Live Trading Bot Strategy In Python

Summary

この動画スクリプトでは、Pythonを使用して市場でライブテストを行う自動売買ボットのテスト結果を共有しています。正面のトレンドが見られ、日次での集約結果は主にプラスの取引日を示しています。説明された戦略をライブ市場でテストし、スプレッド、手数料を考慮に入れた実際の取引を行ったボットの構築方法を紹介します。最適化されたストラテジーの選択、実装、数日間の運用、結果の評価が行われます。ストラテジーは、指数移動平均に基づいて価格トレンドを検出し、エントリーポイントはボリンジャーバンドを使用して選択します。バックテストでは、約35日間のデータで61%のリーチリターンが得られましたが、20日間ほどの利益がなかったこともありました。ライブテストの結果は、期待を管理し、トレーディングの性質を受け入れることを示しています。

Takeaways

• 📈 現在テストしている自動売買ボットはPythonを使用して市場でライブ取引を行っています。
• 🌟 テストしている戦略は、前回の動画で最適化とバックテスト済みで、約35日間の取引データに基づいて61%のリーチリターンを達成しています。
• 🛠️ 戦略は指数移動平均を利用して価格トレンドを検出し、エントリーポイントにはボリンジャーバンドを選んでいます。
• 🔧 停止損失はATR（平均トレンド範囲）に関連し、利益確定値も停止損失距離に関連しているため、間接的にATRにも関連しています。
• 🔄 テスト期間の約20日間は利益がなく、最終的にテスト期間の終盤でポジティブなリターンが得られました。
• 📊 ライブテストでは、スプレッド、手数料、取引手数料などの市場要因を考慮しています。
• 💡 動画の説明リンクから当日のコードをダウンロードできます。
• 🔍 ライブテスト中は、WandasのAPIを使用して市場に接続し、取引を実行しています。
• 📈 取引ロットは固定しており、取引条件によってロットサイズを変更する機能や公式は使用していません。
• 🔄 5分足の時間枠戦略を使用しているため、5分ごとに市場をチェックする必要があります。
• 📊 少数の取引データに基づく初期分析では、総資産は正のトレンドにあり、利益を上げています。

Q & A

この動画で紹介されている取引ボットの主な機能は何ですか？

この取引ボットは、Pythonを使用して市場でリアルタイムに取引を行います。また、ストラテジーを導入して市場でライブテストを行い、スプレッド、手数料を考慮して実際の取引環境で自動化された取引戦略を実行します。

使用されているストラテジーは何ですか？

使用されているストラテジーは、指数移動平均を利用して価格のトレンドを検出し、エボリューションズ・バンドを用いてエントリーポイントを選定します。

エポック（EP）とスプレッドに対する損切りと利益確定の設定はどのようになされていますか？

損切りはATR（平均トレンド範囲）に基づいて設定されており、利益確定は損切り距離に関連して間接的にATRにも関連しています。

バックテストの結果はどのようでしたか？

バックテストでは、35日間にわたる取引データに基づいて61%のリーチリターンが達成されました。しかし、約20日間は利益が得られず、テスト期間の終盤でのみプラスのリターンが得られました。

取引ボットを実行するために必要な情報は何ですか？

取引ボットを実行するためには、アクセストークンと取引アカウントIDが必要です。これらの情報は、Wandaのウェブサイトやプラットフォームで生成することができます。

取引ボットの実行間隔は何ですか？

取引ボットは、スケジューラを使用して5分ごとに市場をチェックし、取引を行います。

取引ボットが現在開いている取引をカウントする方法は何ですか？

取引ボットは、APIを使用して現在開いている取引の数をカウントし、一度に一つの取引のみを行います。

取引のスプレッドが大きい場合、取引ボットはどのように動作しますか？

取引のスプレッドが定義された最大スプレッドを超える場合、取引ボットは取引を行わずに待機します。

取引信号が発生したとき、取引ボットはどのように取引を開始しますか？

取引信号が発生し、現在市場に開いている取引が存在し、かつスプレッドが最大スプレッド以下の場合、取引ボットは指定されたロットサイズで取引を開始します。

この取引ボットのパフォーマンスを評価するために、どの期間のデータを収集する予定ですか？

この取引ボットのパフォーマンスを評価するために、少なくとも1ヶ月間のデータを収集し、より正確な分析を行う予定です。

この動画の最後に提供されているコードをダウンロードするにはどうすればいいですか？

この動画の最後に提供されているコードをダウンロードするには、動画の説明欄にあるリンクをクリックしてダウンロードすることができます。

Outlines

00:00

🤖 ライブ取引ボットの紹介と戦略の実施

この段落では、Pythonを使用して市場でライブテストしている取引ボット「Equity」について紹介されています。現在のトレンドはプラスで、ほとんどの取引日がプラスとなっています。今日の目標は、以前の動画で紹介した戦略を実装し、市場でのライブテストを行うことです。スプレッド、手数料を考慮に入れた上で、Pythonでライブ取引ボットを構築する方法を学びます。最適化された戦略を選んで、市場に接続されたライブ取引ボットに実装し、数日間実行して結果を評価します。以前の動画で最適化とバックテストが行われた戦略を簡単に復習し、その結果についても触れています。

05:02

🔍 取引戦略の詳細とWandaへの接続

この段落では、使用する取引戦略の詳細と、Wandaプラットフォームへの接続方法について説明されています。戦略は、指数移動平均を用いて価格のトレンドを検出し、エボリューションズ・バンドを用いてエントリーポイントを選びます。WandaのAPIを使用し、アクセストークンとアカウントIDが必要です。さらに、获取したキャンドルデータをPandasデータフレームに変換し、技術指標を計算するための関数を定義しています。

10:03

📈 ライブ取引の実施と結果の分析

最後の段落では、ライブ取引を実施し、その結果を分析しています。取引ボットは、定義された条件に従ってポジションをオープンし、スプレッドやATRに基づいてストップロスとテイクプロフィットを計算します。CSVファイルをダウンロードして取引結果を分析し、权益のトレンドと日々の取引結果を確認します。この戦略をさらにテストし、1か月以上実行してより正確な分析を行う予定です。

Keywords

💡live trading bot

「live trading bot」とは、市場で実際の取引を行う自動化されたプログラムのことです。この動画では、Pythonを使用してテストされているlive trading botが紹介されており、そのbotは市場の動向をリアルタイムで追跡し、自動的に取引を行うことができます。

💡positive trend

「positive trend」とは、株価や通貨などの価格が上昇しているトレンドを指します。この動画では、live trading botが市場のpositive trendを認識し、それを基に取引を行うことが示されています。

💡exponential moving averages (EMA)

「exponential moving averages (EMA)」とは、価格データに基づく移動平均線の一つで、最近の価格変化に比较大的重みを置く技術的な分析ツールです。この動画では、EMAを用いて価格のトレンドを判断し、取引のエントリーポイントを決定する戦略が説明されています。

💡Bollinger bands

「Bollinger bands」とは、株価の変動範囲を示すための技術的な分析ツールで、中心線（移動平均線）を基準に上下にバンドを設置します。この動画では、Bollinger bandsを使用して、取引のエントリーポイントを決定する戦略が紹介されています。

💡ATR (Average True Range)

「ATR (Average True Range)」とは、市場の変動性を示す指標で、過去14日間の平均的な価格範囲から計算されます。この動画では、ATRを用いて、stop-loss（損切り）およびtake-profit（利益確定）の基準を設定する方法が説明されています。

💡backtest

「backtest」とは、過去のデータに基づいて取引戦略をテストすることを指します。この動画では、最適なバックテスト戦略を選んで、それをlive trading botに適用する方法が説明されています。

💡spread

「spread」とは、金融市場において、買いと売りの価格の差を指します。この動画では、spreadが大きい場合、取引を行わないという条件が設定されていることが示されています。

💡API (Application Programming Interface)

「API (Application Programming Interface)」とは、ソフトウェア間で通信を行うためのインターフェースです。この動画では、APIを使用して、取引データの取得や取引の実行を行います。

💡optimization

「optimization」とは、取引戦略やシステムを最適化することです。この動画では、最適なパラメーターを選択して、バックテスト戦略を改善する方法が説明されています。

💡stop loss

「stop loss」とは、損切りを行うための取引の指令です。価格が一定のレベルまで下がった場合に、自動的に売却されることで損失を制限します。この動画では、ATRを用いてstop lossを設定する方法が説明されています。

💡take profit

「take profit」とは、利益確定を行うための取引の指令です。価格が一定のレベルに達した場合に、自動的に売却され利益を確定します。この動画では、stop loss distanceに基づいてtake profitを設定する方法が説明されています。

Highlights

The video presents a live trading bot using Python, showcasing a positive trend in the market.

The trading bot is tested live on the market, taking into account spread, commissions, and trading fees.

The strategy used is based on exponential moving averages and Bolinger bands, optimized and back-tested in a previous video.

The back-test results showed a 61% return on investment over 35 days of trading.

The stop-loss and take-profit values are defined in relation to the ATR (Average True Range).

The trading bot is implemented to run on the market, with the plan to assess results after a few days.

The video encourages viewers to share insights on testing the strategy on different assets.

The Python code is available for download, allowing viewers to run the automated trading strategies themselves.

The trading bot uses the Wanda API for market connection, requiring an access token and account ID.

Functions are defined for EMA signal detection, total signal computation, and trade execution.

The bot includes a mechanism to count open trades, ensuring only one trade is open at a time.

The bot accounts for spread in its trading calculations, avoiding trades when the spread is extremely large.

The trading bot uses a fixed lot size for simplicity, not adjusting based on trading conditions.

The bot is scheduled to run once every 5 minutes, suitable for a 5-minute time frame strategy.

Initial live test results show a general positive trend, with some days of profit and others of loss.

The video creator plans to run the strategy for a full month to gather enough data for a more comprehensive analysis.

Viewers are encouraged to share their findings when testing the code on different assets.

Transcripts

hi and welcome back this is the equity

curve of a live trading bot that I'm

testing live on the market using python

as we can see it's a positive trend so

far and the daily aggregated results are

showing mostly positive trading days

today I will show you a live trading bot

that I'm running using the strategy we

introduced in the previous video so we

can test the strategy live on the market

considering the spread commissions and

all the trading fees we will see how to

build a live Trading B in Python so you

can run your automated trading

strategies live on the market if this is

your first time on this channel I

usually share the python codes so you

can download today's code from the link

in the description of this video and

here's our plan for this session first

we will pick an optimized and back

tested strategy second we will implement

this strategy into our live trading bot

that's connected to the market we will

let this strategy run for a few days and

finally we will assess the results so as

you can see this is a good way to test

any strategy you have on real conditions

and on new data the strategy we will use

today is the same we optimized in the

previous video so just a quick recap we

will detect the price trend relying on

the exponential moving averages and we

will choose our entry points using

Bolinger bands for more details please

check my previous video it shows how we

Define the functions related to this

strategy and how we optimized it and

back tested it for the best set of

parameters so in the back test the

results reached 61% in reach Returns on

data covering almost 35 days of trading

so it's almost 6 weeks period the stop

loss is defined in relation to the ATR

the average through range and the take

profit value is also related to the

stop-loss distance so indirectly to the

ATR as well again if you missed the

previous video with the details and the

optimization of the strategy I will

leave a link in the description so you

can go back and watch the video and make

sure that you didn't miss any

information going back to the

optimization back test we can notice

that for almost 20 days we didn't have

any profits it's only by the end of the

testing period that the strategy picked

up a positive return the reason I'm

showing this is to manage expectations

we need to be aware that some weeks and

some days might be negative and this is

the nature of trading however sometimes

we can get lucky and by the beginning of

the live test we would see immediately

some positive results without having to

wait for a few weeks or few days now

let's see the python code go through the

functions and run our live test but just

before we do this just before we start

part with the code walk through it would

be great if you will be testing the

strategy on different assets please

share some insights on your findings in

the comment section I'm curious how far

we can take this one so in the first

cell we're importing pandas pandas

technical analysis the uh scheduler

because this is what we'll be using to

launch this function or this bot once

every five minutes or once per day

depending on which time frame you

trading and we're using Wanda so we're

using the onas apis version 2.0 and so

on so we are importing all of this then

I'm defining the first function which is

the EMA signal and this function is

going to test if the fast EMA is below

the uh slow EMA then it's going to

return one which means we are in a

downtrend in the opposite case where the

fast EMA is above the slow EMA we return

two which is an uptrend in any other

case we return zero so that's the

function that's going to take the data

frame small data frame take the current

candles index and the number of back

candles to consider for the uh slow and

fast EMA so we need a slice of the data

frame including some back candles to be

able to compute the uh moving averages

the second function is the total signal

so it's going to compute the EMA signal

it's going to call the EMA signal in

case we have an uptrend it's going to

test if we are below or if a candle

closes below the lower edge of of the uh

Ballinger bands so if the current close

price of the current candle is less or

equal than the Ballinger band in the

current candle then this case we return

two which is our entry signal for a long

position in the opposite case we need a

downtrend and a closing or a candle

closing above the upper edge of the

Ballinger Bend and in this case we

return one which means it's a cell

signal or a short signal in any other

case we return zero so for this one just

based on the back test of the previous

video on this channel I'm using the

Binger bands with length 15 and standard

deviation of 1.5 you're wondering why we

use this please visit the previous video

we have some optimization parameters

that we are showing how it works and

what was the best result we obtained for

this set of

parameters okay now since we're using

Wanda to connect to the market you will

need two things the first one is an

access token and this one you can

usually generate it on the website or on

the platform of Wanda when you log into

your account and then you need your

account ID as well the account you're

trading from and now we can Define

couple more functions that we're going

to use for our training the first one is

get candles n so all this function does

it's going to query the platform of Enda

or your broker and it's going to

download the number of candles that

you're putting here as a parameter so I

can get the last 100 candles the last 50

candles or the last 20 candles depending

on the need of my trading system in this

case we're testing it just to query the

last three candles just to see if it's

working properly and in case we have

true here so for candle in candles print

is the string candle. bid. open. o

meaning open position greater than one

in this case um returning true so we

have true three times because we queried

three candles this is how I make sure

that I'm I'm connected through my access

token and account ID and everything is

working properly because these are used

here to grab the candles from Wanda's

platform so for now I know it's working

my token is working my account ID is

working and I can carry on with my code

then another function is countor opened

trades we're defining this function to

count the number of open trades because

we need to open one trade at a time so

we will need to count how many open

trades are coming Curr ly on the market

relating related to the account we are

using so far so this is why we've

defined this function it uses the API it

uses the access token the account ID and

it's going to request using client.

request R meaning trades. openen trades

for this particular account so the

account ID we're using here and it's

going to return the length of the

response so the length of these

trades now this function get candles

frame is going to get the last candles

so it's going to use the candle get

candles function the one that we've

predefined here it's going to transform

the data of the candles into a data

frame into pandas data frame with the

open close high and low prices so we're

just reformatting the data in in a way

in a shape and in a way that would be

easy to use just as a pandas data frame

and then we're adding the ATR as a new

column we're using technical analysis

the T ta pandascore ta we're also

Computing the fast moving average so of

length 30 the uh slow moving average of

length 50 the RSI in case needed of

length 10 and the Ballinger bands length

15 and standard deviation 1.5 so this is

where we pre-compute pretty much

everything we need for the candles as

classic technical indicators now we can

Define the trading job function so in

this function we're going to aggregate

everything together and execute our

trades so first of all we're going to

use the get candles frame I'm querying

70 candles so now we have a data frame

it's called DF Stream So a data frame

with candles open low high closing price

the RSI the ATR fast and slow moving

averages so everything is done using

this function and it's stored in the DF

stream variable then we can compute the

signal so we call the total signal we

feed the data frame as the parameter so

the current data frame with the last 70

candles then we indicate the index of

the current candle which is the length

of data frame Stream So DF stream minus

one and then this number seven is the

number of back candles to consider for

the signal so uh again it's more

detailed in the previous video but in

brief we're using a number of back

candles to test for a certain condition

so we're looking for the EMA fast to

detect the trend if it's below for

example the slow EMA we are in a

downtrend but it has to be below it for

a number of back candles like here it

has to be for seven consecutive back

candles this condition should be true

this is why we use the keyword all only

in this case we are detecting a

downtrend this is a way to avoid noisy

signals and now we can Define the stop

loss related to the ATR so it's equal to

1.1 time the current ATR value

and the take profit stop- loss ratio is

1.5 and I'm defining a maximum spread

which is 16 10 to Minus 5 this is only

related to the EUR US dollar and

depending on the account and the

Precision you're using for your trading

account but the reason I'm defining a

maximum spread is because I don't want

my bot to be trading when the spread is

extremely large so Above This maximum

spread limit the bot will not be trading

and this is a condition I included here

so for both short and long

positions and then to to compute the

spread the current spread live um

querying the open bid price and the open

ask price and I'm Computing the

difference between these two so the ask

and the bid price and this is what we

consider the spread then for long

positions so for buying positions we

need a stop-loss uh value so it's going

to be equal to the candle open bid price

minus the stop plus ATR distance minus

the spread this is where things become

different from the back test we've

introduced in the previous video we

didn't consider the spread and here we

are accounting for the spread we are

increasing The stop-loss Distance by the

amount of the spread same thing for the

short positions we need a stop-loss

value which is equal to the open uh

asking price and because it's the

highest value between the bid and ask

plus the stop- loss related to the ATR

so the stop loss distance Plus the

spread value now same thing for the take

profit the take profit is equal to the

open ask Price Plus the stop-loss ATR

value distance times the takeprofit

stoploss ratio plus the spread again and

for the short positions take profit is

the candle open price but it's the

bidding price minus the stop loss ATR um

distance times the takeprofit stoploss

ratio minus the spread and this is it

basically so once we have defined all of

these parameters now we just have to

call the client API using the access

token and if the signal is equal to one

and the count of currently open trades

is equal to zero meaning we don't have

any open trades on the market and at the

same time the spread is less than the

maximum spread limit we can open a short

position with the um minus 3,000 units

we're using the Euro US doll using the

take profit um value for the short

positions and the stop stop loss value

for the short positions as well and

whenever we have a Buy Signal we use

positive units so plus $3,000 us using

the take profit the buy take profit or

the long take profit and the uh buy stop

loss or the long stop loss for the sake

of Simplicity we're using fixed lot

sizing so we're not using any function

or any formulas to change the lot sizes

here depending on the trading conditions

just for the sake of this video but it's

working well so far we're going to let

it run on the market and see what it

gives then we can run a Chron scheduler

function adore job launching the trading

job function which is defined right here

and U it's from Monday until Friday from

Midnight until midnight and it's going

to run once probing the market once

every 5 minutes so at minute 1 minute 6

and so on why because we're using 5

minutes time frame strategy so there's

no need to run more than one time every

5 minutes nothing's going to change on

the market on the 5 minutes time frame

so I managed to download a CSV file with

the uh trades done so far it wasn't

running for very long time now so it's

just few days but before that I've been

trying to um tune some parameters

especially regarding the U experimenting

on the spread but now it seems to be

running in a stable way so I downloaded

the data I did some quick analysis and

this is the equity we can see that we

have some drow Downs some ups and downs

but in general things are climbing in

the positive trend now these are in

dollars here so we can see how it's

climbing from $144 as an equity to 152

dropping down to 144 and so on today was

a good day it's

$158 I think we've made $10 in one day

if I'm not mistaken and this is the

equity by trade so these are the trades

these are not the days this is the a

number of Trades and this one right here

is um the aggregated results of Trades

per day so this is positive in dollars

again so this is around $7 that day this

is- $6 this is plus2 and a half or plus

three uh plus $1

$2 and uh today was around a bit above

$8 now I'm intending to let this

strategy run for a full month at least

so we can get gather enough data for a

better analysis and I will get back to

you in another video about it and show

you where this strategy landed so that's

all for today I hope you guys are happy

with this one it looks fine from my side

I don't know if you are enjoying this as

much as I am but if you decide to

venture and try this code live on

different assets again please share your

findings it would be nice to know how

this strategy performs on different

markets until our next one trade safe

and see you next time