Python Algorithmic Trading Library PyAlgoTrade é uma Python Algorithmic Trading Library com foco em backtesting e suporte para papel-trading e live-trading. Digamos que você tenha uma idéia de uma estratégia comercial e que gostaria de avaliá-la com dados históricos e ver como ela se comporta. PyAlgoTrade permite que você faça isso com um esforço mínimo. Principais características Totalmente documentado. Evento conduzido. Suporta pedidos de Mercado, Limite, Parada e StopLimit. Suporta os arquivos do Yahoo Finance, Google Finance e NinjaTrader CSV. Suporta qualquer tipo de dados de séries temporais no formato CSV, por exemplo, Quandl. Suporte comercial Bitcoin através do Bitstamp. Indicadores técnicos e filtros como SMA, WMA, EMA, RSI, Bandas Bollinger, Expositores Hurst e outros. Métricas de desempenho como a taxa de Sharpe e análise de redução. Manipulação de eventos no Twitter em tempo real. Perfil de eventos. Integração TA-Lib. Muito fácil de dimensionar horizontalmente, ou seja, usando um ou mais computadores para testar uma estratégia. PyAlgoTrade é gratuito, de código aberto e está licenciado sob a Licença Apache, Versão 2.0. Estou novo na programação, Python e Pandas, então, espero que não seja uma pergunta tola. Eu baixei alguns dados FOREX daqui. Um mês de dados é de cerca de 50mil linhas em formato CSV para todos os pares. Eu gostaria de eventualmente ser capaz de testar uma estratégia em vários quadros de tempo e instrumentos. Aqui está o código Im usando: Em qualquer coisa, exceto um arquivo de teste truncado, essa leitura em processo leva muito tempo. Existe uma maneira que eu deveria estar armazenando os dados para que os Pandas possam ler os arquivos muito mais rápido Existe um limite para o tamanho dos dados que os Pandas podem lidar razoavelmente. Qualquer ajuda seria muito apreciada. Movimento browniano geométrico O modelo usual para o tempo - evolução de um preço de ativos S (t) é dada pelo movimento geométrico browniano, representado pela seguinte equação diferencial estocástica: começar dS (t) mu S (t) dt sigma S (t) dB (t) final Observe que o Os coeficientes mu e sigma, que representam a deriva e a volatilidade do ativo, respectivamente, são ambos constantes neste modelo. Em modelos mais sofisticados, eles podem ser feitos como funções de t, S (t) e outros processos estocásticos. A solução S (t) pode ser encontrada pela aplicação de Itos Lemma à equação diferencial estocástica. Dividir através de S (t) na equação acima leva a: Observe que o lado esquerdo desta equação parece semelhante à derivada do log S (t). Aplicando Itos Lemma para log S (t) dá: begin d (log S (t)) (log S (t)) mu S (t) dt (log S (t)) sigma S (t) dB (t) frac (Log S (t)) sigma2 S (t) 2 dt end begin d (log S (t)) mu dt sigma dB (t) - frac sigma2 dt esquerda (mu - frac sigma2 à direita) dt sigma dB (t) end Este é um processo de difusão de derivação de Ito. É um movimento Browniano padrão com um termo de deriva. Uma vez que a fórmula acima é simplesmente uma abreviatura para uma fórmula integral, podemos escrever isso como: iniciar log (S (t)) - log (S (0)) esquerda (mu - frac sigma2 direita) t sigma B (t) final Finalmente , Tomando o exponencial desta equação dá: começo S (t) S (0) exp esquerda (esquerda (mu - frac sigma2right) t sigma B (t) direita) fim Esta é a solução da equação diferencial estocástica. Na verdade, é uma das únicas soluções analíticas que podem ser obtidas a partir de equações diferenciais estocásticas. Clique abaixo para aprender mais sobre. A informação contida neste site é a opinião dos autores individuais com base em sua observação pessoal, pesquisa e anos de experiência. A editora e seus autores não são conselheiros de investimento registrados, advogados, CPAs ou outros profissionais de serviços financeiros e não prestam assessoria jurídica, fiscal, contábil, de investimento ou outros serviços profissionais. A informação oferecida por este site é apenas de educação geral. Como cada situação factual de indivíduos é diferente, o leitor deve procurar seu próprio conselheiro pessoal. Nem o autor nem o editor assumem qualquer responsabilidade ou responsabilidade por quaisquer erros ou omissões e não devem ter responsabilidade nem responsabilidade para qualquer pessoa ou entidade em relação a danos causados ou alegadamente causados direta ou indiretamente pelas informações contidas neste site. Use por sua conta e risco. Além disso, este site pode receber compensações financeiras das empresas mencionadas através de publicidade, programas afiliados ou de outra forma. Taxas e ofertas de anunciantes exibidos neste site mudam com freqüência, às vezes sem aviso prévio. Enquanto nos esforçamos para manter informações precisas e oportunas, os detalhes da oferta podem estar desactualizados. Os visitantes devem assim verificar os termos de tais ofertas antes de participar delas. O autor e a editora não se responsabilizam por atualizar informações e negar a responsabilidade pelo conteúdo, produtos e serviços de terceiros, inclusive quando acessados através de hiperlinks ou propagandas neste site.
No comments:
Post a Comment