível, por causa do suporte existente 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 2017, isso é o que os alunos têm a dizer: Matej curso bem projetado 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. Python Algorithmic Trading Library PyAlgoTrade é uma biblioteca de negociação algorítmica Python com foco em backtesting e suporte para paper-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 dirigido. Suporta ordens 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 drawdown. 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 backtest uma estratégia. PyAlgoTrade é livre, de código aberto, e é licenciado sob a Licença Apache, Versão 2.0.
No comments:
Post a Comment