کتابخانه ای برای معاملات الگوریتمی (PyAlgoTrade)

در پست های قبلی تا حدودی در خصوص معاملات الگورتیمی صحبت کردم. البته مبحث معاملات الگورتیمی علی الخصوص الگوریتم های اصلی تحلیل، مبحث بسیار مهم و پیچیده ای است که نیاز به توضیحات بیشتر دارد.
یکی از کتابخانه هایی که برای بک تست (backtest) معاملات الگوریتمی استفاده می شود کتابخانه PyAlgoTrade است.
منظور از backtest این است که شما یک استراتژی معاملاتی خاصی را انتخاب کرده اید و به دنبال تست کردن آن و بررسی کارایی آن هستید، برای این منظور شما با استفاده از داده های گذشته سهام، تحلیل را انجام می دهید و نتیجه را با آنچه در واقعیت اتفاق افتاده است مقایسه می کنید.
در پست های آتی در خصوص شیوه عملکرد این کتابخانه بیشتر توضیح خواهم داد.

#پایتون_مالی
#PyAlgoTrade
#معاملات_الگوریتمی
#Algoritmic_Trading
#Backtest

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

کتابخانه ای برای معاملات الگوریتمی (PyAlgoTrade)

در پست قبلی کتابخانه PyAlgoTrade را معرفی کردم. PyAlgoTrade دارای 6 جزء اصلی است:
1- استراتژی ها (Strategies) ، منطق عملیات، یعنی کی بخریم و کی بفروشیم
2- منابع (Feeds) ، یعنی اینکه دیتا را از کجا به دست آوریم. منبع داده ها می تواند فایل های csv باشد و البته محدود به این نیست. حتی می توانید از داده های توئیتر هم برای منبع استفاده کنید.
3- کارگزاران (Brokers)، مسئول اجرا سفارشات.
4-داده های سری (DataSeries) ، یا همان سری زمانی
5- تکنیکال (Technicals)، روش های متداول تحلیل تکنیکال مانند SMA، RSI و ... .
6- بهینه کننده (Optimizer) ، یک کلاس فنی است که توزیع پردازش ها بین رایانه های مختلف یا تجمیع روی یک رایانه را می تواند انجام دهد.

در پست های آتی مثالی را با این کتابخانه انجام خواهیم داد.


#پایتون_مالی
#PyAlgoTrade
#معاملات_الگوریتمی
#Algoritmic_Trading
#Backtest

پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug