#author("2021-12-17T00:07:10+00:00","","") #author("2021-12-17T00:07:39+00:00","","") [[木下]] [[戻る>木下]] #contents **jupyter notebook [#ta974dcc] ブラウザ上でpythonをnote形式で実行できるソフト.実験ノートの電子版.Pythonの対話環境下で該当のディレクトリに行き~ jupyter notebook と打てばいい.終了するときは~ [ctrl]+[C] ~ -WindowsでのパスをWSL(Ubuntu)ように変換するコマンド~ $ wslpath 'C:\Users\you\Documents' /mnt/c/Users/you/Documents -WSLのパスをWindowsのように変換するコマンド~ $ wslpath -w /mnt/c/Users/you/Documents C:\Users\you\Documents 要は C:→/mnt/c \→/ を覚えておけばいい~ **夏時間におけるプログラムの変更 [#g329190e] ~ FX各社では、年に2回の米国時間の移行を機に取引時間が変わります。MT5においてもtickdataなどに影響があり、それに伴いプログラムを変更する必要があります。影響が出るのは早朝のことなので気にならないという方もいらっしゃるとは思いますが、経済指標の発表時刻にも変化があり、FXトレーダーへの影響が少なくありません。 ~ #ref(summertime.jpg,,100%) ~ 取引に使用するプログラムで変更しなければならないのはTick_data.pyの107,108行目です。 ~ #ref(summertime1.png,,70%) ~ **[[MetaTrader5とPythonによる自動売買]] [#g329190e] ~ *プログラムの流れ [#e890b3d5] **1,データ取得 [#g329190e] MT5から市場のtickデータを取得し,common.csvで指定した時間足ごとにリサンプリングを行いcsvに保存する.これらを各市場に対して行う. #ref(15.png,,30%) tickdata.pyやgolddata.pyなどの流れは以下のようになっている. +MT5からTickデータを取得し,Tickデータに付随している時間の中でsecが変わったらデータフレームにticks_frameに保存. +指定秒足(10S,30S,1M,5M,30M,4H)でリサンプリングし短期をticks_frame2へ、長期をticks_frame3へ保存, +最新のticks_frame2,ticks_frame3を、次のインジケータのバックテストに使用するためにcsvファイルに保存する. OHLCVが保存されたcsvは指定した行数に達すると,古い順から削除され最新のデータが入るようになっている tickdata.pyやgolddata.pyはバックグラウンドで常に動かしておき,データを貯め続ける. **2.パラメータの最適化 [#lcddfb22] csvファイルから時間足データを取得し,使用するインジケーターそれぞれを同時に最適化,最適なパラメータをそれぞれ保存.すべての市場に対して行う #ref(16.png,,30%) 各インジケーターの最適化プログラム(indi_@@@.py)の流れは以下のようになっている. +それぞれのインジケーターの名前が入ったcsvファイル(OHLCV_short_@@@.csv)からOHLCVデータを取得 +Backtesting.pyをもちいてそれぞれのインジケーターの計算に必要なパラメータ(期間等)と,tpとslの幅に利用するATRの計算に必要な期間・適用時の倍率を最適化する. +最適化したときのパラメータの結果をcsvファイル(para_@@@.csv)に保存. 各indi_@@@.pyのプログラムはバックグラウンドで常に動かしておき,最適なパラメータを更新し続ける. ~ **order request [#g329190e] https://metasys-seeker.com/index/%E6%A8%99%E6%BA%96%E7%9A%84%E3%81%AA%E5%AE%9A%E6%95%B0%E3%80%81%E5%88%97%E6%8C%99%E3%81%A8%E6%A7%8B%E9%80%A0%E4%BD%93/%E5%8F%96%E5%BC%95%E5%AE%9A%E6%95%B0/ **参考文献 [#face3bc8] +一章 ++ #ref(16世紀における西欧の為替レート決定と外国為替理論の胎動.pdf); #ref(金融市場への影響に関する実証分析.pdf); https://rissho.repo.nii.ac.jp/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=2838&item_no=1&page_id=13&block_id=21 +二章 ++ +三章 ++ #ref(08-09年の日本における株式価格下落についてVARモデルによる要因分析.pdf); #ref(ブランドスイッチングの分析グレンジャー因果性検定の利用.pdf,,階層ベイズ動的モデルによるブランドスイッチングの分析:グレンジャー因果性検定の利用); #ref(単位根検定-共和分検定-グレンジャー因果分析.pdf); #ref(統計モデルによるロバストパラメータ設計.pdf); #ref(実行時自動チューニングのための逐次実験計画の一手法.pdf); #ref(実験計画法を利用したウェブサーバの主要なパラメータ選択手法.pdf); ~ **参考サイト [#face3bc8] -[[pythonで時系列解析(因果推論):https://qiita.com/omuram/items/3d71881c5488d3aabd27]] **[[pythonで行うグレンジャー因果分析]] [#g329190e]