book

Python para Negociação Algorítmica

by Yves Hilpisch

April 2025

Intermediate to advanced

380 pages

9h 5m

Portuguese (Portugal, Brazil)

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Conteúdo e estruturaA quem se destina este livroConvenções utilizadas neste livroUtilizar exemplos de códigoAprendizagem em linha da O'ReillyComo contactar-nosAgradecimentos
Python para finançasPython Versus Pseudo-CódigoNumPy e vetorizaçãopandas e a classe DataFrameNegociação algorítmicaPython para Negociação AlgorítmicaFoco e pré-requisitosEstratégias de negociaçãoMédias móveis simplesMomentumReversão médiaMachine e Deep LearningConclusõesReferências e outros recursos
Conda como um gerenciador de pacotesInstalando o MinicondaOperações básicas com o CondaConda como um gerenciador de ambiente virtualUsando Docker ContainersImagens e contentores do DockerConstruir uma imagem Docker do Ubuntu e do PythonUtilizar instâncias CloudChaves públicas e privadas RSAFicheiro de configuração do Jupyter NotebookScript de instalação para Python e Jupyter LabScript para orquestrar a configuração do DropletConclusõesReferências e outros recursos
Ler dados financeiros de diferentes fontesO conjunto de dadosLendo de um ficheiro CSV com PythonLê a partir de um ficheiro CSV com o pandasExportar para Excel e JSONLê a partir do Excel e JSONTrabalhar com fontes de dados abertasAPI de dados do EikonRecuperação de dados estruturados históricosRecuperação de dados históricos não estruturadosArmazenamento eficiente de dados financeirosArmazenamento de objectos DataFrameUtilizar TsTablesArmazenamento de dados com SQLite3ConclusõesReferências e outros recursosScripts Python
Como usar a vetorizaçãoVetorização com NumPyVetorização com pandasEstratégias baseadas em médias móveis simplesComeça a falar do básicoGeneralizar a abordagemEstratégias baseadas no MomentumComeça a falar do básicoGeneralizar a abordagemEstratégias baseadas na reversão à médiaComeça a falar do básicoGeneralizar a abordagemSnooping de dados e sobreajusteConclusõesReferências e outros recursosScripts PythonAula de backtesting SMAAula de Backtesting do MomentumClasse de Backtesting de Reversão à Média
Usando a regressão linear para prever o movimento do mercadoUma revisão rápida da regressão linearA ideia básica para a previsão de preçosPrevisão de níveis de índicePrevisão de retornos futurosPrevisão da direção futura do mercadoBacktesting vetorizado da estratégia baseada em regressãoGeneralizar a abordagemUtiliza a aprendizagem automática para prever o movimento do mercadoRegressão linear com o scikit-learnUm problema de classificação simplesUsando a regressão logística para prever a direção do mercadoGeneralizar a abordagemUsa o Deep Learning para prever o movimento do mercadoRevisita o problema da classificação simplesUsa redes neurais profundas para prever a direção do mercadoAdicionar diferentes tipos de caraterísticasConclusõesReferências e outros recursosScripts PythonAula de Backtesting de Regressão LinearAlgoritmo de classificação Classe de backtesting
Classe base de backtestingClasse de Backtesting Longa DuraçãoClasse de Backtesting Long-ShortConclusõesReferências e outros recursosScripts PythonClasse base de backtestingClasse de Backtesting Longa DuraçãoClasse de Backtesting Long-Short
Executar um servidor de dados de carrapatos simplesLigar um cliente simples de dados de marcaçõesGeração de sinais em tempo realVisualizando dados em fluxo contínuo com PlotlyOs princípios básicosTrês fluxos em tempo realTrês sub-lotes para três cursos de águaTransmissão de dados como barrasConclusõesReferências e outros recursosScripts PythonExemplo de servidor de dados de carraçasCliente de dados TickAlgoritmo Momentum OnlineServidor de dados de amostra para gráfico de barras
Configurar uma contaA API do OandaRecuperação de dados históricosConsulta os instrumentos disponíveis para negociaçãoTestar uma estratégia dinâmica em barras de minutosFactorização da alavancagem e da margemTrabalhar com dados em fluxo contínuoColocação de ordens de mercadoImplementação de estratégias de negociação em tempo realRecuperar informações da contaConclusõesReferências e outros recursosScript Python
Começar a trabalharRecuperação de dadosRecuperação de dados de marcaçõesRecuperação de dados de velasTrabalhar com a APIRecuperação de dados históricosRecuperação de dados em fluxo contínuoEfetuar encomendasInformações sobre a contaConclusõesReferências e outros recursos

Gestão do capitalCritério de Kelly num contexto binomialCritério de Kelly para acções e índicesEstratégia de negociação baseada em MLBacktesting vetorizadoAlavancagem óptimaAnálise de riscoPersistindo o objeto modeloAlgoritmo onlineInfraestrutura e implementaçãoRegisto e monitorizaçãoVisão geral visual passo a passoConfigurar a tua conta OandaConfigurar o hardwareConfigurar o Ambiente PythonCarregamento do códigoExecuta o códigoMonitorização em tempo realConclusõesReferências e outros recursosScript PythonEstratégia de negociação automatizadaMonitorização da estratégia
Noções básicas de PythonTipos de dadosEstruturas de dadosEstruturas de controloIdiomas PythonNumPyObjeto regular ndarrayOperações com vectoresOperações booleanasMétodos ndarray e funções NumPyCriação de ndarrayNúmeros aleatóriosmatplotlibpandasClasse DataFrameOperações numéricasSeleção de dadosOperações booleanasTraçar gráficos com pandasOperações de entrada e saídaEstudo de casoConclusõesOutros recursos

Overview

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com

A negociação algorítmica, outrora domínio exclusivo dos actores institucionais, está agora aberta a pequenas organizações e comerciantes individuais que utilizam plataformas online. Atualmente, a ferramenta de eleição para muitos comerciantes é o Python e o seu ecossistema de pacotes poderosos. Neste livro prático, o autor Yves Hilpisch mostra a estudantes, académicos e profissionais como utilizar Python no fascinante campo da negociação algorítmica.

Aprenderás várias formas de aplicar o Python a diferentes aspectos da negociação algorítmica, como o backtesting de estratégias de negociação e a interação com plataformas de negociação online. Algumas das maiores instituições de compra e venda utilizam muito o Python. Ao explorar as opções para construir e implementar sistematicamente estratégias de negociação algorítmica automatizadas, este livro irá ajudar-te a nivelar o campo de jogo.

Configura um ambiente Python adequado para a negociação algorítmica
Aprende a obter dados financeiros de fontes de dados públicas e proprietárias
Explora a vetorização para análise financeira com NumPy e pandas
Domina o backtesting vetorizado de diferentes estratégias de negociação algorítmica
Gera previsões de mercado utilizando a aprendizagem automática e a aprendizagem profunda
Lida com o processamento em tempo real de dados em fluxo contínuo com ferramentas de programação de sockets
Implementa estratégias de negociação algorítmicas automatizadas com as plataformas de negociação OANDA e FXCM