مقدمه ای بر پایتون برای تجارت: مزایا ، استراتژی ها و موارد دیگر

پایتون ، یک زبان برنامه نویسی که در اواخر دهه 1980 توسط گیدو ون روسوم تصور شد ، به ویژه در سالهای اخیر به دلیل سهولت در استفاده ، کتابخانه های گسترده و نحو ظریف ، شاهد رشد فرومایه بوده است.

چگونه یک زبان برنامه نویسی با نامی مانند "پایتون" روبرو شد؟

خوب ، گیدو ، خالق پایتون ، به یک نام کوتاه ، منحصر به فرد و کمی مرموز احتیاج داشت و بنابراین هنگام تماشای یک سریال کمدی به نام "سیرک پرواز مونی پایتون" در مورد "پایتون" تصمیم گرفت.

اگر از دانستن تاریخ پایتون و همچنین پایتون و کاربردهای آن کنجکاو هستید ، همیشه می توانید به فصل اول کتابچه راهنمای پایتون مراجعه کنید ، که هنگام شروع سفر خود در پایتون ، به عنوان راهنمای شما خدمت می کند.

ما به سمت دنیای اتوماسیون حرکت می کنیم و بنابراین ، همیشه تقاضا برای افراد با تجربه زبان برنامه نویسی وجود دارد. وقتی صحبت از دنیای تجارت الگوریتمی می شود ، لازم است یک زبان برنامه نویسی را یاد بگیرید تا الگوریتم های معاملاتی شما باهوش تر و همچنین سریعتر شود.

درست است که شما می توانید بخش برنامه نویسی استراتژی خود را به یک برنامه نویس صالح برون سپاری کنید ، اما بعداً وقتی مجبور شوید استراتژی خود را با توجه به سناریوی تغییر بازار تغییر دهید ، بعداً دست و پا گیر خواهد بود.

در این مقاله موارد زیر را پوشش می دهیم:

انتخاب یک زبان برنامه نویسی

قبل از اینکه مفاهیم اصلی پایتون و کاربرد آن در امور مالی و همچنین استفاده از پایتون برای تجارت را درک کنیم ، بگذارید دلیل یادگیری پایتون را درک کنیم.

داشتن آگاهی از یک زبان برنامه نویسی محبوب ، ساختمانی برای تبدیل شدن به یک معامله گر الگوریتمی حرفه ای است. با پیشرفت سریع در فناوری هر روز ، یادگیری همه زبانهای برنامه نویسی برای برنامه نویسان دشوار است.

یکی از متداول ترین سؤالاتی که در Quantinsti دریافت می کنیم این است

"کدام زبان برنامه نویسی را باید برای تجارت الگوریتمی یاد بگیرم؟"

پاسخ این سؤال این است که چیزی مانند "بهترین" زبان برای تجارت الگوریتمی وجود ندارد. قبل از انتخاب یک زبان برنامه نویسی ، مفاهیم مهم بسیاری در کل فرآیند تجارت مورد توجه قرار گرفته است:

• هزینه
• کارایی
• قابلیت مقاومت
• مدولار بودن و
• پارامترهای مختلف استراتژی تجارت دیگر

هر زبان برنامه نویسی دارای جوانب مثبت و منفی خاص خود است و تعادل بین جوانب مثبت و منفی بر اساس الزامات سیستم تجارت بر انتخاب زبان برنامه نویسی که فرد ممکن است ترجیح دهد یاد بگیرد تأثیر می گذارد.

هر سازمان بر اساس تجارت و فرهنگ خود یک زبان برنامه نویسی متفاوت دارد.

• از چه نوع سیستم معاملاتی استفاده خواهید کرد؟
• آیا قصد دارید یک سیستم معاملاتی مبتنی بر اعدام را طراحی کنید؟
• آیا شما به یک پشتوانه با کارایی بالا نیاز دارید؟

بر اساس پاسخ به همه این سؤالات ، می توان تصمیم گرفت که کدام زبان برنامه نویسی برای تجارت الگوریتمی بهترین است.

چرا از پایتون برای تجارت استفاده می کنید؟

پایتون اخیراً به عنوان یک انتخاب ترجیحی برای تجارت تبدیل شده است زیرا پایتون منبع باز است و تمام بسته ها برای استفاده تجاری رایگان هستند.

پایتون در جامعه امور مالی کمکی کشش کرده است. پایتون به دلیل در دسترس بودن کتابخانه های علمی کافی ، ساخت مدلهای آماری پیچیده را با سهولت آسان می کند.

برخی از کتابخانه های محبوب پایتون عبارتند از:

، ، ، ، ، ، و بیشتر.

اولین به روزرسانی های کتابخانه های تجارت پایتون یک اتفاق منظم در جامعه توسعه دهنده است. جوامع بی شماری در آنجا وجود دارد.

برخی از جوامع پیتون مکرر عبارتند از:

- حدود 1637 گروه کاربر پایتون در سراسر جهان در تقریبا 191 شهر، 37 کشور و بیش از 860،333 عضو وجود دارد.
• بیش از 1. 3 میلیون از 2 میلیون مخزن در Github برای Python وجود دارد.
• بیش از 1. 7 میلیون سوال در مورد پایتون در StackOverflow وجود دارد

و ما حتی اکثریت قریب به اتفاق جوامع محلی را برای پایتون از طریق پورتال‌ها، گروه‌ها، پلتفرم‌ها، انجمن‌ها و غیره مختلف در نظر نگرفته‌ایم.

معامله گران کوانت برای ساختن نمونه اولیه کد به یک زبان برنامه نویسی نیاز دارند. در آن رابطه،

• پایتون اهمیت زیادی در روند کلی تجارت دارد
• پایتون در نمونه‌سازی مدل‌های کوانت به ویژه در گروه‌های معاملاتی کوانت در بانک‌ها و صندوق‌های تامینی کاربردهایی پیدا می‌کند.

Python به اندازه کافی برای سایت ما سریع است و به ما امکان می دهد ویژگی های قابل نگهداری را در زمان های بی سابقه و با حداقل توسعه دهندگان تولید کنیم.

- گفت Cuong Do، معمار نرم افزار، YouTube. com.[2]

چرا معامله‌گران کوانت پایتون را برای معامله ترجیح می‌دهند؟

استفاده از پایتون برای تجارت به آنها کمک می کند:

• کانکتورهای داده خود را بسازند،
• مکانیسم های اجرایی،
• با بک تست و مدیریت سفارش،
• تحلیل رو به جلو، و
• ماژول های تست بهینه سازی

توسعه دهندگان معاملات الگوریتمی اغلب در مورد انتخاب یک فناوری منبع باز یا یک فناوری تجاری/اختصاصی سردرگم هستند. قبل از تصمیم گیری در مورد این مهم است که در نظر بگیرید:

• فعالیت جامعه پیرامون یک زبان برنامه نویسی خاص،
• سهولت نگهداری،
• سهولت نصب،
• مستندات زبان، و
• هزینه های نگهداری

بخشی از محبوبیت پایتون به عنوان یک زبان برنامه نویسی به دلیل تصدیق آن توسط برخی از غول های این حوزه است.

در اینجا لیست کوچکی از برخی از بزرگ‌ترین بازی‌های جهان که از پایتون استفاده می‌کنند آمده است:

"پایتون از ابتدا بخش مهمی از گوگل بوده است و همچنان که سیستم رشد و تکامل می یابد، همچنان باقی می ماند. امروزه ده ها مهندس گوگل از پایتون استفاده می کنند و ما به دنبال افراد بیشتری با مهارت در این زبان هستیم."

- گفت: Peter Norvig، مدیر کیفیت جستجو در Google, Inc. [1]

پایتون به طور فزاینده ای جذابیت گسترده پیدا می کند. و پایتون در حال حاضر در حوزه تجارت مورد توجه قرار گرفته است. ما فهرستی از برخی از وبلاگ های مورد تقاضای خود را در Python for Trading که توسط متخصصان نوشته شده است تنظیم کرده ایم!

محبوبیت پایتون در طول سال ها

پایتون در شاخص TIOBE

رتبه بندی TIOBE با شمارش بازدیدهای محبوب ترین موتورهای جستجو محاسبه می شود. برای محاسبه شاخص TIOBE از بیست و پنج موتور جستجو استفاده می شود. شاخص انجمن برنامه نویسی TIOBE نشان دهنده محبوبیت زبان های برنامه نویسی است. این شاخص در سال 2001 شروع شده و هر ماه یک بار به روز می شود.[1]

بر اساس شاخص TIOBE:

رشد پایتون در طول سال ها پایتون در مقابل همه زبان های برنامه نویسی در طول سال ها

شاخص TIOBE همچنین پایتون را برای چهارمین بار در رتبه اول قرار می دهد!

پایتون برترین زبان برنامه نویسی سال 2020 است

پایتون در فهرست PYPL

محبوبیت زبان برنامه نویسی با نام PYPY Index با تجزیه و تحلیل تعداد دفعات جستجوی آموزش های زبان در Google ایجاد می شود. شاخص PYPL یک بار در ماه به روز می شود.[2]

طبق PYPL:

• در سراسر جهان، پایتون محبوب ترین زبان است
• پایتون در 5 سال گذشته (16. 6 درصد) بیشترین رشد را داشته است.
• پایتون برترین زبان در پنج کشور (ایالات متحده، هند، آلمان، بریتانیا، فرانسه) است.

پایتون در Stackoverflow

اگر به فناوری‌هایی نگاه کنیم که توسعه‌دهندگان گزارش می‌دهند که از آن استفاده نمی‌کنند اما می‌خواهند یاد بگیرند، پایتون برای چهارمین سال متوالی رتبه اول را به خود اختصاص می‌دهد.»

یادگیری پایتون با تقاضای بیشتر

پایتون در Github

گزارش 2020 Github بیان می کند که پایتون در لیست زبانهایی که حاکم است - شماره 2 را در رده های شماره 2 قرار می دهد - زبانهای برتر طی این سالها

پایتون تقریباً در اوج زبانهای برنامه نویسی ظاهر شده است

مزایا و اشکال پایتون در تجارت الگوریتمی

بگذارید ابتدا چند مزایای پایتون را لیست کنیم.

• موازی سازی و قدرت محاسباتی عظیم پایتون مقیاس پذیری را به سبد معاملاتی می بخشد.
• پایتون به دلیل رویکرد برنامه نویسی عملکردی ، نوشتن و ارزیابی ساختارهای تجارت Algo را آسان تر می کند. کد پایتون را می توان به راحتی به الگوریتم های پویا برای تجارت گسترش داد.
• از پایتون می توان برای توسعه برخی از سیستم عامل های تجاری عالی استفاده کرد در حالی که استفاده از C یا C ++ یک کار دردسر و وقت گیر است.
• تجارت با استفاده از پایتون یک انتخاب ایده آل برای افرادی است که می خواهند با سیستم عامل های معاملاتی پویا Algo پیشگام شوند.
• برای افراد جدید در تجارت الگوریتمی ، کد پایتون به راحتی قابل خواندن و در دسترس است.
• تثبیت ماژول های جدید به زبان پایتون و ایجاد آن در تجارت نسبتاً ساده تر است.
• ماژول های موجود همچنین با تجزیه آنها در ماژول های جداگانه که می توانند در معماری های مختلف معاملاتی اعمال شوند ، برای معامله گران ALGO امکان پذیر است.
• هنگام استفاده از پایتون برای تجارت ، به دلیل در دسترس بودن کتابخانه های گسترده پایتون ، نیاز به خطوط کمتری دارد.
• پایتون کدگذاری را در تجارت نسبتاً ساده تر می کند. بازرگانان کمی می توانند مراحل مختلفی را که ممکن است زبانهای دیگر مانند C یا C ++ به آن نیاز داشته باشند ، پرش کنند.
• این همچنین هزینه کلی حفظ سیستم تجارت را کاهش می دهد.
• با طیف گسترده ای از کتابخانه های علمی در پایتون ، معامله گران الگوریتمی می توانند هر نوع تجزیه و تحلیل داده ها را با سرعت اجرا انجام دهند که قابل مقایسه با زبانهای کامپایل شده مانند C ++ باشد.

درست مانند هر سکه دارای دو چهره است ، اشکالاتی در استفاده از پایتون برای تجارت وجود دارد.

در پایتون ، هر متغیر به عنوان یک شی در نظر گرفته می شود ، بنابراین هر متغیر اطلاعات غیر ضروری مانند اندازه ، مقدار و نشانگر مرجع را ذخیره می کند. هنگام ذخیره میلیون ها متغیر در صورت عدم انجام مدیریت حافظه ، می تواند منجر به نشت حافظه و تنگناهای عملکرد شود.

با این حال ، برای کسی که در زمینه برنامه نویسی شروع به کار می کند ، جوانب مثبت استفاده از پایتون برای تجارت فراتر از اشکالاتی است که آن را به عنوان انتخاب عالی زبان برنامه نویسی برای سیستم عامل های تجارت الگوریتمی تبدیل می کند.

پایتون در مقابل C ++ در مقابل R

پایتون یک زبان برنامه نویسی نسبتاً جدید است که با C ++ و R. مقایسه می شود ، با این حال ، مشخص می شود که مردم به دلیل سهولت در استفاده ، پایتون را ترجیح می دهند. بیایید اول تفاوت بین پایتون و C ++ را درک کنیم.

• اگر ابعاد پارامتر پشتی بزرگ باشد ، یک زبان کامپایل شده مانند C ++ اغلب یک انتخاب زبان برنامه نویسی ایده آل است. با این حال ، پایتون از کتابخانه های با کارایی بالا مانند پاندا یا Numpy برای پشتوانه برای حفظ رقابت با معادل های کامپایل شده استفاده می کند.
• بین این دو ، پایتون یا C ++ ، زبانی که برای استفاده از محیط های پشتی و تحقیقاتی مورد استفاده قرار می گیرد ، براساس الگوریتم و کتابخانه های موجود تصمیم می گیرد.
• انتخاب C ++ یا پایتون به فرکانس معاملات بستگی دارد. زبان پایتون برای میله های 5 دقیقه ای ایده آل است. اما هنگام حرکت فریم های زمانی زیر دوم ، پایتون ممکن است یک انتخاب ایده آل نباشد.
• اگر سرعت یک عامل متمایز برای رقابت با رقابت شما است ، استفاده از C ++ انتخاب بهتری نسبت به استفاده از پایتون برای تجارت است.
• C ++ برخلاف پایتون ، یک زبان پیچیده است که حتی مبتدیان نیز می توانند به راحتی بخوانند ، بنویسند و یاد بگیرند.

ما در بالا دیدیم که پایتون در بیشتر شرایط به C ++ ترجیح داده می شود. اما در مورد سایر زبانهای برنامه نویسی ، مانند R چیست؟

خوب ، پاسخ این است که شما می توانید بر اساس نیازهای خود از آن استفاده کنید ، اما به عنوان یک مبتدی پایتون ترجیح داده می شود زیرا درک آن آسان تر است و نحو تمیزتری دارد.

پایتون در حال حاضر از تعداد بیشماری از کتابخانه ها تشکیل شده است ، که از ماژول های بی شماری تشکیل شده است که می توانند بدون نیاز به نوشتن کد برای عملکرد ، مستقیماً در برنامه ما استفاده شوند.

سیستم های معاملاتی با زمان تکامل می یابند و هرگونه انتخاب زبان برنامه نویسی همراه با آنها تکامل می یابد. اگر می خواهید از بهترین های هر دو جهان در تجارت الگوریتمی یعنی مزایای یک زبان برنامه نویسی با هدف کلی و ابزارهای قدرتمند پشته علمی لذت ببرید - پایتون قطعاً تمام معیارها را برآورده می کند.

به گفته Slashdata ،

• پایتون طی یک سال گذشته 1. 6 میلیون توسعه دهنده به دست آورده است
• پایتون سریعترین زبان با بیش از شش میلیون توسعه دهنده است
• 70 ٪ از توسعه دهندگان با استفاده از پایتون ، به دلیل کتابخانه های ML مانند Tensorflow توسعه یافته Google ، Pytorch فیس بوک و Numpy ، به گزارش یادگیری ماشین (ML) متمرکز شده اند.

به گفته Payscale ، متوسط حقوق برای شخصی که دارای پایتون است می تواند در ایالات متحده حدود 92 کیلو دلار باشد.

متوسط حقوق در ایالات متحده برای کسانی که در پایتون مهارت دارند

برنامه های پایتون در امور مالی

پایتون برنامه های عظیمی در زمینه توسعه وب و نرم افزار دارد. پایتون همچنین امروزه به دلیل کاربردهای خود در زمینه یادگیری ماشین ، که در آن ماشین ها آموزش داده می شوند تا از داده های تاریخی بیاموزند و بر اساس برخی از داده های جدید عمل کنند ، به طور گسترده مورد استفاده قرار می گیرد.

از این رو ، پایتون استفاده خود را در حوزه های مختلف مانند:

• پزشکی (برای یادگیری و پیش بینی بیماری ها) ،
• بازاریابی (برای درک و پیش بینی رفتار کاربر) و
• اکنون حتی در تجارت (برای تجزیه و تحلیل و ایجاد استراتژی ها بر اساس داده های مالی).

امروز ، متخصصان امور مالی برای دوره های تجاری در پیتون ثبت نام می کنند تا در دنیای امور مالی امروز مرتبط باشند. روزهایی که برنامه نویسان رایانه و متخصصان دارایی در بخش های جداگانه بودند ، رفته اند.

پایتون - ساخت عناوین

• اندازه بازار تجارت الگوریتمی در سال 2020 11. 66 میلیارد دلار ارزش داشت و پیش بینی می شود تا سال 2028 به 26. 27 میلیارد دلار برسد و در CAGR 10. 7 ٪ از 2021 تا 2028 رشد کرد.
• شرکت ها در حال استخدام مهندسین رایانه هستند و آنها را در دنیای مالی آموزش می دهند. تجارت به صورت الگوریتمی به شیوه اصلی تجارت در جهان تبدیل شده است.
• در حال حاضر 70 ٪ از حجم سفارش بورس اوراق بهادار ایالات متحده شامل معاملات الگوریتمی است.

بنابراین ، برای بازرگانان سهام عدالت و مانند آن معقول است که خود را با هر زبان برنامه نویسی آشنا کنند تا استراتژی معاملاتی خود را بهتر کنند.

برنامه نویسی در پایتون برای تجارت

پس از طی کردن مزایای استفاده از پایتون ، بیایید درک کنیم که چگونه می توانید در واقع استفاده از آن را شروع کنید. بیایید در مورد مؤلفه های مختلف پایتون صحبت کنیم.

وابسته به آناکوندا

توزیع پایتون است ، به این معنی که از کلیه ابزارها و کتابخانه های مورد نیاز برای اجرای کد پایتون ما تشکیل شده است.
• بارگیری و نصب کتابخانه ها و ابزارها به صورت جداگانه می تواند یک کار خسته کننده باشد ، به همین دلیل ما آناکوندا را نصب می کنیم.
• آناکوندا از اکثر بسته های پایتون تشکیل شده است که می توانند مستقیماً در IDE بارگیری شوند تا از آنها استفاده کنند.

Spyder IDE

• IDE یا محیط توسعه یکپارچه ، یک بستر نرم افزاری برای پایتون است که می توانیم کدهای خود را بنویسیم و اجرا کنیم.
• این اساساً از یک ویرایشگر کد تشکیل شده است ، برای نوشتن کدها ، کامپایلر یا مترجم برای تبدیل کد ما به زبان قابل خواندن با دستگاه.
• دارای یک دیباگر برای شناسایی هر گونه اشکال یا خطا در کد شما. می توان از آن برای ایجاد چندین پروژه پایتون استفاده کرد.

نوت بوک ژوپیتر

یک برنامه متن باز برای پایتون است که به ما امکان می دهد کدها را در قالب تعاملی تر ایجاد، بنویسیم و پیاده سازی کنیم.
• می توان از آن برای آزمایش تکه های کوچک کد استفاده کرد، در حالی که می توانیم از Spyder IDE برای اجرای پروژه های بزرگتر استفاده کنیم.

کوندا

Conda یک سیستم مدیریت بسته برای پایتون است که می تواند برای نصب، اجرا و به روز رسانی کتابخانه های پایتون استفاده شود.

راهنمای نصب پایتون

برای درک نحوه نصب بسته‌های پایتون و حل مشکلات مکرری که کاربران در حین نصب با آن مواجه می‌شوند، می‌توانید مقاله ما را در مورد نحوه نصب بسته‌های پایتون بررسی کنید. همچنین Pip install، dir() تابع و PyPi را نیز پوشش می دهد.

اجازه دهید اکنون با فرآیند نصب Anaconda شروع کنیم. مراحل زیر را برای نصب و راه اندازی Anaconda در سیستم ویندوز خود دنبال کنید:

مرحله 1

برای دانلود آناکوندا به وب سایت آناکوندا مراجعه کنید. بر روی نسخه ای که می خواهید دانلود کنید با توجه به مشخصات سیستم خود (64 بیتی یا 32 بیتی) کلیک کنید.

گام 2

فایل دانلود شده را اجرا کنید و روی «بعدی» کلیک کنید و با کلیک روی «موافقم» توافق نامه را بپذیرید.

مرحله 3

در انتخاب نوع نصب، "Just Me (Recommended)" را انتخاب کنید و مکانی را که می خواهید Anaconda ذخیره کنید انتخاب کنید و روی Next کلیک کنید.

مرحله 4

در گزینه های پیشرفته، هر دو کادر را علامت زده و بر روی Install کلیک کنید. پس از نصب، روی "پایان" کلیک کنید.

اکنون آناکوندا را با موفقیت بر روی سیستم خود نصب کرده اید و آماده اجرا است. می توانید Anaconda Navigator را باز کنید و ابزارهای دیگری مانند Jupyter Notebook و Spyder IDE را پیدا کنید.

پس از نصب آناکوندا، اکنون به سراغ یکی از مهم ترین اجزای چشم انداز پایتون، یعنی کتابخانه های پایتون می رویم.

کتابخانه های محبوب پایتون با نام پکیج های پایتون

کتابخانه ها مجموعه ای از ماژول ها یا توابع قابل استفاده مجدد هستند که می توانند مستقیماً در کد ما برای انجام یک عملکرد خاص بدون نیاز به نوشتن کد برای تابع استفاده شوند.

همانطور که قبلا ذکر شد، پایتون دارای مجموعه عظیمی از کتابخانه ها است که می تواند برای عملکردهای مختلف مانند محاسبات، یادگیری ماشین، تجسم و غیره استفاده شود. با این حال، قبل از شروع واقعی با پایتون در مورد مرتبط ترین کتابخانه های پایتون مورد نیاز برای کدنویسی استراتژی های معاملاتی صحبت خواهیم کرد..

ما ملزم خواهیم شد:

• واردات داده های مالی،
• انجام تحلیل عددی،
• ایجاد استراتژی های معاملاتی،
• نمودارهای رسم و
• بک تست روی داده ها انجام دهید.

برای همه این توابع، در اینجا چند کتابخانه Python که به طور گسترده مورد استفاده قرار می گیرد برای تجارت آورده شده است:

NumPy

یا NumericalPy، یک کتابخانه پایتون است که بیشتر برای انجام محاسبات عددی روی آرایه‌های داده استفاده می‌شود.
• آرایه عنصری است که شامل گروهی از عناصر است.
• با استفاده از توابع NumPy می توان عملیات های مختلفی را بر روی آن انجام داد.

پانداها

یک کتابخانه پایتون است که بیشتر با DataFrame استفاده می شود، که یک قالب جدولی یا صفحه گسترده است که در آن داده ها در ردیف ها و ستون ها ذخیره می شوند.
• پانداها را می توان برای وارد کردن داده ها از فایل های اکسل و CSV به طور مستقیم به کد پایتون استفاده کرد.
• پانداها همچنین می توانند برای انجام تجزیه و تحلیل داده ها و دستکاری داده های جدولی استفاده شوند.

Matplotlib

یک کتابخانه پایتون است که برای رسم نمودارهای دو بعدی مانند نمودار میله ای، نمودار پراکندگی، هیستوگرام و غیره استفاده می شود.
• این شامل توابع مختلف برای تغییر نمودار با توجه به نیازهای ما نیز می باشد.

TA-Lib

یا کتابخانه تجزیه و تحلیل فنی یک کتابخانه منبع باز پایتون است و به طور گسترده برای انجام تجزیه و تحلیل فنی بر روی داده های مالی با استفاده از شاخص های فنی مانند RSI (شاخص قدرت نسبی)، باندهای بولینگر، MACD و غیره استفاده می شود.
• این نه تنها با پایتون بلکه با سایر زبانهای برنامه نویسی مانند C/C ++ ، Java ، Perl و غیره نیز کار می کند.

در اینجا برخی از کارکردهای موجود در TA-Lib آورده شده است:

• Bbands - برای گروههای بولینگر ،
• aroonosc - برای نوسان ساز آررون ، - برای حرکت متوسط همگرایی/واگرایی ، - برای شاخص قدرت نسبی.

زیپ خط

یک کتابخانه پایتون برای برنامه های تجاری است.
• این یک سیستم رویداد محور است که هم از پشتی و هم از تجارت زنده پشتیبانی می کند.
• Zipline به خوبی مستند است ، دارای یک جامعه عالی است ، از کارگزار تعاملی و ادغام پاندا پشتیبانی می کند.

اینها فقط تعدادی از کتابخانه ها هستند که هنگام استفاده از پایتون برای تکمیل استراتژی معاملاتی خود از آن استفاده خواهید کرد.

برای اطلاع از تعداد بیشماری از کتابخانه های پایتون با جزئیات بیشتر ، می توانید از طریق این وبلاگ در سیستم عامل های محبوب تجارت پایتون مرور کنید.

کار با داده ها در پایتون

دانستن نحوه بازیابی ، قالب بندی و استفاده از داده ها یک بخش اساسی در تجارت با استفاده از پایتون است ، زیرا بدون داده چیزی وجود ندارد که بتوانید با آن پیش بروید.

داده های مالی در وب سایت های مختلف آنلاین در دسترس است. این داده ها همچنین به عنوان داده های سری زمانی خوانده می شوند زیرا با زمان فهرست بندی می شوند (بازه زمانی می تواند ماهانه ، هفتگی ، روزانه ، 5 دقیقه ، مینی و غیره باشد).

جدا از آن ، ما می توانیم مستقیماً داده ها را از برگه های اکسل که در قالب CSV هستند ، بارگذاری کنیم ، که مقادیر جدولی را ذخیره می کند و می تواند به پرونده ها و کدهای دیگر وارد شود.

اکنون ، ما یاد خواهیم گرفت که چگونه داده های سری زمانی و داده ها را از پرونده های CSV از طریق مثالهای ذکر شده در زیر وارد کنیم.

وارد کردن داده ها در پایتون

در اینجا مثالی در مورد نحوه وارد کردن داده های سری زمانی از Finance Yahoo به همراه توضیحات این دستور در نظرات آورده شده است:

توجه: در پایتون ، می توانیم با اضافه کردن یک نماد##در شروع خط ، نظرات را اضافه کنیم.

برای واکشی داده ها از Finance Yahoo ، ابتدا باید PIP را نصب کنید. می توانید با استفاده از روش بارگیری ، داده ها را از Finance Yahoo دریافت کنید.

حال ، بیایید به مثال دیگری بپردازیم که در آن می توانیم داده ها را از یک پرونده CSV موجود وارد کنیم:

ایجاد یک استراتژی تجارت نمونه و پشتی در پایتون

یکی از ساده ترین استراتژی های معاملاتی شامل میانگین های حرکت است. اما قبل از شیرجه زدن به قسمت برنامه نویسی ، ابتدا در مورد مکانیسم نحوه یافتن انواع مختلف میانگین های متحرک بحث خواهیم کرد.

سپس ما در نهایت به یک استراتژی تجاری متوسط حرکت می کنیم که میانگین واگرایی همگرایی در حال حرکت است ، یا به طور خلاصه ، MACD.

بیایید با درک اساسی از میانگین های متحرک شروع کنیم.

میانگین حرکت چیست؟

میانگین متحرک که به طور متوسط نورد نیز نامیده می شود ، میانگین یا میانگین داده های مشخص شده برای مجموعه مشخصی از دوره های متوالی است. با در دسترس بودن داده های جدید ، میانگین داده ها با کاهش قدیمی ترین مقدار و اضافه کردن آخرین مورد محاسبه می شوند.

بنابراین ، در اصل ، میانگین یا میانگین در کنار داده ها در حال چرخش است و از این رو نام "میانگین حرکت" است.

نمونه ای از محاسبه میانگین متحرک ساده به شرح زیر است: بگذارید یک پنجره 10 ، یعنی n = 10 فرض کنیم

در بازار مالی ، قیمت اوراق بهادار به سرعت نوسان می یابد و در نتیجه ، وقتی نمودار سری قیمت ها را ترسیم می کنیم ، پیش بینی روند یا حرکت در قیمت اوراق بهادار بسیار دشوار است.

در چنین مواردی ، میانگین حرکت به دلیل صاف کردن نوسانات مفید خواهد بود و معامله گران را قادر می سازد تا حرکت را به راحتی پیش بینی کنند.

میانگین های متحرک آهسته: میانگین های متحرک با مدت زمان طولانی تر به عنوان میانگین آهسته حرکت می کنند زیرا برای پاسخ به تغییر روند کندتر هستند. این باعث ایجاد منحنی های نرم تر و حاوی نوسانات کمتری می شود.

میانگین حرکت سریع: میانگین های متحرک با مدت زمان کوتاه تر به عنوان میانگین سریع حرکت می کنند و سریعتر برای پاسخ به تغییر روند هستند.

نمودار نشان داده شده در بالا را در نظر بگیرید ، شامل:

• قیمت بسته شدن سهام IBM (خط آبی) ،
• میانگین حرکت 10 روزه (خط مگنوم) ،
• میانگین حرکت 50 روزه (خط قرمز) و
• میانگین حرکت 200 روزه (خط سبز).

می توان مشاهده کرد که میانگین حرکت 200 روزه صاف ترین و میانگین حرکت 10 روزه حداکثر تعداد نوسانات را دارد. در ادامه ، می بینید که خط متوسط 10 روز در حال حرکت کمی شبیه به نمودار قیمت بسته است.

انواع میانگین های متحرک

سه نوع متداول از میانگین های متحرک ، متوسط ، وزنی و میانگین متحرک نمایی وجود دارد. تنها تفاوت قابل توجه بین میانگین های مختلف متحرک ، وزنهای اختصاص داده شده به نقاط داده در دوره متوسط در حال حرکت است.

بیایید هر یک را با جزئیات بیشتر درک کنیم:

میانگین متحرک ساده (SMA)

میانگین متحرک ساده (SMA) متوسط قیمت یک امنیت در یک دوره خاص است. میانگین متحرک ساده ساده ترین نوع میانگین متحرک است و با اضافه کردن عناصر و تقسیم بر تعداد دوره های زمانی محاسبه می شود.

تمام عناصر موجود در SMA دارای وزن یکسان هستند. اگر دوره متوسط در حال حرکت 10 باشد ، هر عنصر 10 ٪ وزن در SMA خواهد داشت.

فرمول میانگین متحرک ساده در زیر آورده شده است:

SMA = مجموع نقاط داده در میانگین متوسط دوره / تعداد کل دوره ها

میانگین متحرک نمایی (EMA)

منطق میانگین متحرک نمایی این است که آخرین قیمت ها نسبت به قیمت های گذشته بیشتر به قیمت آینده دارند. بنابراین ، وزن بیشتری به قیمت های فعلی نسبت به قیمت های تاریخی داده می شود. با بالاترین وزن به آخرین قیمت ، وزن ها نسبت به قیمت های گذشته به صورت نمایی کاهش می یابد.

این باعث می شود میانگین حرکت نمایی سریعتر برای پاسخ به نوسانات قیمت کوتاه مدت نسبت به میانگین متحرک ساده پاسخ دهد.

فرمول میانگین متحرک نمایی در زیر آورده شده است:

ema = (قیمت بسته شدن - ema*(روز قبل)) x ضرب + EMA*(روز قبل)

ضرب وزنه برداری = 2 / (میانگین دوره در حال حرکت +1)

میانگین متحرک وزنی (WMA)

میانگین متحرک وزنی میانگین متحرک ناشی از ضرب هر یک از مؤلفه ها با وزن از پیش تعریف شده است.

میانگین متحرک نمایی نوعی از میانگین متحرک وزنی است که در آن به عناصر میانگین در حال حرکت ، وزن به صورت نمایی افزایش می یابد.

میانگین متحرک با وزنی خطی (LWMA) ، که به طور کلی به عنوان میانگین متحرک وزنی (WMA) گفته می شود ، با اختصاص یک وزن افزایشی افزایش یافته به عناصر در دوره متوسط متحرک محاسبه می شود.

اکنون که ما درک میانگین حرکت و انواع مختلف آنها را داریم ، سعی می کنیم با استفاده از میانگین متحرک ، یک استراتژی معاملاتی ایجاد کنیم.

حرکت میانگین واگرایی همگرایی (MACD)

میانگین واگرایی همگرایی در حال حرکت یا MACD در اواخر دهه هفتاد توسط جرالد اپل ایجاد شد. این یکی از ساده ترین و مؤثر ترین شاخص های حرکت گرایش است.

در استراتژی MACD ، ما از سری دو سری ، MACD استفاده می کنیم که تفاوت بین EMA 26 روزه و سری EMA و سیگنال 12 روزه است که 9 روز EMA سری MACD است.

ما می توانیم با استفاده از سری MACD و سری سیگنال ها ، سیگنال معاملاتی را ایجاد کنیم.

• هنگامی که خط MACD از بالای خط سیگنال عبور می کند ، توصیه می شود امنیت اساسی را خریداری کنید.
• هنگامی که خط MACD از زیر خط سیگنال عبور می کند ، یک سیگنال برای فروش ایجاد می شود.

اجرای استراتژی MACD در پایتون

کتابخانه های لازم پایتون را وارد کرده و داده های بازار سهام را بخوانید

سری MACD را که تفاوت 26 روزه EMA و سری EMA و سیگنال 12 روزه است که 9 روز EMA از سری MACD است ، محاسبه و ترسیم کنید.

هنگامی که مقدار سری MACD از سری سیگنال ها بیشتر باشد ، و دیگری بفروشید ، یک سیگنال معاملاتی ایجاد کنید.

بازده تجمعی را محاسبه کنید

ارزیابی استراتژی تجارت نمونه

تاکنون ، ما یک استراتژی تجاری با استفاده از پایتون ایجاد کرده ایم و همچنین آن را بر روی داده های تاریخی پشت سر گذاشته ایم.

اما آیا این بدان معنی است که آماده استقرار در بازارهای زنده است؟خوب ، قبل از اینکه استراتژی خود را زنده کنیم ، باید اثربخشی آن یا با کلمات ساده تر ، سودآوری بالقوه استراتژی را درک کنیم.

در حالی که روش های زیادی برای ارزیابی یک استراتژی تجارت وجود دارد ، ما به موارد زیر توجه خواهیم کرد ،

• بازگشت سالانه ،
• نوسانات سالانه ، و
• نسبت شارپ

بیایید آنها را با جزئیات و همچنین سعی کنیم استراتژی خودمان را بر اساس این عوامل ارزیابی کنیم:

نرخ رشد سالانه یا مرکب سالانه (CAGR)

به عبارت ساده ، CAGR نرخ بازده سرمایه گذاری شما است که شامل ترکیب سرمایه گذاری شما است. بنابراین می توان از آن برای مقایسه دو استراتژی استفاده کرد و تصمیم گرفت که کدام یک متناسب با نیازهای شما باشد.

محاسبه CAGR

CAGR را می توان به راحتی با فرمول زیر محاسبه کرد:

CAGR = [(ارزش نهایی سرمایه گذاری / ارزش اولیه سرمایه گذاری)^(1 / تعداد سالها)] - 1

به عنوان مثال ، ما در سال 2000 سرمایه گذاری می کنیم که در سال اول به 4000 تبدیل می شود اما در سال دوم به 3000 کاهش می یابد. حال اگر CAGR سرمایه گذاری را محاسبه کنیم ، به شرح زیر است:

CAGR = (3000/2000)^(½) - 1 = 0. 22 = 22 ٪

برای استراتژی ما ، ما سعی خواهیم کرد که بازده های روزانه را ابتدا محاسبه کنیم و سپس CAGR را محاسبه کنیم. کد و همچنین خروجی در زیر آورده شده است:

CAGR 17. 38 ٪ است

نوسانات سالانه

قبل از اینکه نوسانات سالانه را تعریف کنیم ، می توانیم معنای نوسانات را درک کنیم. نوسانات سهام تغییر در قیمت سهام در طی یک دوره زمانی است.

برای استراتژی ، ما از فرمول زیر استفاده می کنیم:

نوسانات سالانه = ریشه مربع (روزهای معاملاتی) * ریشه مربع (واریانس)

کد و همچنین خروجی در زیر آورده شده است:

نوسانات سالانه 29. 67 ٪ است

نسبت شارپ

نسبت شارپ اساساً توسط سرمایه گذاران برای درک ریسک گرفته شده در مقایسه با سرمایه گذاری های بدون ریسک ، مانند اوراق خزانه داری و غیره استفاده می شود.

نسبت شارپ را می توان به روش زیر محاسبه کرد:

نسبت شارپ = [r (x) - r (f)] / δ (x)

که در آن ، r (x) = بازده سالانه سرمایه گذاری x r (f) = نرخ ریسک سالانه Δ (x) = انحراف استاندارد از r (x)

نسبت شارپ در مورد مشابه یا همسالان باید زیاد باشد. کد و همچنین خروجی در زیر آورده شده است:

نسبت شارپ 0. 62 است

چگونه می توان با پایتون در تجارت شروع کرد

در اینجا منابع بسیار مفیدی وجود دارد که شما را در مورد شروع کار با پایتون در حوزه تجارت راهنمایی می کند.

نتیجه

پایتون به طور گسترده در زمینه یادگیری ماشین و اکنون تجارت استفاده می شود. در این مقاله ، ما تمام آنچه را که برای شروع کار با پایتون برای تجارت لازم است ، پوشش داده ایم. یادگیری پایتون مهم است تا بتوانید استراتژی های معاملاتی خود را کدگذاری کرده و آنها را آزمایش کنید.

کتابخانه ها و ماژول های گسترده پایتون روند ایجاد الگوریتم های یادگیری ماشین را بدون نیاز به نوشتن کدهای عظیم صاف می کنند.

برای شروع یادگیری پایتون و کدنویسی انواع مختلف استراتژی‌های معاملاتی، می‌توانید مسیر یادگیری «تجارت الگوریتمی برای همه» را در Quantra انتخاب کنید. در صورتی که به فرمت کلاس آنلاین تحت رهبری مربی علاقه مند هستید، EPAT توسط QuantInsti دوره تجارت الگوریتمی برای شماست. برای اطلاع از جزئیات بیشتر در مورد EPAT با یک مشاور دوره تماس بگیرید.

سلب مسئولیت: تمام داده ها و اطلاعات ارائه شده در این مقاله فقط برای مقاصد اطلاعاتی است. QuantInsti ® هیچ گونه اظهارنظری در مورد صحت، کامل بودن، فعلی بودن، مناسب بودن یا اعتبار هیچ یک از اطلاعات موجود در این مقاله ندارد و مسئولیتی در قبال خطاها، نادیده گرفتن ها، یا تأخیر در این اطلاعات یا هرگونه ضرر، صدمات یا خسارات ناشی از آن نخواهد داشت. نمایش یا استفادهتمام اطلاعات به صورت موجود ارائه می شود.