На языке программирования Питон качаем с finam.ru и строим график валютной пары доллар-рубль. Текст написан так, чтобы смог повторить даже новичок. Продвинутые питонисты переходите сразу к коду. Вот он.

Цель поста: построить вот такой график:

1. Качаем Питон с сайта python.org. Это позволит вам запускать скрипты на этом языке программирования.

2. Открываем командную строку cmd.exe (чёрное окошко). С его помощью подключим библиотеку matplotlib, которая рисует графики. В командной строке пишем pip install matplotlib

Совсем недавно я написал рецензию на книгу Стива Акелиса “Технический анализ от А до Я”. Вот эта рецензия:

Лучшая книга по техническому анализу

Книга Стива Акелиса хороша, но  я бы, скорее всего, не стал о ней писать и не назвал бы ее лучшей, если бы не одна история, которая приключилась со мной в далеком 2015 году. Итак, шел 2015 год, рынок то рос, то падал, и я все больше стал смотреть в сторону относительно коротких инвестиций и даже спекуляций, ибо сильные колебания курса рубля и неустойчивая доходность лишали долгосрочные инвестиции большей части былой привлекательности.

Будучи программистом, я все больше и больше начинал смотреть в сторону технического анализа и различных паттернов.  Правда, технический анализ не спешил дарить мне рабочие торговые системы. Что я только не тестировал и какие только параметры не перебирал! Казалось бы, вот она идея, но стоило ее протестировать на истории и меня в очередной раз ожидало сильное разочарование. В некотором роде мне повезло, я знал хотя бы где и куда копать. Еще в самом начале своего торгового пути я понял, что лучшие бумаги, как правило, остаются лучшими, а аутсайдеры, так и остаются аутсайдерами. Т.е. я не тратил время, нервы и деньги на ловлю падающих ножей и на усреднение убыточных позиций. Но как выжать максимум из тех бумаг, что растут и растут хорошо? Как из нескольких десятков лидеров определить ту одну-две бумаги, которые дадут максимальную прибыль?

На мой взгляд, при торговле по техническому анализу очень важен подход к нему, ведь теханализ — крайне субъективная вещь. Недаром говорят, что дай нескольким трейдерам график, и каждый увидит в нем что-то свое. Кто-то строит по минимумам/максимумам свечей, кто-то по закрытиям, кто-то  с точностью до пункта, кто-то небрежно. Каждому свое. Но, в любом случае, надо придти к структурированной методологии и придерживаться ее.

В этой статье мы рассмотрим, как правильно работать с историей цен в связке PostgreSQL и Python. Разберём, как хранить цены и ускорить их получение в Python.

Дополнительно приложен блокнот на IPython с исходным кодом и измерениями.

При переходе на Python я был вдохновлен удобством языка и огромным количеством готовых пакетов. Писать было легко и удобно, а работало все быстро. Но всё омрачало катастрофически медленное получение большого массива цен из базы данных (БД) в Python.

В статье показаны примеры для PostgreSQL, но материал будет полезен для любой БД, включая MySQL, при работе в связке с Python.

Мы будем работать с пакетами psycopg2 и numpy.

Вчера смотрел вебинар о новом индикаторе — «LEVEL ForeCast — друг трейдера».

Ребята, кто что про него слышал?

www.youtube.com/watch?v=SXeyFnTNT18

Всем привет.