python

Обновление содержит следующие изменения:

1. Terminal: Представляем новый сервис — «Подписки». С ним вы сможете легко получить дополнительные услуги, которые помогут вам в трейдинге. Например, вы можете купить подписку на качественные рыночные данные от известных поставщиков, чтобы потом эти данные анализировать и разрабатывать на них свои стратегии. Или же заказать услуги персонального менеджера, который поможет вам освоить основы торговли и разобраться в тонкостях платформы MetaTrader 5.
   
   В данный момент сервис находится в активной разработке, и в ближайших версиях платформы вы уже сможете им воспользоваться.
   
   Как это работает
   В «Навигаторе» платформы появился новый раздел — «Подписки». В нем отображаются доступные услуги. Их перечень зависит от сервера, к которому вы подключены — все они настраиваются на стороне брокера. Для удобства подписки разделяются на категории.
   

   
   
   

   Выберите услугу, чтобы посмотреть ее подробное описание. Далее нажмите «Подписаться». Для удобства все ваши активные подписки отображаются в отдельном подразделе.

Тем, кто не читал предыдущий топик этой темы, рекомендую для начала ознакомиться с ним [1].

В комментариях к предыдущему топику меня критиковали за неоптимальность кода Python. Однако, текст читают люди с совершенно разной подготовкой — от почти не знающих Python или знающих другие языки программирования, до продвинутых пользователей. Последние легко могут обнаружить неоптимальность кода и заменить его своим. Тем не менее, код должен быть доступен и новичкам, возможно не обладающим знанием пакетов и продвинутых методов. Поэтому, в коде я буду, по возможности, использовать только базовые конструкции Python, не требующие глубоких знаний, и которые могут легко читаться людьми, программирующими на других языках. Вместе с тем, по мере изложения, без фанатизма, буду вводить и новые элементы Python.
Если вы хотите как-то улучшить или оптимизировать код, приводите его в комментариях — это только расширит и улучшит изложенный материал.

Ну, а сейчас мы займемся разработкой и тестированием индикаторов. Для начала нам нужна простейшая стратегия с использованием МА — его и построим. Самой лучшей по характеристикам МА является ЕМА. Формула ЕМА:

Всем привет!

В этом топике напишу способ, как можно отобразить свои сделки на графике у брокера сбербанк.

Есть способы сделать это через Excel, есть, наверное через quik или какой либо другой сторонний сервис. Я буду делать через Python, так как по сравнению с экселем, питон будет давать нам актуальные данные, а эксель придется забивать руками(да я знаю, что можно и в него авто подгрузку вкрутить, но это на мой взгляд еще сложнее чем на python).

Коротко:

На входе нам нужен файл с тикерами(смотри на яндекс диске https://yadi.sk/d/hpfgtS1BEiVRiQ) и история сделок с сайта сбербанка.

На выходе мы получим вот такую вот карикатуру
Да, тут кривой текст, и нет столбиков объема, которые я так бы хотел, но кому и в таком формате пойдет, тот может читать дальше, а если тут есть добрые люди, то возможно, они смогут в комментариях кинуть исправленный фрагмент кода, чтобы была картинка по круче, особенно столбики объема добавить, как ни корячился, не допер, ибо опыт программирования у меня = школьный паскаль.

Не вдохновлено ссылками ниже, но напомнило о выкладывании в публичный доступ.
smart-lab.ru/blog/620330.php
smart-lab.ru/blog/616708.php
Всем привет!
В ходе тестов калькулятора портфелей
github.com/Oppositus/CalculatorAA
возникло понимание, что его внутренние инструменты импорта котировок уже не работают. Так давайте напишем скрипт, который будет получать их через MOEX ISS API. Вывод скрипта-CSV файл.
Репозиторий github.com/helpau/MOEX_ETFs/blob/master/main.py
Тот же код:

tickers=["FXGD","FXUS","FXIT","SBSP","FXRL","FXRB","FXRU","SBCB","SBGB","SBRB"]
import requests
import apimoex
import pandas as pd
df=pd.DataFrame()
for ticker in tickers:
    with requests.Session() as session:
        data = apimoex.get_board_history(session, ticker,board="TQTF")
        df1 = pd.DataFrame(data)
        df1.set_index('TRADEDATE', inplace=True)
        df.info()
        df[ticker]=df1["CLOSE"]
df.to_csv("your_table.csv",sep=";")

P.S. Касательно самого калькулятора портфелей-полученный файл необходимо дополнительно обработать, чтобы на 1 год для 1 ETF было 12 записей. Особо пытливые могут исследовать, в какой день лучше проводить ребалансировку.

Навеяло этим постом от очередного энтузиаста: https://smart-lab.ru/blog/620330.php

Коллеги! Предлагается помнить, что нас довольно много, и ответственно относиться к предоставляемым возможностям бесплатно забирать данные с бирж и добрых брокеров.

Ну вставляйте вы вызовы sleep() в циклы, это же не ХФТ у вас!

С той стороны тоже могут сидеть не вполне пряморукие товарищи, которым может быть проще прикрыть эту всю халяву, чем делать так чтобы она всегда работала, кто бы какой своей поделкой в неё не долбил. Опять же чуть что начнёте возмущаться.

И если вы не в состоянии корректно написать закачивалку данных, то может вообще не стоит заниматься алготорговлей, это же минимум в сто раз сложнее!

Всем привет!

Вдохновился данным постом ( https://smart-lab.ru/blog/616708.php ) и решил немного подпилить код, пока карантин делать нечего.

Кто не знал как скачивать котировки по одной компании вручную — сайт для скачивания котировок по одному тикеру (финам):
www.finam.ru/profile/moex-akcii/gazprom/export/

Тут через питон скачиваем котировки из текстового файла, в который вносим желаемые тикеры компаний:




Сайт для скачивания среды программирования Python (PyCharm), пойдет обычная версия:
www.jetbrains.com/ru-ru/pycharm/download/#section=windows

Файлы из видео, в том числе и со списком тикеров:
yadi.sk/d/R3BSbFjV3Pfydg

Код программы:

import requests
import datetime
import pathlib
import apimoex
import pandas as pd
 
board = 'TQBR'
 
with open("C:/PYEX/TICK.txt", "r") as TICKs:
    TICKs = [line.rstrip() for line in TICKs]
pathlib.Path("C:/PYEX/Database/{}".format(board)).mkdir(parents=True, exist_ok=True)
process = 0
with requests.Session() as session:
    for TICK in TICKs:
         process = process + 1
         print((process / len(TICKs)) * 100, ' %')
         data = apimoex.get_board_history(session, TICK, board=board)
         if data == []:
             continue
         df = pd.DataFrame(data)
         df = df[['TRADEDATE','CLOSE']]
         df.to_excel("C:/PYEX/Database/{}/{}.xlsx".format(board,TICK), index=False)

Для моделирование ТС на Python, прежде всего нужен сам Python. Pythonы бывают очень разные.

Самый большой и длинный Python — Anaconda (https://anaconda.org/). Скачать дистрибутив Anaconda можно здесь — Индивидуальное издание -https://www.anaconda.com/products/individual.
Я работаю именно с Anaconda. Установив Anaconda мы получаем сам Python, уже установленные значительную часть нужных и ненужных пакетов с библиотеками Python, и несколько сред разработки. И все это сразу готово к работе, и нам, по большей части, уже не придется дополнительно устанавливать пакеты и среды.

Самый маленький Python последней версии 3.8.2. скачивается с сайта самого Python — https://www.python.org/. Это, практически, только сам язык, компилятор и минимальный набор пакетов. Сделать с ним практически ничего невозможно, и для работы придется постоянно устанавливать нужные пакеты. Среду разработки придется также устанавливать самостоятельно.
Этот Python больше подходит для запуска и работы с уже отлаженными законченными программами.