impressivePers2252

//version=5strategy("استراتژی ترکیبی RSI + EMA", overlay=true, default_qty_type=strategy.percent_of_equity, default_qty_value=100)/// محاسبه EMA هاema9 = ta.ema(close, 9)ema21 = ta.ema(close, 21)ema200 = ta.ema(close, 200)/// محاسبه RSIrsi = ta.rsi(close, 14)/// شروط خریدbuySignal = (rsi < 30) and (ema9 > ema21) and (close > ema200)/// شروط فروشsellSignal = (rsi > 70) and (ema9 < ema21) and (close < ema200)/// ورود به معاملهif (buySignal) strategy.entry("Buy", strategy.long)if (sellSignal) strategy.close("Buy")/// نمایش اندیکاتورها روی چارتplot(ema9, color=color.orange, title="EMA 9")plot(ema21, color=color.blue, title="EMA 21")plot(ema200, color=color.red, title="EMA 200")/// سیگنال‌های بصری (فلش)plotshape(buySignal, title="Buy Signal", location=location.belowbar, color=color.green, style=shape.labelup, text="Buy")plotshape(sellSignal, title="Sell Signal", location=location.abovebar, color=color.red, style=shape.labeldown, text="Sell")

//// نویسنده LONESOMETHEBLUE ///////////////////4 نسخه = 3Study ("نرخ فروش/خرید" ، Overlay = False ، Precision = 0) PRD = ورودی (عنوان = "دوره" ، defval = 34 ، minval = 1) TW = High - Max (باز ، بسته) BW = min (باز ، نزدیک) - بدنه = ABS (نزدیک - OPE) _RATE (CONT) _RATE (CONT) _RATE (CONT) _RATE) 0)) / (TW + BW + BODY) VOLUP = حجم * _rate (باز <= بسته) Voldown = حجم * _Rate (باز> = بستن) نرخ = linreg (Volup - Voldown ، PRD ، 0) col = نرخ> 0؟ (سقوط (نرخ ، 5)؟ سبز: آهک): نرخ <0؟ افزایش (نرخ ، 5)؟ مارون: قرمز: Naplot (نرخ ، رنگ = col ، سبک = ستون)

برای این مثال ، پاندا را به عنوان pdimport matplotlib.pyplot به عنوان plt# load data# وارد کنید ، ما از یک فایل CSV با ستون های "تاریخ" و "بستن" استفاده کرد.# مسیر پرونده را در صورت لزوم تنظیم کنید. data = pd.read_csv ( "مسیر/به/شما/data.csv")# تبدیل ستون "تاریخ" به dateTimedata ['Date'] = pd.to_datetime (data ['date'])# ستون "تاریخ" را به عنوان indexdata.set_index ("تاریخ" ، inplace = true)# تعریف کوتاه مدت و بلند مدت AveragessHort_Window = 50long_window = 200# تعریف کنید. محاسبه میانگین حرکت کوتاه مدت و بلند مدت را محاسبه کنید ['Short_ma'] = data ['Close']. نورد (پنجره = short_window ، min_periods = 1) .mean () data ['long_ma'] = data ['Close']. نورد (پنجره = long_window ، min_periods = 1 ) .Mean ()# ایجاد سیگنال data ['signal'] = 0data ['signal'] [Short_window:] = np.where (data ['Short_ma'] [Short_window:]> data ['long_ma'] [Short_window:] ، 1 ، 0)# تولید سفارشات تجارت ['موقعیت'] = data ['سیگنال '] .diff ()# ترسیم نتایج plt.figure (figsize = (14 ، 7))# قیمت بسته شدن و حرکت را ترسیم کنید Anaumagesplt.plot (data ['Close'] ، label = 'Close Price' ، alpha = 0.5) plt.plot (data ['Short_ma'] ، label = f'short {Short_window} -day ma '، alpha = 0.75) plt.plot (data ['long_ma'] ، label = f'long {long_window}-day ma '، alpha = 0.75)# plot خرید سیگنال plt.plot (data [data ['موقعیت'] == 1] .index ، data ['Short_ma'] [data ['موقعیت'] == 1 ] ، '^' ، markersize = 10 ، color = 'g' ، lw = 0 ، label = 'buy signal')# طرح فروش سیگنال plt.plot (data [data ['موقعیت'] == -1] .index ، data ['Short_ma'] [data ['موقعیت'] == -1] ، 'v' ، markersize = 10 ، color = 'r' ، lw = 0 ، label = ' فروش سیگنال ')# اضافه کردن برچسب ها و LegendPlt.title (' حرکت متقاطع متوسط استراتژی ') plt.xlabel (' date ') plt.ylabel (' price ') plt.legend () plt.show ()