پایتون برای تجارت الگوریتمی

تا همین اواخر ، اگر شما در یکی از موسسات بزرگ سرمایه گذاری مالی کار نمی کردید ، فقط به تجارت الگوریتمی دسترسی نداشتید.

با این حال ، اینترنت و افزایش همراهی شرکت های مخرب Fintech و مالی غیر متمرکز (DEFI) با آوردن ابزارهای سرمایه گذاری درجه یک حرفه ای که زمانی دامنه اختصاصی وال استریت به خیابان اصلی بودند ، سرمایه گذاری شخصی را متحول کرده اند. اکنون ، هرکسی با دانش پایتون و اتصال به اینترنت می تواند الگوریتم های پیشرفته تجارت را طراحی و پیاده سازی کند.

در این مقاله ، ما دنیای هیجان انگیز تجارت الگوریتمی با پایتون را بررسی خواهیم کرد و می آموزیم که چگونه ویرایشگر اصلی کد پایتون Trality از ویرایشگر BOT می تواند به شما در ایجاد ، پشتی ، بهینه سازی و استقرار الگوریتم ها برای تجارت زنده کمک کند ، خواه شما "یک معامله گر را به دنبال کسب اطلاعات بیشتر در مورد Python یا یک رمزگذار پایتون علاقه مند به استفاده از مهارت های خود در تجارت رمزنگاری کنید.

آیا به دنبال ایجاد الگوریتم تجارت خود با استفاده از پایتون هستید؟

ویرایشگر کد Bot Python Bot Trality را بررسی کنید-ابزاری قدرتمند مبتنی بر مرورگر که برای معامله گران طراحی شده است که می خواهند با ربات های تجاری الگوریتمی بسازند ، پشتی ، بهینه سازی و تجارت زنده کنند. ما بالاترین سطح انعطاف پذیری و پیچیدگی موجود در معاملات خصوصی را ارائه می دهیم. در واقع ، این هسته اصلی کاری است که ما در تریت انجام می دهیم.

چرا از پایتون به عنوان یک زبان برنامه نویسی استفاده می کنیم؟

بیایید با این سؤال واضح شروع کنیم: چرا اصلاً از پایتون استفاده می کنیم؟با توجه به فهرست محبوبیت زبان برنامه نویسی Tiobe ، پایتون رایج ترین زبان برنامه نویسی در جهان است که به دنبال آن C ، Java ، C ++ و C#است. اگر به یک زبان برنامه نویسی علاقه مند هستید که امروزه به طور گسترده مورد استفاده قرار می گیرد ، پس از آن که با سیستم های تعبیه شده سر و کار دارید ، پایتون باید انتخاب برتر شما باشد. در زیر برخی از دلایلی که اینقدر محبوبیت پیدا کرده است.

پایتون برای مبتدیان دوستانه است

چه یک زبان رایانه ای و چه یک زبان خارجی ، یادگیری هر زبان جدید کار سختی است ، اما پایتون متفاوت است. یادگیری و استفاده از آن نسبتاً آسان است و به دلیل منحنی یادگیری کم عمق آن ، آن را هم مبتدی و کاربر پسند می کند. این نحو ساده و بدون عارضه به این معنی است که به زبان طبیعی نزدیکتر است و نوشتن و اجرای آن را بسیار سریعتر از گزینه های دیگر می کند. و سهولت نگهداری آن به این معنی است که شما وقت خود را از طریق مستندات غیر ضروری هدر نمی دهید.

جامعه حمایتی پایتون

پایتون که در دهه 1980 توسط گیدو ون روسوم و اولین بار در سال 1991 ظاهر شد ، از تحمل بیش از سه دهه استفاده و برنامه های کاربردی در دنیای واقعی بهره می برد. از زمان آغاز به کار ، این امر همچنان جامعه ای آگاه و مفید از برنامه نویسان را به همراه پشتیبانی و مستندات باورنکردنی جمع آوری کرده است.

پایتون و پشتیبانی شرکت

هرچه شرکت شما در شرکت ها باشد ، تأیید آنها می تواند سود سهام را بپردازد. فیس بوک ، آمازون و گوگل به شدت به پایتون متکی هستند ، در حالی که شرکت هایی از اینستاگرام و Spotify گرفته تا ویکی پدیا و حتی Reddit آن را به درجه های مختلف پذیرفته اند. در واقع ، Google برای اولین بار در سال 2006 استفاده از آن را آغاز کرد.

پیتون و تحقیقات پیشرفته

فراتر از قلمرو شرکت ، CERN و NASA هر دو از پایتون استفاده می کنند. فقط به انعطاف پذیری که پایتون از استفاده از آن برای ساده سازی طراحی مأموریت شاتل فضایی فکر می کند ، فکر کنید. اگر می توان از آن به سرعت ، کارآمد و دقیق برای ارسال اشیاء بزرگ ، سنگین و فلزی به فضا (و پشت) استفاده کرد ، مطمئناً این چالش برای ایجاد یک سیستم تجارت الگوریتمی سودآور است.

چرا از پایتون برای تجارت الگوریتمی استفاده می کنیم؟

یکی از مواردی که به خصوص در مورد پایتون راحت است ، میزان نوشتن و ارزیابی ساختارهای تجاری الگوریتمی به لطف رویکرد برنامه نویسی عملکردی آن است. در حقیقت ، سهولت نسبی و سادگی استفاده برخی از نقاط اصلی فروش پایتون برای معامله گران علاقمند به کدگذاری اولین یا بعدی ربات تجارت رمزنگاری خود است.

در زیر چند دلیل دیگر وجود دارد که چرا پایتون انتخاب مناسبی برای تجارت الگوریتمی است.

پایتون قابل خواندن و در دسترس است

برای افرادی که در تجارت الگوریتمی جدید هستند ، کد پایتون قابل خواندن و در دسترس است. بر خلاف سایر زبانهای برنامه نویسی ، به سادگی کمتر از آن وجود دارد ، به این معنی که تجارت با پایتون به دلیل در دسترس بودن کتابخانه های گسترده ، نیاز به خطوط کمتری دارد.

پایتون محبوب است

شانس این است که سیستم عامل ها و ابزارهای الگوریتمی برای تجارت از قبل در رادار شما از پایتون استفاده می کنند. فرهنگ تجارت الگوریتمی به زبان پایتون انجام می شود و همکاری ، کد تجاری یا جمعیت را برای کمک برای شما آسانتر می کند.

پایتون ، موازی سازی و قدرت

موازی سازی و قدرت محاسباتی فوق العاده پایتون ، نمونه کارها خود را با مقیاس پذیری وقف می کند. در مقایسه با سایر زبانها ، اصلاح ماژول های جدید به پایتون و گسترش آن آسان تر است. و به دلیل ماژول های موجود ، به اشتراک گذاشتن عملکرد بین برنامه های مختلف برای معامله گران آسانتر است.

پایتون و اشکال زدایی

پایتون یک زبان "تفسیر" است. یک مترجم بر خلاف کامپایلری که کد را به طور کامل اجرا می کند ، بیانیه های کد "یک به یک" را اجرا می کند و تمام خطاهای ممکن را به طور همزمان لیست می کند. اشکال زدایی در پایتون جامع و کامل است ، زیرا اجازه می دهد تغییرات زنده در کد و داده ها ، سرعت اجرای را افزایش دهد زیرا خطاهای منفرد (به جای چندین مورد) ظاهر می شوند و می توانند پاک شوند.

پایتون به خط کمتری کد نیاز دارد

کتابخانه های پشتیبانی گسترده و جامع پایتون بدان معنی است که بیشتر کارهای برنامه نویسی استفاده شده در حال حاضر در آن نوشته شده است و طول (های) کد (های) مورد نیاز را محدود می کند. مهمتر از همه ، پایتون فقط مستقیم از جعبه کار می کند ، که بسیاری از برنامه نویسان به ترکیبی از تایپ پویا ، نحو شبه مانند و مفسر پایتون نسبت می دهند.

کتابخانه های محبوب پایتون برای تجارت الگوریتمی

نه تنها Python ، منبع باز ، آسان برای یادگیری و استفاده آسان ، بلکه انتخاب برجسته ای از کتابخانه ها برای تقریباً هر کار مربوط به تجارت الگوریتمی (و به طور کلی تجارت) دارد. در زیر تعدادی از کتابخانه های محبوب را بر اساس هدف آنها اجرا می کنیم ، از جمع آوری داده ها ، دستکاری داده ها و نقشه برداری گرفته تا تجزیه و تحلیل فنی ، یادگیری ماشین و پشتی.

کتابخانه های پایتون برای داده ها

اگر به دنبال تجزیه و تحلیل داده های منبع باز و ابزار دستکاری هستید که سریع و آسان برای استفاده باشد ، پس از آن بیشتر از پاندا نگاهی بیندازید (به خصوص با داده های سری زمانی و دستکاری جداول عددی).

پایتون در ابتدا برای محاسبات عددی در نظر گرفته نشده بود ، جایی که Numpy یا Python عددی بازی می شود. تقریباً هرکسی که امروز با پایتون کار می کند ، مجموعه ای از ابزارهای قدرتمند Numpy ، از جمله ابزارهای ادغام C/C ++ و Fortran ، اشیاء آرایه N بعدی و تبدیل فوریه را از جمله موارد دیگر می کند.

Scipy یک کتابخانه با منبع باز است که برای محاسبات فنی و علمی در نظر گرفته شده و به ریاضیات ، مهندسی و علوم پیوست. ویژگی های آن شامل جبر خطی ، ادغام ، درون یابی ، توابع ویژه ، FFT ، پردازش سیگنال و تصویر و حل کننده های ODE از جمله موارد دیگر است.

کتابخانه های پایتون برای تجسم داده ها

اگر برای تجزیه و تحلیل ، آمار و کتابخانه های نمودار علمی برای پایتون به ابزار آنلاین نیاز دارید ، پاسخ شما است. به عنوان مثال ، نمودارهای شمعدانی را اصلاح می کند که شامل حجم می شود ، می تواند از یکی از دو روش با طرح ریزی (یا حتی ایجاد یک نمودار جداگانه) انجام شود.

نمودارهای آماری را می توان با Seabo (بر اساس Matplotlib) تهیه کرد ، که به معامله گران کمک می کند تا داده ها را از طریق نمودارها به صورت بصری کشف و درک کنند.

کتابخانه های پایتون برای یادگیری ماشین

وقتی صحبت از کتابخانه های پایتون برای یادگیری ماشین می شود ، تعدادی از موارد خوب در اختیار شما به عنوان یک معامله گر Algo از جمله Scikit-Lea ، LightGBM ، Pytorch و Tensorflow وجود دارد. و حتما مقاله متخصص داخلی ما را در مورد جلوگیری از مشکلات مشترک استراتژی های یادگیری ماشین بخوانید.

کتابخانه های پایتون برای زنجیره مارکوف مونت کارلو (MCMC)

مدل های آماری بیزی را پیاده سازی کرده و الگوریتم های متناسب مانند Markov Chain Monte Carlo (MCMC) را برای نمونه برداری از توزیع احتمال با استفاده از PYMC و جفت کردن آن با Numpy برای شماره ها ، در هر کجا ممکن است.

کتابخانه های پایتون برای تجزیه و تحلیل فنی

آیا به دنبال یک کتابخانه شاخص تجزیه و تحلیل فنی مالی هستید؟لاله را بررسی کنید ، که به Numpy نیاز دارد (همه ورودی ها و خروجی ها آرایه های numpy هستند). و در حالی که در آن هستید ، به Pandas-TA نگاهی بیندازید و از بیش از 130 شاخص و کارکردهای ابزار و همچنین بیش از 60 الگوی شمعدانی تجزیه و تحلیل فنی انتخاب کنید.

کتابخانه های پایتون برای تجارت تجزیه و تحلیل

معامله گران ALGO می توانند با استفاده از QuantStats پروفایل نمونه کارها را انجام دهند ، که به کاربران امکان می دهد عملکرد خود را از طریق معیارهای ریسک و تجزیه و تحلیل بهتر درک کنند.

جوانب مثبت و منفی پایتون برای تجارت الگوریتمی

در بخش های فوق ، ما برخی از مزایای بسیاری از استفاده از پایتون را برای تجارت الگوریتمی مشاهده کرده ایم. یادگیری ، استفاده آسان ، قابل خواندن ، در دسترس ، قدرتمند ، انعطاف پذیر آسان است و مستقیماً از جعبه کار می کند - مواد کلید در هنگام ساخت یک استراتژی تجارت سودآور.

مزایای پایتون برای تجارت الگوریتمی

پایتون با پل زدن اقتصاد ، امور مالی و علوم داده به یکی از محبوب ترین زبان های برنامه نویسی برای شرکت های FinTech تبدیل شده است و به طور مداوم در بین سه زبان محبوب ترین خدمات مالی قرار دارد.

در حقیقت ، پایتون بیشترین تعداد فرصت های شغلی را به صورت مطلق در بخش بانکی ارائه می دهد. طبق تحقیقات انجام شده در سال 2020 ، نزدیک به 1500 شغل پایتون وجود داشته است که 14 برنامه نویس دیگر پایتون هر یک را تعقیب می کنند. بازیکنان بزرگی مانند Citigroup اکنون کلاسهای برنامه نویسی پایتون را به عنوان بخشی از ابتکارات مداوم آموزش خود به تحلیلگران و بازرگانان بانکی ارائه می دهند. به بسیاری از دلایل ذکر شده در این مقاله ، پایتون چیزهای زیادی برای ارائه معامله گران و همچنین تحلیلگران و محققان دارد.

اگر به یک کار در بانکداری علاقه دارید ، پس پایتون قطعاً باید به شما علاقه مند شود. برنامه کوارتز بانک مرکزی آمریکا از پایتون به عنوان زبان اصلی خود استفاده می کند. به قول گوروهای پیشین بوآ تکنیک کرات سینگ ، "همه در JPMorgan اکنون باید Python را بشناسند و حدود 5،000 توسعه دهنده وجود دارند که از آن در Bank of America استفاده می کنند" ، و افزود: "نزدیک به 10 میلیون خط کد پایتون در کوارتز وجود دارد وما نزدیک به 3000 تعهد در روز رسیدیم. این یک زبان اسکریپت خوب است و به راحتی در انتهای جلو و عقب ادغام می شود ، که یکی از دلایلی بود که ما آن را در وهله اول انتخاب کردیم. "

به دلیل ابزارهای تحلیلی ، پایتون به طور گسترده در تجارت کمی استفاده می شود. با تشکر از کتابخانه هایی مانند پاندا ، کاربران پایتون از تجسم داده های آسان تر و محاسبات آماری پیشرفته بهره مند می شوند. ارائه دهندگان خدمات مالی همچنین می توانند الگوریتم های قدرتمند یادگیری ماشین و تجزیه و تحلیل پیش بینی کننده آنها را با راه حل های مبتنی بر پایتون که از کتابخانه هایی مانند Scikit-Lea یا Pybrain استفاده می کنند ، استفاده کنند.

مضرات پایتون برای تجارت الگوریتمی

یکی از نقاط قوت اصلی پایتون نیز یکی از نقاط ضعف آن است. به دلیل سهولت در استفاده ، ویژگی ها و کتابخانه های گسترده ، کاربران پایتون می توانند در یادگیری و کار در سایر زبانهای برنامه نویسی مشکل داشته باشند ، که برای یادگیری و تسلط بیشتر وقت گیر هستند.

در حالی که Python در برنامه های دسک تاپ و سرور برتری دارد ، حداقل در محاسبات موبایل کمتر چشمگیر است ، حداقل به گفته برخی از کاربران.

و همچنین مسئله متغیرها وجود دارد ، که در نظر گرفته می شوند و بنابراین می توانند به نشت حافظه و تنگناهای عملکرد (یعنی میلیون ها متغیر ذخیره شوند) ناشی از مدیریت ناکارآمد حافظه باشد.

تنظیم فضای کاری برای تجارت الگوریتمی

درست. اکنون در مورد پایتون بیشتر می دانید. شما مزایای آن را درک می کنید و چگونه می تواند به شما در کسب و کار الگوریتمی کمک کند. اکنون باید فضای کاری خود را تنظیم کنید ، که می تواند سطح مختلفی از دشواری داشته باشد. حداقل لخت شامل داشتن پایتون و یک محیط توسعه یکپارچه (IDE) روی سیستم شما است.

جایگزین بهتر این است که از ویرایشگر کد پیتون پیتون پیشرفته ترین Trality استفاده کنید-یک ویرایشگر قدرتمند کد BOT BOT مبتنی بر مرورگر که برای معامله گرانی که می خواهند بسازند ، بهینه سازی ، بهینه سازی و تجارت زنده با ربات های تجارت الگوریتمی طراحی شده اند.

ویرایشگر کد Trality Walkthrough

ویرایشگر کد ربات Trality کاملاً رایگان است که برای تجارت مجازی استفاده می کند. اگر حجم معاملات واقعی شما بیش از 5000 یورو در هر ماه باشد ، برنامه قیمت گذاری از 9. 99 یورو شروع می شود و برای حجم معاملات نامحدود 59. 99 یورو در صدر است.

ایجاد یک استراتژی معاملاتی با ویرایشگر کد ربات Python Trality

بنابراین ، چگونه می توانید با استفاده از ویرایشگر کد Trality شروع به کار کنید؟در بخش های بعدی ، ما از طریق یک استراتژی تجارت الگوریتمی ساده اجرا خواهیم کرد که همزمان از قیمت افزایش می یابد و در عین حال از نمونه کارها شما نیز محافظت می کند. این استراتژی از دو فواصل زمانی ، نشانگر حرکت کمی تخمین کیفی (QQE) استفاده می کند ، و به محض اینکه موقعیتی را بدست آوریم ، یک توقف سود و دنباله دار را قرار می دهد.(برای توضیح مفصل در مورد هر جنبه ای از استراتژی ، به مستندات ترلی مراجعه کنید.)

در این استراتژی ، ما فقط می خواهیم هنگامی که دارایی برای کوتاه مدت و بلند مدت در حال صعود است ، وارد تجارت شویم. برای روند کوتاه تر ، ما از شمع 1 ساعته استفاده خواهیم کرد و روند را به عنوان صعود تعریف خواهیم کرد اگر میانگین متحرک نمایی (EMA) 5 در بالای EMA 20 باشد. برای روند طولانی تر ، ما از شمع های 1 روزه استفاده خواهیم کرد و تعریف خواهیم کرد. روند صعودی اگر میانگین حرکت ساده (SMA) 15 در بالای SMA 80 باشد. علاوه بر این ، ما فقط تحت شرطی که قیمت فعلی دارایی زیر EMA 5 باشد ، وارد تجارت خواهیم شد.

همانطور که گفته شد ، ما از نشانگر QQE برای ورود به تجارت در لحظه صحیح استفاده خواهیم کرد. QQE روند فوق العاده ای از شاخص قدرت نسبی (RSI) است. اگر مطمئن نیستید که چگونه کار می کند یا به توضیحات اضافی نیاز دارید ، به صفحه اسناد ما بروید.

سرانجام ، ما سود 5 ٪ را تنظیم خواهیم کرد و 10 ٪ از بین می رود تا از نمونه کارها خود محافظت کنیم. این استراتژی پایتون براساس نرخ پیروزی بالا است. به عبارت دیگر ، ضربه زدن به انتفاعی باید یک واقعه با احتمال زیاد باشد و ضربه زدن به توقف از بین رفتن باید یک رویداد با احتمال کم باشد.

با تعریف استراتژی ، اکنون آماده شروع به ساختن هستیم. بیایید هر یک از بلوک های اصلی ساختمان را یک قدم در یک زمان طی کنیم.

مرحله 1: توابع کنترل کننده را تعریف کنید

برای مبتدیان ، هر عملکردی که با دکوراتور برنامه ما حاشیه نویسی شده است ، در یک بازه زمانی مشخص اجرا می شود و داده های نماد را دریافت می کند. ما به این توابع حاشیه نویسی تماس می گیریم ، اما می توانید آنها را هرچه می خواهید نامگذاری کنید. آنها باید دو استدلال مطرح کنند. ما به حالت اول و داده دوم می نامیم. آرگومان دوم همیشه داده های نماد را برای بازه ای که مشخص کرده اید دریافت می کند. در این ربات خاص ، ما در دو فواصل تجارت می کنیم زیرا از شمع 1 روزه و شمع 1 ساعته استفاده می کنیم. بنابراین ، ما از دو گیرنده استفاده خواهیم کرد و BTCUSDT را به عنوان جفت معاملات مشخص می کنیم. البته ، تجارت با چندین نماد نیز امکان پذیر است.

در این مرحله ما فقط به تعریف Handler_long خواهیم پرداخت ، که از شناسایی روند بلند مدت مراقبت خواهد کرد.

مرحله 2: سیگنال روند بلند مدت را در Handler_long حل کنید

در مرحله اول الگوریتم ما ، ما عملکردی را برای شناسایی صعود برای عملکرد Handler_long ایجاد می کنیم. ما میانگین های متحرک ساده خود را (SMA) تعریف می کنیم ، یکی با یک دوره نگاه کوتاهتر از 15 شمع و دیگری با یک دوره 80 شمع.

این ساده بود! ما اکنون عملکرد Handler_long را به پایان رسانده ایم. اینگونه به نظر می رسد:

مرحله 3: handler_short را تعریف کنید

بیایید اکنون ادامه دهید و هندلر را کوتاه تعریف کنیم. به یاد داشته باشید ، Handler_short روی شمع های 1 ساعته اجرا می شود!

مرحله 4: داده های نشانگر و قیمت دارایی برای Handler_short

اکنون بیایید روی عملکرد Handler_short کار کنیم ، اما قبل از انجام این کار ، ابتدا باید داده های شاخص را واکشی کنیم. با این حال ، اجازه دهید قبل از ادامه کار سریع انجام دهیم:

• ما برای شناسایی روند کوتاه تر از EMA 5 و 20 استفاده خواهیم کرد.
• ما از QQE استفاده خواهیم کرد ، با تنظیمات (20 ، 5 ، 4. 2) برای ورود به تجارت در لحظه صحیح.
• ما فقط در صورتی که قیمت دارایی زیر EMA 5 باشد ، وارد تجارت خواهیم شد ، از این رو باید قیمت دارایی را از داده ها بدست آوریم.

مرحله 5: سیگنال خرید را برای Handler_short محاسبه کنید

در این مرحله ، ما قوانین را برای ورود به تجارت تعیین می کنیم. برای انجام این کار ، ما یک تابع داخلی به نام signal_check درست می کنیم ، که مراقبت از بررسی قوانین برای ورود به تجارت را انجام می دهد. عملکرد داخلی موارد زیر را بررسی می کند: روند طولانی تر صعود است ، روند کوتاه تر صعود می کند ، QQE نشان می دهد خرید ، و قیمت دارایی زیر EMA از 5 است."(در غیر این صورت" نادرست "برمی گردد).

مرحله 6: اطلاعات نمونه کارها را واگذار کنید

اکنون ما برای هر موقعیت باز بر اساس نماد پرس و جو می کنیم. با فراخوانی این عملکرد ، ما یک مقدار بولی دریافت می کنیم که نشان می دهد آیا موقعیت باز برای آن نماد وجود دارد یا خیر. در آخر ، ما هر سفارش باز را بررسی می کنیم.

مرحله 7: سفارش خرید را حل کنید

اینجاست که قلب و روح الگوریتم ما تعریف شده است: استراتژی تجارت آن. ما از API سفارش برای ایجاد سفارش استفاده می کنیم. به طور خاص ، این الگوریتم در صورتی که سیگنال های عملکرد داخلی سیگنال های 300 USDT خریداری می کنند ، سفارش بازار طولانی می شود. علاوه بر این ، الگوریتم از آن استفاده می کند که یکی دیگر از سفارشات را لغو می کند ، زیرا ما می خواهیم سود 5 ٪ را در اختیار داشته باشیم و از بین برود و 10 ٪ از بین برود تا هر دو برای موقعیت کامل قرار بگیرد.

مرحله 8: قرار دادن قطعات

اگر همه این مراحل را کنار هم قرار دهیم ، قطعه کد کوچک زیر را دریافت می کنیم ، که متعاقباً می توانیم اولین پشتی خود را انجام دهیم:

پشتوانه و ارزیابی استراتژی تجارت

Trality مجموعه کاملی از معیارها را برای استفاده در هنگام آزمایش استراتژی خود در اختیار کاربران خود قرار می دهد که سه دسته از آنها وجود دارد: عملکرد ، بازگرداندن ریسک و اجرا. اسناد ترلی ما حاوی همه چیزهایی است که شما باید در مورد ابزارها و داده های مختلف در اختیار شما بدانید هنگام پشتوانه استراتژی تجارت خود!

وقت آن است که استراتژی تجارت را پشت سر بگذاریم و به مهمترین معیارها نگاهی بیندازیم: نسبت شارپ ، بازده کل و حداکثر کاهش. بازه زمانی مورد استفاده برای این سناریو 01. 06. 21-01. 12. 21 است.

نسبت شارپ

نسبت شارپ یکی از محبوب ترین اقدامات بازپرداخت ریسک است که در تجارت مورد استفاده قرار می گیرد و درک بهتری از بازده یک سرمایه گذاری در مقایسه با ریسک خود فراهم می کند. این با محاسبه تفاوت بین بازده سرمایه گذاری و بازده بدون ریسک ، تقسیم بر انحراف استاندارد سرمایه گذاری (یعنی نوسانات آن) حاصل می شود.

در شکل بالا ، می بینید که ربات تجارت ما به نسبت شارپ بالایی رسیده است. این شواهدی است که نشان می دهد BOT در ضمن بازده خوب (39. 39 ٪) موفق به حفظ نمونه کارها ما شد.

بازده کل

بازده کل یک آمار عملکرد است (به عنوان درصد اندازه گیری می شود) که نشان دهنده سود خالص یا ضرر انباشته شده برای یک افق زمانی معین است. به شرح زیر محاسبه می شود:

جایی که Pvt و Pvt نشان دهنده ارزش نمونه کارها در Start T و End Time T.

هدف اصلی استراتژی ما تولید سود در ضمن ایمن نگه داشتن نمونه کارها ما است. بنابراین ، از آنجا که ما ریسک زیادی نکردیم ، ما نتوانستیم با ایجاد بازده کل 9. 39 ٪ با ربات معاملات خود ، بازار را شکست دهیم.

حداکثر کاهش

حداکثر کاهش (MDD) حداکثر ضرر مشاهده شده از یک قله به یک پرتفوی قبل از رسیدن به اوج جدید است. این اختلاف درصد بین PNL بالا و پایین است. حداکثر پیش بینی نشانگر ریسک نزولی در مدت زمان مشخص است.

همانطور که در نتایج پشتی در بالا نشان داده شده است ، MDD برای دوره مشخص استراتژی معاملات پایتون ما 6. 35 ٪ است. به عبارت دیگر ، حداکثر ضرر مشاهده شده استراتژی ما از اوج 6. 35 ٪ بود. این نتیجه به دست آمد زیرا از بین رفتن توقف در استراتژی پایتون ما حداکثر کاهش را محدود می کند.

بهینه سازی پارامترهای استراتژی تجارت

ایجاد یک ربات سودآور مبتنی بر پایتون می تواند چالش برانگیز باشد. حتی وقتی یک ایده الگوریتم دارید که با آن راضی هستید ، بهینه سازی پارامترهای آن می تواند ناامید کننده و وقت گیر باشد. به همین دلیل تیم تحقیقاتی ما Trality Optimizer را ایجاد کرده است.

در این بخش ، ما استراتژی تجارت الگوریتمی خود را بهینه می کنیم. همانطور که از کد زیر مشاهده می کنید ، ما باید حاشیه نویسی ویژگی جدید خود را "parameter" در بالای Initializer اضافه کنیم. برای استفاده از حاشیه نویسی Parameter ، سپس باید شیء Params را به توابع و به شاخص ها اضافه کنیم.

اکنون آماده بهینه سازی است. فراموش نکنید که بهینه ساز را تحت تنظیمات پیشرفته فعال کنید!

با اجرای بهینه ساز ، دریافتیم که پارامتر بهینه برای ema_short 6 و برای ema_long 21. 25 است. می توانید نتایج پشتی را در تصویر زیر مشاهده کنید.

با پارامترهای بهینه ، ربات توانست بازده خود را از 9. 39 ٪ به 12. 76 ٪ افزایش دهد و نسبت شارپ را از 1. 39 به مقدار برجسته 2. 01 افزایش دهد ، که می توانید در بالا مشاهده کنید.

استقرار استراتژی تجارت برای تجارت مجازی

امیدوارم ، شما این آموزش پیاده روی در مورد چگونگی ایجاد یک استراتژی ساده تجارت پایتون را مفید و الهام بخش پیدا کرده اید! اکنون می توانید از ویرایشگر کد Trality به صورت رایگان استفاده کنید تا تنظیمات را تغییر داده و احساس بهتری برای سیستم عامل و آنچه می تواند برای شما انجام دهد ، بدست آورید. یا ربات تجارت خود را از ابتدا ایجاد کنید و آن را برای پاسخگویی به نیازهای خود سفارشی کنید.

هنگامی که از ربات تجارت پایتون خود خوشحال شدید ، مرحله بعدی استقرار آن برای تجارت مجازی با استفاده از تریت است و ما شما را از طریق مراحل ساده زیر قدم می زنیم. مرحله نهایی سفر توسعه استراتژی شما شامل تجارت زنده است ، جایی که می توانید از لیست دائماً در حال گسترش Trality برخی از معتبرترین مبادلات جهان ، از جمله Binance ، Binance.us ، Kraken ، Bitpanda ، FTX و Coinbase Pro انتخاب کنید.

با این حال ، ما شما را ترغیب می کنیم که ابتدا ربات خود را در تجارت مجازی آزمایش کنید تا ببینیم که چگونه این استراتژی در شرایط دنیای واقعی انجام می شود ، اما بدون هیچ گونه خطری برای امور مالی شما. به یاد داشته باشید ، تجارت مجازی دقیقاً همین است - از بودجه واقعی استفاده نمی شود.