ورود/ثبت‌نام

در حال بارگذاری...

mansour65horzadeh

mansour65horzadeh

@t_mansour65horzadeh

تعداد دنبال کننده:0
تاریخ عضویت :۱۴۰۴/۹/۲۱
شبکه اجتماعی تریدر :refrence
ارزدیجیتال
رتبه بین 52210 تریدر
0%
بازدهی 6 ماه اخیر تریدر
(میانگین بازدهی 6 ماه اخیر 100 تریدر برتر :20.6%)
(بازدهی 6 ماه اخیر BTC :-16.1%)
قدرت تحلیل
0
1تعداد پیام

تریدر چه نمادی را توصیه به خرید کرده؟

سابقه خرید

فیلتر:
معامله سودآور
معامله ضررده

تخمین بازدهی ماه به ماه تریدر

سال:

پیام های تریدر

فیلتر

نوع پیام

import pandas as pd import numpy as np import matplotlib.pyplot

نوع پیامخنثی
قیمت لحظه انتشار:
‎$۰٫۰۰۰۶۵۹۸۹
BOME،تکنیکال،mansour65horzadeh

import pandas as pd import numpy as np import matplotlib.pyplot as plt import yfinance as yf from datetime import datetime # دریافت داده‌های تاریخی (مثال: بیت‌کوین) symbol = "BTC-USD" start_date = "2023-01-01" end_date = datetime.now().strftime("%Y-%m-%d") data = yf.download(symbol, start=start_date, end=end_date) df = data [ ['Close']].copy() # ۱. محاسبه میانگین متحرک (MA) def calculate_ma(df, window=20): df [f'MA_{window}'] = df ['Close'].rolling(window=window).mean() return df df = calculate_ma(df, window=20) df = calculate_ma(df, window=50) # ۲. محاسبه RSI def calculate_rsi(df, window=14): delta = df ['Close'].diff() gain = (delta.where(delta > 0, 0)).rolling(window=window).mean() loss = (-delta.where(delta < 0, 0)).rolling(window=window).mean() rs = gain / loss df ['RSI'] = 100 - (100 / (1 + rs)) return df df = calculate_rsi(df, window=14) # ۳. محاسبه MACD def calculate_macd(df, fast=12, slow=26, signal=9): df ['EMA_fast'] = df ['Close'].ewm(span=fast, adjust=False).mean() df ['EMA_slow'] = df ['Close'].ewm(span=slow, adjust=False).mean() df ['MACD'] = df ['EMA_fast'] - df ['EMA_slow'] df ['Signal_Line'] = df ['MACD'].ewm(span=signal, adjust=False).mean() df ['MACD_Histogram'] = df ['MACD'] - df ['Signal_Line'] return df df = calculate_macd(df) # ۴. رسم نمودارها fig, axes = plt.subplots(4, 1, figsize=(14, 10), gridspec_kw={'height_ratios': [3, 1, 1, 1]}) # نمودار قیمت و MA axes [0].plot(df.index, df ['Close'], label='Close Price', color='black', linewidth=1) axes [0].plot(df.index, df ['MA_20'], label='MA 20', color='blue', linewidth=1) axes [0].plot(df.index, df ['MA_50'], label='MA 50', color='red', linewidth=1) axes [0].set_title(f'{symbol} - Price & Moving Averages') axes [0].legend() axes [0].grid(True) # نمودار RSI axes [1].plot(df.index, df ['RSI'], label='RSI (14)', color='purple', linewidth=1) axes [1].axhline(y=70, color='red', linestyle='--', linewidth=0.7) axes [1].axhline(y=30, color='green', linestyle='--', linewidth=0.7) axes [1].fill_between(df.index, 30, 70, alpha=0.1, color='gray') axes [1].set_title('RSI Indicator') axes [1].legend() axes [1].grid(True) # نمودار MACD و Signal Line axes [2].plot(df.index, df ['MACD'], label='MACD', color='blue', linewidth=1) axes [2].plot(df.index, df ['Signal_Line'], label='Signal Line', color='red', linewidth=1) axes [2].set_title('MACD Indicator') axes [2].legend() axes [2].grid(True) # نمودار هیستوگرام MACD axes [3].bar(df.index, df ['MACD_Histogram'], label='MACD Histogram', color='gray') axes [3].axhline(y=0, color='black', linewidth=0.5) axes [3].set_title('MACD Histogram') axes [3].legend() axes [3].grid(True) plt.tight_layout() plt.show() # ۵. نمایش جدول داده‌های اخیر print(df [ ['Close', 'MA_20', 'MA_50', 'RSI', 'MACD', 'Signal_Line']].tail(10))

ترجمه شده از: English|
منبع پیام: تریدینگ ویو
سلب مسئولیت

هر محتوا و مطالب مندرج در سایت و کانال‌های رسمی ارتباطی سهمتو، جمع‌بندی نظرات و تحلیل‌های شخصی و غیر تعهد آور بوده و هیچگونه توصیه‌ای مبنی بر خرید، فروش، ورود و یا خروج از بازار‌های مالی نمی باشد. همچنین کلیه اخبار و تحلیل‌های مندرج در سایت و کانال‌ها، صرفا بازنشر اطلاعات از منابع رسمی و غیر رسمی داخلی و خارجی است و بدیهی است استفاده کنندگان محتوای مذکور، مسئول پیگیری و حصول اطمینان از اصالت و درستی مطالب هستند. از این رو ضمن سلب مسئولیت اعلام می‌دارد مسئولیت هرنوع تصمیم گیری و اقدام و سود و زیان احتمالی در بازار سرمایه و ارز دیجیتال، با شخص معامله گر است.

نماد برگزیده
برترین تریدر‌
دنبال شده
هشدار