Forex Py

Usando o Python, o IBPy e a Interactive Brokers API para Automatizar as Negociações A, discutimos como configurar uma conta demo Interactive Brokers. A Interactive Brokers é uma das principais corretoras usadas por comerciantes algorítmicos de varejo devido aos requisitos de saldo de conta mínima relativamente baixos (10 000 USD) e à API (relativamente) direta. Neste artigo, faremos uso de uma conta de demonstração para automatizar negócios contra a Interactive Brokers API, via Python e o plugin IBPy. Divulgação: não tenho afiliação com Interactive Brokers. Eu usei-os antes em um contexto de fundo profissional e, como tal, estou familiarizado com o software deles. O Interactive Brokers API Interactive Brokers é uma empresa de grande porte e, como tal, atende a uma ampla gama de comerciantes, que vão desde o varejo discricionário ao instituto automatizado. Isso levou sua interface GUI, Trader Workstation (TWS), a possuir uma quantidade significativa de sinos e assobios. Além do TWS, há também um componente leve chamado IB Gateway, que fornece o mesmo acesso aos servidores IB, embora sem a funcionalidade adicional da GUI. Para os nossos fins de negociação automatizada, na verdade, não precisamos do TWS GUI, mas acho que para este tutorial é demonstrativo fazer uso dele. A arquitetura subjacente é baseada em um modelo de servidor de clientes que oferece tanto os feeds de execução quanto os dados de mercado (históricos e em tempo real) através de uma API. É esta API que vamos utilizar neste tutorial para enviar pedidos automatizados, via IBPy. O IBPy foi escrito para envolver a API Java nativa e torná-lo direto para ligar da Python. As duas bibliotecas principais nas quais estamos interessados ​​dentro do IBPy são ib. ext e ib. opt. O último é de nível superior e faz uso da funcionalidade no primeiro. Na implementação a seguir, vamos criar um exemplo extremamente simples, que simplesmente enviará um pedido de mercado único para comprar 100 unidades do estoque do Google, usando roteamento de pedidos inteligentes. O último é projetado para alcançar o melhor preço na prática, embora em determinadas situações possa ser subóptimo. No entanto, para os fins deste tutorial, será suficiente. Implementação em Python Antes de começar, é necessário ter seguido as etapas no tutorial anterior na configuração de uma conta Interactive Brokers. Além disso, é necessário ter um espaço de trabalho anterior do Python para que possamos instalar o IBPy. O que lhe permitirá amarrar outros aspectos do seu código juntos. O tutorial sobre a instalação de um ambiente de pesquisa Python criará o espaço de trabalho necessário. Instalar IBPy O IBPy é um wrapper Python escrito em torno da API baseada em Java Interactive Brokers. Faz o desenvolvimento de sistemas de negociação algorítmica em Python um pouco menos problemático. Ele será usado como base para toda a comunicação subseqüente com Interactive Brokers até considerarmos o protocolo FIX em uma data posterior. Como o IBPy é mantido no GitHub como um repositório git, precisaremos instalar o git. Em um sistema Ubuntu, isso é gerenciado por: Depois de ter instalado git, você pode criar um subdiretório para armazenar o IBPy. No meu sistema, basta colocá-lo abaixo do meu diretório inicial: o próximo passo é baixar IBPy via git clone: ​​Certifique-se de inserir o diretório IbPy e instalar com o ambiente virtual Python preferido: Isso completa a instalação do IBPy. O próximo passo é abrir o TWS (conforme descrito no tutorial anterior). Negociação automatizada O código a seguir demonstrará um mecanismo de ordem baseado em API extremamente simples. O código está longe de ser pronto para produção, mas demonstra a funcionalidade essencial da Interactive Brokers API e como usá-la para a execução de pedidos. Todo o código a seguir deve residir no arquivo ibapidemo. py. O primeiro passo é importar os objetos Contrato e Ordem da biblioteca ib. ext de nível inferior. Além disso, importamos os objetos Conexão e mensagem da biblioteca de nível superior ib. opt: ​​o IB nos fornece a capacidade de lidar com erros e respostas do servidor por um mecanismo de retorno de chamada. As duas funções a seguir não fazem mais do que imprimir o conteúdo das mensagens retornadas do servidor. Um sistema de produção mais sofisticado teria que implementar lógica para assegurar o funcionamento contínuo do sistema em caso de comportamento excepcional: as duas funções a seguir envolvem a criação dos objetos Contrato e Ordem, definindo seus respectivos parâmetros. A função docs descreve cada parâmetro individualmente: a função principal inicialmente cria um objeto de conexão para o Trader Workstation, que deve ser executado para que o código funcione. As funções do manipulador de erro e resposta são registradas no objeto de conexão. Posteriormente, uma variável orderid é definida. Em um sistema de produção isso deve ser incrementado para cada ordem comercial. Os próximos passos são criar um Contrato e uma Ordem que represente um pedido de mercado para comprar 100 unidades do estoque da Google. A tarefa final é realmente colocar essa ordem através do método placeOrder do objeto Conexão. Então, desconecte-se do TWS: o passo final é executar o código: imediatamente pode-se ver que a guia API se abre na Trader Workstation, mostrando a ordem do mercado para longar 100 partes do Google: se olharmos agora a guia Portfolio Podemos ver a posição do Google. Você também observará uma posição forex na lista, que não foi gerada por mim. Eu só posso assumir que a conta de demonstração do IB é compartilhada de alguma forma (devido às informações de login idênticas) ou IB coloca ordens arbitrárias na conta para fazer Parece mais realista. Se alguém tiver uma visão sobre esse comportamento, ficaria intrigado em saber mais: esta é a forma mais básica de execução automática que poderíamos considerar. Em artigos subsequentes, vamos construir uma arquitetura mais robusta baseada em eventos que possa lidar com estratégias de negociação realistas. 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 estão isentos de responsabilidade pela atualização de informações e negam a responsabilidade pelo conteúdo, produtos e serviços de terceiros, inclusive quando acessados ​​através de hiperlinks ou propagandas neste site. Diário de negociação Forex 1 - Negociação de Forex automatizada com a API de OANDA. Eu mencionei anteriormente em O QuantStart: 2014 Em artigo de revisão que eu estaria gastando parte de 2015 escrevendo sobre negociação forex automatizada. Dado que eu mesmo geralmente realizo pesquisas em mercados de ações e futuros, pensei que seria divertido (e educacional) escrever sobre minhas experiências de entrar no mercado cambial ao estilo de um diário. Cada entrada do diário tentará construir sobre todos aqueles antes, mas também deve ser relativamente autônoma. Nesta primeira entrada do diário, estou descrevendo como configurar uma nova conta de corretagem de prática com a OANDA, bem como a forma de criar um motor de negociação básico baseado em múltiplos processos que possa executar negócios automaticamente em uma configuração prática e ao vivo. No ano passado, passamos muito tempo olhando o backtester dirigido para eventos. Principalmente para ações e ETFs. O que eu apresento abaixo é orientado para o forex e pode ser usado para negociação de papel ou negociação ao vivo. Eu escrevi todas as instruções para o Ubuntu 14.04, mas elas devem ser facilmente traduzidas para Windows ou Mac OS X, usando uma distribuição Python, como a Anaconda. A única biblioteca adicional usada para o mecanismo comercial Python é a biblioteca de solicitações, que é necessária para a comunicação HTTP para a API OANDA. Uma vez que este é o primeiro post diretamente sobre a negociação cambial, e o código apresentado abaixo pode ser direto adaptado a um ambiente de negociação ao vivo, gostaria de apresentar as seguintes isenções: Disclaimer: A troca de câmbio na margem possui um alto nível de risco, E pode não ser adequado para todos os investidores. O desempenho passado não é indicativo de resultados futuros. O alto grau de alavancagem pode funcionar contra você, bem como para você. Antes de decidir investir em divisas, você deve considerar cuidadosamente seus objetivos de investimento, nível de experiência e apetite de risco. Existe a possibilidade de que você possa sustentar a perda de algum ou todo seu investimento inicial e, portanto, você não deve investir dinheiro que não pode perder. Você deve estar ciente de todos os riscos associados à negociação cambial e procurar o aconselhamento de um consultor financeiro independente se tiver dúvidas. Este software é fornecido como está e quaisquer garantias expressas ou implícitas, incluindo, mas não limitado a, as garantias implícitas de comercialização e adequação para um propósito específico são negadas. Em nenhum caso, os regentes ou contribuidores serão responsáveis ​​por quaisquer danos diretos, indiretos, incidentais, especiais, exemplares ou conseqüenciais (incluindo, mas não limitado a, aquisição de bens ou serviços de substituição perda de uso, dados ou lucros ou interrupção do negócio ) No entanto, causou e em qualquer teoria da responsabilidade, seja no contrato, responsabilidade restritiva ou responsabilidade civil (incluindo negligência ou outra) decorrentes de qualquer uso indevido deste software, mesmo que seja avisado da possibilidade de tal dano. Configurando uma conta com OANDA A primeira pergunta que vem à mente é porque escolher OANDA. Simplificando, depois de um pouco de Googling em torno de corretores de Forex que possuíam APIs, vi que a OANDA havia lançado recentemente uma API REST adequada que poderia ser facilmente comunicada com quase qualquer idioma de uma maneira extremamente direta. Depois de ler a documentação da API do desenvolvedor. Eu decidi fazer uma tentativa, pelo menos com uma conta prática. Para ser claro - não tenho relação anterior ou existente com a OANDA e estou apenas fornecendo esta recomendação com base em minha experiência limitada ao brincar com sua API prática e algum uso breve (para download de dados de mercado) enquanto empregado em um fundo anteriormente. Se alguém se deparou com outros corretores forex que também possuem uma API similarmente moderna, então fique feliz em dar-lhes um olhar também. Antes de utilizar a API, é necessário se inscrever para uma conta prática. Para fazer isso, vá para o link de inscrição. Você verá a seguinte tela: você poderá fazer login com suas credenciais de login. Certifique-se de selecionar a guia fxTradePractice na tela de login: uma vez que você precisará anotar sua ID da conta. Ele está listado abaixo do cabeçalho preto dos meus fundos ao lado do primário. O meu é um número de 7 dígitos. Além disso, você também precisará gerar um token de API pessoal. Para fazer isso, clique em Gerenciar Acesso à API abaixo da guia Outras Ações na parte inferior esquerda: Nesta fase, você poderá gerar um token de API. Você precisará da chave para o uso mais tarde, então certifique-se de anotá-la também. Agora você deseja lançar o aplicativo FXTrade Practice, que nos permitirá ver as ordens executadas e nossa perda de ampliação de lucro (em papel). Se você estiver executando um sistema Ubuntu, você precisará instalar uma versão ligeiramente diferente do Java. Em particular, a versão Oracle do Java 8. Se você não fizer isso, o simulador de prática não será carregado a partir do navegador. Executei esses comandos no meu sistema: agora você poderá iniciar o ambiente comercial da prática. Volte para o painel de controle OANDA e clique no link de Prática de lançamento inicial FXTrade destacado. Ele abrirá uma caixa de diálogo Java perguntando se deseja executá-lo. Clique em Executar e a ferramenta FxTrade Practice será carregada. O meu padrão foi definido para um gráfico de velas de 15 minutos da EURUSD com o painel de citação à esquerda: neste ponto, estamos prontos para começar a projetar e codificar nosso sistema de negociação forex automatizado contra a API OANDA. Visão geral da arquitetura de negociação Se você acompanha a série de backtester baseada em eventos para ações e ETFs que eu criei no ano passado, você estará ciente de como esse sistema de negociação baseado em eventos funciona. Para aqueles que são novos para o software dirigido a eventos. Eu sugeriria fortemente a leitura do artigo, a fim de obter uma visão de como eles funcionam. Em essência, todo o programa é executado em um loop infinte while que só termina quando o sistema comercial é desligado. O mecanismo de comunicação central do programa é fornecido através de uma fila que contém eventos. A fila é constantemente consultada para verificar novos eventos. Uma vez que um evento foi retirado do topo da fila, ele deve ser tratado por um componente apropriado do programa. Assim, um feed de dados de mercado pode criar TickEvent s que são colocados na fila quando um novo preço de mercado chega. Um objeto de estratégia gerador de sinal pode criar OrderEvent s que devem ser enviados para uma corretora. A utilidade de tal sistema é dada pelo fato de que não importa qual ordem ou tipos de eventos são colocados na fila, pois eles sempre serão tratados corretamente pelo componente certo dentro do programa. Além disso, diferentes partes do programa podem ser executadas em segmentos separados. O que significa que nunca há uma espera para qualquer componente específico antes de processar qualquer outro. Isso é extremamente útil em situações de negociação algorítmica, onde manipuladores de feed de dados de mercado e geradores de sinal de estratégia possuem características de desempenho muito diferentes. O principal ciclo de negociação é dado pelo seguinte pseudo-código Python: como afirmamos acima, o código é executado em um loop infinito. Em primeiro lugar, a fila é consultada para recuperar um novo evento. Se a fila estiver vazia, o loop simplesmente será reiniciado após um período de sono curto conhecido como batimento cardíaco. Se um evento for encontrado, seu tipo é avaliado e, em seguida, o módulo relevante (seja a estratégia ou o manipulador de execução) é chamado a lidar com o evento e possivelmente gerar novos que voltem para a fila. Os componentes básicos que criaremos para o nosso sistema comercial incluem o seguinte: Controlador de preço de transmissão - Isso manterá uma conexão de longa duração aberta aos servidores da OANDAs e enviará dados do tick (ou seja, bidask) em toda a conexão para quaisquer instrumentos interessados. Gerador de Sinal de Estratégia - Isso levará uma seqüência de eventos de tiques e os usará para gerar ordens de negociação que serão executadas pelo manipulador de execução. Manipulador de Execução - Executa um conjunto de eventos de ordem e depois os executa cegamente com OANDA. Eventos - Esses objetos constituem as mensagens que são transmitidas na fila de eventos. Nós só exigimos dois para esta implementação, nomeadamente o TickEvent e o OrderEvent. Ponto de entrada principal - O ponto de entrada principal também inclui o ciclo de comércio que pesquisa continuamente a fila de mensagens e envia mensagens para o componente correto. Isso geralmente é conhecido como o loop de evento ou manipulador de eventos. Vamos agora discutir a implementação do código em detalhes. Na parte inferior do artigo está a listagem completa de todos os arquivos de código-fonte. Se você colocá-los no mesmo diretório e executar o python trading. py, você começará a gerar ordens, assumindo que você tenha preenchido o ID da sua conta e o token de autenticação da OANDA. Implementação do Python É uma prática ruim armazenar senhas ou chaves de autenticação dentro de uma base de código, pois você nunca pode prever quem será permitido acesso a um projeto. Em um sistema de produção, nós armazenamos essas credenciais como variáveis ​​de ambiente com o sistema e, em seguida, consultamos esses envvars cada vez que o código é redistribuído. Isso garante que as senhas e tokens de autenticação nunca sejam armazenados em um sistema de controle de versão. No entanto, uma vez que estamos apenas interessados ​​em construir um sistema de comércio de brinquedos e não nos preocupamos com detalhes de produção neste artigo, em vez disso, separaremos estes tokens de autenticação em um arquivo de configurações. No seguinte arquivo de configuração settings. py, temos um dicionário chamado AMBIENTES que armazena os pontos finais da API tanto para a API de transmissão de preços OANDA como para a API de negociação. Cada subdiretório contém três pontos de extremidade API diferentes: real. Prática e sandbox. A API do sandbox é puramente para testar o código e verificar se não há erros ou erros. Não possui as garantias de tempo de atividade das APIs reais ou de prática. A prática API, em essência, oferece a capacidade de comércio de papel. Ou seja, ele fornece todos os recursos da API real em uma conta de prática simulada. A verdadeira API é apenas isso - é uma negociação ao vivo Se você usa esse ponto final em seu código, ele será negociado contra o saldo da sua conta ao vivo. SEJA EXTREMAMENTE CUIDADOSO IMPORTANTE: quando negociar contra a prática API, lembre-se de que um custo de transação importante, o impacto de mercado. Não é considerado. Uma vez que nenhum negócio é realmente colocado no meio ambiente, esse custo deve ser explicado de outra forma em outro lugar, usando um modelo de impacto de mercado, se você deseja avaliar de forma realista o desempenho. No seguinte, estamos usando a conta de prática conforme a configuração DOMAIN. Precisamos de dois dicionários separados para os domínios, um para os componentes da API de transmissão e transmissão. Finalmente, temos ACCESSTOKEN e ACCOUNTID. Eu preenchi os dois abaixo com IDs fofos, então você precisará utilizar o seu próprio, que pode ser acessado a partir da página da conta OANDA: O próximo passo é definir os eventos que a fila usará para ajudar todos os componentes individuais a se comunicarem. Precisamos de dois: TickEvent e OrderEvent. O primeiro armazena informações sobre dados do mercado de instrumentos, como o (melhor) bidask e o tempo de troca. O segundo é usado para transmitir ordens para o manipulador de execução e, portanto, contém o instrumento, o número de unidades a negociar, o tipo de ordem (mercado ou limite) eo lado (ou seja, comprar e vender). Para o futuro do nosso código de eventos, vamos criar uma classe base chamada Evento e ter todos os eventos herdados disto. O código é fornecido abaixo em events. py: A próxima classe que vamos criar irá lidar com a estratégia de negociação. Nesta demonstração, vamos criar uma estratégia bastante absurda que simplesmente recebe todos os carrapatos do mercado e, em cada 5º trimestre, compra ou vende de maneira aleatória 10 000 unidades de EURUSD. Claramente, esta é uma estratégia ridícula No entanto, é fantástico para fins de teste, porque é direto codificar e entender. Em futuras entradas no diário, estaremos substituindo isso por algo significativamente mais emocionante que (espero) gire um lucro. O arquivo strategy. py pode ser encontrado abaixo. Vamos trabalhar através dele e ver o que está acontecendo. Em primeiro lugar, importamos a biblioteca aleatória e o objeto OrderEvent de events. py. Precisamos da libação aleatória para selecionar uma ordem de compra ou venda aleatória. Nós precisamos do OrderEvent, pois é assim que o objeto de estratégia enviará ordens para a fila de eventos, que será posteriormente executada pelo manipulador de execução. A classe TestRandomStrategy simplesmente leva o instrumento (neste caso EURUSD), o número de unidades e a fila de eventos como um conjunto de parâmetros. Em seguida, cria um contador de tiques que é usado para contar quantas instâncias do TickEvent já viu. A maior parte do trabalho ocorre no método calculatesignals, que simplesmente leva um evento, determina se é um TickEvent (ignore) e incrementa o contador de tiques. Em seguida, verifica se a contagem é divisível em 5 e, em seguida, compra ou vende aleatoriamente, com uma ordem de mercado, o número especificado de unidades. Certamente, não é a maior estratégia de negociação do mundo, mas será mais do que adequado para nossos objetivos de teste da API de corretagem OANDA. O próximo componente é o manipulador de execução. Esta classe é encarregada de atuar sobre as instâncias do OrderEvent e fazer solicitações ao corretor (neste caso, OANDA) de forma burra. Ou seja, não há gerenciamento de risco ou sobreposição de construção de potfolio. O manipulador de execução simplesmente executará qualquer ordem que tenha sido dada. Devemos passar todas as informações de autenticação para a classe Execution, incluindo o domínio (prática, real ou sandbox), o token de acesso e identificação da conta. Em seguida, criamos uma conexão segura com httplib. Um dos Pythons construído em bibliotecas. A maior parte do trabalho ocorre na ordem de execução. O método requer um evento como um parâmetro. Em seguida, constrói dois dicionários - os cabeçalhos e os params. Esses dicionários serão então codificados corretamente (parcialmente por urllib, outra biblioteca Python) para serem enviados como uma solicitação HTTP POST para a API OANDAs. Passamos os parâmetros de cabeçalho do tipo de conteúdo e autorização, que incluem nossas informações de autenticação. Além disso, codificamos os parâmetros, que incluem o instrumento (EURUSD), unidades, tipo de ordem e lado (buysell). Finalmente, fazemos o pedido e salvamos a resposta: o componente mais complexo do sistema de negociação é o objeto StreamingForexPrices, que lida com as atualizações de preço de mercado da OANDA. Existem dois métodos: connecttostream e streamtoqueue. O primeiro método usa a biblioteca de solicitações Python para se conectar a um soquete de transmissão com os cabeçalhos e parâmetros apropriados. Os parâmetros incluem o ID da conta e a lista de instrumentos necessária que deve ser ouvida para atualizações (neste caso, é apenas EURUSD). Observe a seguinte linha: isso indica que a conexão deve ser transmitida e, portanto, mantida aberta de forma longa. O segundo método, streamtoqueue. Na verdade, tenta se conectar ao fluxo. Se a resposta não for bem sucedida (ou seja, o código de resposta não é HTTP 200), então simplesmente retornamos e saímos. Se for bem sucedido, tentamos carregar o pacote JSON retornado em um dicionário Python. Finalmente, convertemos o dicionário Python com o instrumento, bidask e timestamp em um TickEvent que é enviado para a fila de eventos: agora temos todos os principais componentes no lugar. O passo final é encerrar tudo o que escrevemos até agora em um programa principal. O objetivo deste arquivo, conhecido como trading. py. É criar dois segmentos separados. Um dos quais executa o manipulador de preços e o outro que administra o manipulador de negociação. Por que precisamos de dois segmentos separados. Simplificando, estamos executando dois pedaços separados de código, ambos em execução contínua. Se formássemos um programa não-threaded, o soquete de transmissão usado para as atualizações de preços nunca mais retornaria ao caminho do código principal e, portanto, nunca realizaríamos qualquer negociação. Da mesma forma, se corremos o loop comercial (veja abaixo), nunca retornaríamos o caminho do fluxo para o soquete de transmissão de preços. Portanto, precisamos de vários tópicos, um para cada componente, para que eles possam ser realizados de forma independente. Ambos se comunicarão entre si através da fila de eventos. Vamos examinar isso um pouco mais. Criamos dois segmentos separados com as seguintes linhas: Passamos a função ou o nome do método para o argumento de palavra-chave de destino e passamos uma iterável (como uma lista ou uma tupla) para o argumento de palavras-chave args, que passa esses argumentos para a função do método real . Finalmente, começamos os dois tópicos com as seguintes linhas: assim, podemos executar dois, efetivamente infinitos looping, segmentos de código independentemente, que se comunicam através da fila de eventos. Observe que a biblioteca de threading do Python não produz um ambiente multi-core multi-core real devido à implementação do CPython do Python e do Bloqueio do Intérprete Global (GIL). Se você quiser ler mais sobre multithreading no Python, veja este artigo. Vamos examinar o resto do código em detalhes. Em primeiro lugar, importamos todas as bibliotecas necessárias, incluindo Fila. Threading e tempo. Em seguida, importamos todos os arquivos de código acima. Pessoalmente, eu prefiro capitalizar quaisquer configurações, o que é um hábito que eu tirei do trabalho com o Django. Depois disso, definimos a função comercial, que foi explicada no Pseudocódigo Python acima. Um loop while infinito é executado (enquanto True:) que pesquisa continuamente a partir da fila de eventos e apenas ignora o loop se ele for encontrado vazio. Se um evento for encontrado, então é um TickEvent ou um OrderEvent e, em seguida, o componente apropriado é chamado para executá-lo. Nesse caso, é uma estratégia ou um manipulador de execução. O loop, em seguida, simplesmente dorme durante segundos de heartbeat (neste caso, 0,5 segundos) e continua. Finalmente, definimos o ponto de entrada principal do código na função principal. É bem comentado abaixo, mas vou resumir aqui. Em essência, instanciamos a fila de eventos e definimos as unidades de instrumentos. Em seguida, criamos a classe de transmissão de preços StreamingForexPrices e, posteriormente, o processador de execução Execução. Ambos recebem os detalhes de autenticação necessários fornecidos pela OANDA ao criar uma conta. Em seguida, criamos a instância TestRandomStrategy. Finalmente, definimos os dois tópicos e depois os iniciamos: Para executar o código, você simplesmente precisa colocar todos os arquivos no mesmo diretório e chamar o seguinte no terminal: Observe que para parar o código nesta etapa requer uma morte difícil do Processo de Python. Via Ctrl-Z ou equivalente, não adicionei um segmento adicional para manipular a procura do sys. exit () que seria necessário para parar o código de forma segura. Uma maneira potencial de parar o código em uma máquina UbuntuLinux é digitar: e depois passar a saída deste (um número de processo) para o seguinte: Onde PROCESSID deve ser substituído pela saída do pgrep. Observe que esta não é uma prática particularmente boa Em artigos posteriores, estaremos criando um mecanismo de parada mais sofisticado que faça uso da supervisão do processo Ubuntus para que o sistema comercial seja executado 247. A saída após 30 segundos ou mais, dependendo do tempo de Dia relativo às principais horas de negociação para EURUSD, para o código acima, é fornecido abaixo: As cinco primeiras linhas mostram os dados de marca JSON retornados da OANDA com os preços da bidask. Posteriormente, você pode ver a saída da ordem de execução, bem como a resposta JSON retornada da OANDA confirmando a abertura de um comércio de compra por 10.000 unidades de EURUSD e o preço alcançado em. Isso continuará funcionando indefinidamente até você matar o programa com um comando Ctrl-Z ou similar. O que vem em seguida Em artigos posteriores, vamos realizar algumas melhorias tão necessárias, incluindo: Estratégias reais - Estratégias forex adequadas que geram sinais lucrativos. Infraestrutura de produção - Implementação de servidor remoto e 247 sistema de comércio monitorado, com capacidade de parada. Gerenciamento de portfólio e risco - Carteira e sobreposições de risco para todas as ordens sugeridas da estratégia. Estratégias múltiplas - Construindo um portfólio de estratégias que se integram na sobreposição de gerenciamento de riscos. Tal como acontece com o backtester com base em eventos de ações, também precisamos criar um módulo forex backtesting. Isso nos permitirá realizar pesquisas rápidas e facilitar a implantação de estratégias. Settings. py (lembre-se de alterar ACCOUNTID e ACCESSTOKEN): OANDA API Trading Utilities em Python Sample de programas que negociam com a API OANDA através do Python2.7 Este repo contém um programa de negociação que executa negócios quando WMA e SMA se cruzam. Há também um arquivo contendo algumas funções extremamente simples que abrirão um comércio ou uma ordem, respectivamente. Clonar este repo para a localização da sua escolha Modifique api-order. py para fazer o que quiser, ou simplesmente execute api-trade-averages. py usando Python2.7 Para executar o script, especifique o número de velas sobre as quais calcular o WMA e SMA, a granularidade da vela, o instrumento e sua conta. Este script usa o ambiente sandbox, então use você sandbox accountId. Python api-trade-averages. py 10 S5 EURUSD Este programa destina-se a demonstrar a funcionalidade da API OANDA e não se destina a consultoria de investimento ou a uma solução para comprar ou vender qualquer produto de investimento.