Forex Backtesting Python

Python Algorithmic Trading Library PyAlgoTrade est une bibliothèque de négociation Algorithmique Python centrée sur le backtesting et le support pour le trading de papier et le trading en direct. Disons que vous avez une idée pour une stratégie de négociation et youd comme pour l'évaluer avec des données historiques et voir comment il se comporte. PyAlgoTrade vous permet de le faire avec un minimum d'effort. Caractéristiques principales Entièrement documenté. Événement. Prend en charge les commandes Market, Limit, Stop et StopLimit. Prend en charge les fichiers Yahoo Finance, Google Finance et NinjaTrader CSV. Prend en charge n'importe quel type de données de séries chronologiques au format CSV, par exemple Quandl. Bitcoin trading support via Bitstamp. Indicateurs techniques et filtres comme SMA, WMA, EMA, RSI, bandes de Bollinger, exposant de Hurst et d'autres. Des mesures de performance telles que le ratio Sharpe et l'analyse de retrait. Gestion des événements Twitter en temps réel. Profiler d'événements. Intégration TA-Lib. Très facile à mettre à l'échelle horizontalement, c'est-à-dire à utiliser un ou plusieurs ordinateurs pour revoir une stratégie. PyAlgoTrade est libre, open source, et il est sous licence Apache, Version 2.0.bt - Backtesting flexible pour Python Qu'est-ce que bt bt est un framework de backtesting flexible pour Python utilisé pour tester des stratégies de trading quantitatives. Backtesting est le processus de test d'une stratégie sur un ensemble de données donné. Ce cadre vous permet de créer facilement des stratégies qui mélangent et correspondent différents Algos. Il vise à favoriser la création de blocs de logique de stratégie faciles à tester, réutilisables et flexibles pour faciliter le développement rapide de stratégies commerciales complexes. Le but: sauver les quants de la réinvention de la roue et leur permettre de se concentrer sur la partie importante du travail - le développement de la stratégie. Bt est codé en Python et rejoint un écosystème dynamique et riche pour l'analyse des données. De nombreuses bibliothèques existent pour l'apprentissage des machines, le traitement du signal et les statistiques et peuvent être utilisées pour éviter de réinventer la roue - ce qui arrive trop souvent quand on utilise d'autres langues qui n'ont pas la même richesse de projets open source de haute qualité. Bt est construit sur ffn - une bibliothèque de fonctions financières pour Python. Check it out Un exemple rapide Voici un goût rapide de bt: Une stratégie simple Backtest Let8217s créer une stratégie simple. Nous allons créer une stratégie mensuelle rééquilibrée, longue seulement où nous placer des poids égaux sur chaque actif dans notre univers d'actifs. Premièrement, nous allons télécharger des données. Par défaut, bt. get (alias pour ffn. get) télécharge la fermeture ajustée de Yahoo Finance. Nous allons télécharger des données à partir du 1er janvier 2010 pour les besoins de cette démo. Une fois que nous avons nos données, nous allons créer notre stratégie. L'objet Stratégie contient la logique de stratégie en combinant divers Algos. Enfin, nous créerons un Backtest. Qui est la combinaison logique d'une stratégie avec un jeu de données. Une fois cela fait, nous pouvons exécuter le backtest et analyser les résultats. Maintenant nous pouvons analyser les résultats de notre backtest. L'objet Result est un wrapper mince autour de ffn. GroupStats qui ajoute des méthodes auxiliaires.