preciso que pllote na tela perto da mensagem de smart money concept o par te moeda que…
- User
preciso que pllote na tela perto da mensagem de smart money concept o par te moeda que foi escolhida para ser analizada:
import MetaTrader5 as mt5 import pandas as pd import matplotlib.pyplot as plt from datetime import datetime import time import threading import matplotlib.dates as mdates import requests import hashlib import wmi from matplotlib.animation import FuncAnimation import winsound
URL do arquivo de HWIDs autorizados
hwids_url = "https://raw.githubusercontent.com/wendelcassiano/Projetos-Design/main/hwid.txt"
Função para obter HWID
def get_hwid(): c = wmi.WMI() serial_number = None for disk in c.Win32_DiskDrive(): serial_number = disk.SerialNumber.strip() break if serial_number is None: raise ValueError("Não foi possível Gerar o HWID.") uuid_hash = hashlib.md5(serial_number.encode('utf-8')).hexdigest() formatted_uuid = f"{uuid_hash[:8]}-{uuid_hash[8:12]}-{uuid_hash[12:16]}-{uuid_hash[16:20]}-{uuid_hash[20:]}" return formatted_uuid
Função para verificar HWID localmente
def check_hwid_local(hwid): hwids_autorizados = [ "", # Adicione os HWIDs autorizados aqui ] return hwid in hwids_autorizados
Função para verificar HWID online
def check_hwid_online(hwids_url, hwid): try: response = requests.get(hwids_url) if response.status_code == 200: hwids = response.text.strip().split('\n') if hwid in hwids: return True else: return False else: print(f"Erro ao acessar Link: {response.status_code}") return False except requests.exceptions.RequestException as e: print(f"Erro de requisição: {e}") return False
hwid = get_hwid() if not check_hwid_local(hwid): if not check_hwid_online(hwids_url, hwid): print(f"HWID do cliente: {hwid}") input("HWID não autorizado. Envie o Numero HWID para o vendedor…") quit()
Conectando ao MetaTrader 5
if not mt5.initialize(): print("initialize() failed, error code =", mt5.last_error()) quit()
Função para selecionar o par de moedas
def select_symbol(): symbols = ["EURUSD", "GBPUSD", "USDJPY", "USDCHF", "AUDUSD", "USDCAD", "NZDUSD"] print("Escolha o par de moedas:") for i, symbol in enumerate(symbols, 1): print(f"{i} {symbol}") choice = int(input("Digite o número correspondente ao par de moedas: ")) return symbols[choice - 1]
Função para selecionar o timeframe
def select_timeframe(): timeframes = { 1: ("15 Minutos", mt5.TIMEFRAME_M15), 2: ("30 Minutos", mt5.TIMEFRAME_M30), 3: ("1 Hora", mt5.TIMEFRAME_H1), 4: ("4 Horas", mt5.TIMEFRAME_H4), 5: ("1 Dia", mt5.TIMEFRAME_D1), 6: ("1 Semana", mt5.TIMEFRAME_W1), 7: ("1 Mês", mt5.TIMEFRAME_MN1) } print("Escolha o timeframe:") for key, (name, _) in timeframes.items(): print(f"{key} {name}") choice = int(input("Digite o número correspondente ao timeframe: ")) return timeframes[choice][1]
Selecionar o ativo e timeframe
symbol = select_symbol() timeframe = select_timeframe() mt5.symbol_select(symbol, True)
Função para pegar dados históricos
def get_data(symbol, timeframe, num_bars): rates = mt5.copy_rates_from_pos(symbol, timeframe, 0, num_bars) data = pd.DataFrame(rates) data['time'] = pd.to_datetime(data['time'], unit='s') data.set_index('time', inplace=True) return data
Função para atualizar os dados
def update_data(): global data new_rates = mt5.copy_rates_from_pos(symbol, timeframe, 0, 1000) new_data = pd.DataFrame(new_rates) new_data['time'] = pd.to_datetime(new_data['time'], unit='s') new_data.set_index('time', inplace=True) data = new_data
Inicializar dados
data = get_data(symbol, timeframe, 1000)
Funções para análise técnica (mesmo código que você já tem)
Função para encontrar Order Blocks
def find_order_blocks(data, window=20): highs = data['high'].rolling(window=window).max() lows = data['low'].rolling(window=window).min() order_blocks = pd.DataFrame(index=data.index) order_blocks['bullish_ob'] = (data['close'] > highs.shift(1)) & (data['open'] < highs.shift(1)) order_blocks['bearish_ob'] = (data['close'] < lows.shift(1)) & (data['open'] > lows.shift(1)) return order_blocks
Função para calcular Fair Value Gaps (FVG)
def calculate_fvg(data): data['fvg'] = 0 for i in range(1, len(data)-1): if data['high'][i] < data['low'][i-1]: data['fvg'][i] = data['low'][i-1] - data['high'][i] elif data['low'][i] > data['high'][i-1]: data['fvg'][i] = data['low'][i] - data['high'][i-1] return data
Função para detectar BOS e ChoCH
def detect_bos_choch(data): data['bos'] = 0 data['choch'] = 0 for i in range(1, len(data)): if data['high'][i] > data['high'][i-1] and data['low'][i] > data['low'][i-1]: data['bos'][i] = 1 elif data['high'][i] < data['high'][i-1] and data['low'][i] < data['low'][i-1]: data['bos'][i] = -1 if data['bos'][i] == 1 and data['bos'][i-1] == -1: data['choch'][i] = 1 elif data['bos'][i] == -1 and data['bos'][i-1] == 1: data['choch'][i] = -1 return data
Função para identificar a estrutura do mercado (altos e baixos mais altos/baixos)
def identify_market_structure(data): data['higher_high'] = (data['high'] > data['high'].shift(1)) & (data['high'].shift(1) > data['high'].shift(2)) data['higher_low'] = (data['low'] > data['low'].shift(1)) & (data['low'].shift(1) > data['low'].shift(2)) data['lower_high'] = (data['high'] < data['high'].shift(1)) & (data['high'].shift(1) < data['high'].shift(2)) data['lower_low'] = (data['low'] < data['low'].shift(1)) & (data['low'].shift(1) < data['low'].shift(2)) return data
Função para identificar zonas de liquidez
def identify_liquidity_zones(data): data['liquidity_zone'] = 0 for i in range(1, len(data)): if data['high'][i] > data['high'][i-1]: data['liquidity_zone'][i] = 1 elif data['low'][i] < data['low'][i-1]: data['liquidity_zone'][i] = -1 return data
Função para detectar padrões de engolfamento
def detect_engulfing_patterns(data): data['bullish_engulf'] = (data['close'] > data['open']) & (data['close'].shift(1) < data['open'].shift(1)) & (data['open'] < data['close'].shift(1)) data['bearish_engulf'] = (data['close'] < data['open']) & (data['close'].shift(1) > data['open'].shift(1)) & (data['open'] > data['close'].shift(1)) return data
Função para aplicar indicadores técnicos
def apply_technical_indicators(data): data['ema_50'] = data['close'].ewm(span=50, adjust=False).mean() data['ema_200'] = data['close'].ewm(span=200, adjust=False).mean() data['rsi'] = calculate_rsi(data['close']) return data
def calculate_rsi(series, period=14): delta = series.diff() gain = (delta.where(delta > 0, 0)).rolling(window=period).mean() loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean() rs = gain / loss return 100 - (100 / (1 + rs))
Função para calcular a volatilidade
def calculate_volatility(data, window=20): data['volatility'] = data['close'].rolling(window=window).std() return data
Lógica para detectar sinais de compra ou venda
def detect_signals(data): order_blocks = find_order_blocks(data) data = calculate_fvg(data) data = detect_bos_choch(data) data = identify_market_structure(data) data = identify_liquidity_zones(data) data = detect_engulfing_patterns(data) data = apply_technical_indicators(data)
signals = pd.DataFrame(index=data.index) signals['signal'] = 0 signals['tp'] = 0.0 signals['sl'] = 0.0 signals['open_price'] = 0.0 signals['liquidity_message'] = "" for i in range(len(data)): if order_blocks['bullish_ob'][i] and data['choch'][i] == 1: signals.loc[data.index[i], 'signal'] = 1 signals.loc[data.index[i], 'tp'] = data['close'][i] + 0.005 signals.loc[data.index[i], 'sl'] = data['close'][i] - 0.002 signals.loc[data.index[i], 'open_price'] = data['open'][i+1] elif order_blocks['bearish_ob'][i] and data['choch'][i] == -1: signals.loc[data.index[i], 'signal'] = -1 signals.loc[data.index[i], 'tp'] = data['close'][i] - 0.005 signals.loc[data.index[i], 'sl'] = data['close'][i] + 0.002 signals.loc[data.index[i], 'open_price'] = data['open'][i+1] # Adicionar mensagem de liquidez apenas no último sinal last_signal_index = signals[signals['signal'] != 0].index[-1] liquidity_zone = data.loc[last_signal_index, 'liquidity_zone'] if liquidity_zone == 1: signals.loc[last_signal_index, 'liquidity_message'] = "------ Liquidez Acima" elif liquidity_zone == -1: signals.loc[last_signal_index, 'liquidity_message'] = "------ Liquidez Abaixo" return signalsVariável global para armazenar o índice do último sinal verificado
last_signal_index = None
Função para plotar gráfico de candlestick com sinais e volatilidade
def plot_chart_with_signals(i): global data, last_signal_index update_data()
signals = detect_signals(data) data = calculate_volatility(data) volatility_state = get_volatility_state(data) ax1.clear() ax2.clear() ax1.set_title(volatility_state) time_delta = data.index[1] - data.index[0] width = time_delta.total_seconds() / (24 * 60 * 60) * 0.8 ax1.bar(data.index, data["close"] - data["open"], width=width, bottom=data["open"], color="black", align="center", label="Candlestick") ax1.vlines(data.index, data["low"], data["high"], color="black", linewidth=1) new_signals_detected = False # Inicializa como False for i in range(len(signals)): if signals["signal"].iloc[i] == 1: ax1.scatter(signals.index[i], signals["open_price"].iloc[i], marker="^", color="green", label="Compra") ax1.text(signals.index[i], signals["open_price"].iloc[i], f"Open: {signals["open_price"].iloc[i]:.5f}\nTP: {signals["tp"].iloc[i]:.5f}\nSL: {signals["sl"].iloc[i]:.5f}", fontsize=10, ha="center", va="bottom", color="green") if last_signal_index is None or signals.index[i] > last_signal_index: new_signals_detected = True elif signals["signal"].iloc[i] == -1: ax1.scatter(signals.index[i], signals["open_price"].iloc[i], marker="v", color="red", label="Venda") ax1.text(signals.index[i], signals["open_price"].iloc[i], f"Open: {signals["open_price"].iloc[i]:.5f}\nTP: {signals["tp"].iloc[i]:.5f}\nSL: {signals["sl"].iloc[i]:.5f}", fontsize=10, ha="center", va="top", color="red") if last_signal_index is None or signals.index[i] > last_signal_index: new_signals_detected = True # Adicionar mensagem de liquidez apenas no último sinal if signals["liquidity_message"].iloc[i]: ax1.text(signals.index[i], data["high"].iloc[i], signals["liquidity_message"].iloc[i], color="blue", ha="left") # Atualizar o índice do último sinal verificado if not signals.empty: last_signal_index = signals.index[-1] # Emitir beeps se novos sinais foram detectados if new_signals_detected: for _ in range(3): winsound.Beep(1000, 500) ax1.set_xlabel("Data") ax1.set_ylabel("Preço") ax1.legend(loc="upper left") ax1.grid(True) ax1.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d %H:%M:%S")) ax2.plot(data.index, data["volatility"], label="Volatilidade") ax2.set_xlabel("Data") ax2.set_ylabel("Volatilidade") ax2.legend(loc="upper left") ax2.grid(True)Função para determinar o estado do mercado com base na volatilidade
def get_volatility_state(data, threshold_high=0.0005, threshold_low=0.0001): latest_volatility = data['volatility'].iloc[-1] if latest_volatility > threshold_high: return "Mercado Muito Volátil" elif latest_volatility < threshold_low: return "Mercado com Baixa Volatilidade" else: return "Mercado com Volatilidade Moderada"
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8)) plt.suptitle('Gráfico Indicador Smart Money Concept')
ani = FuncAnimation(fig, plot_chart_with_signals, interval=60000) plt.show()
me de o trecho que precisa ser alterado
- Assistant
Para adicionar o par de moeda que foi escolhido para ser analisado junto à mensagem de "Smart Money Concept", você precisa atualizar o título principal da figura (
plt.suptitle) para incluir o par de moedas (symbol). Aqui está o trecho atualizado para isso:fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8)) plt.suptitle(f'Gráfico Indicador Smart Money Concept - {symbol}') ani = FuncAnimation(fig, plot_chart_with_signals, interval=60000) plt.show()Isso adiciona o símbolo da moeda ao título da figura. Segue o código completo atualizado com essa modificação:
import MetaTrader5 as mt5 import pandas as pd import matplotlib.pyplot as plt from datetime import datetime import time import threading import matplotlib.dates as mdates import requests import hashlib import wmi from matplotlib.animation import FuncAnimation import winsound # URL do arquivo de HWIDs autorizados hwids_url = "https://raw.githubusercontent.com/wendelcassiano/Projetos-Design/main/hwid.txt" # Função para obter HWID def get_hwid(): c = wmi.WMI() serial_number = None for disk in c.Win32_DiskDrive(): serial_number = disk.SerialNumber.strip() break if serial_number is None: raise ValueError("Não foi possível Gerar o HWID.") uuid_hash = hashlib.md5(serial_number.encode('utf-8')).hexdigest() formatted_uuid = f"{uuid_hash[:8]}-{uuid_hash[8:12]}-{uuid_hash[12:16]}-{uuid_hash[16:20]}-{uuid_hash[20:]}" return formatted_uuid # Função para verificar HWID localmente def check_hwid_local(hwid): hwids_autorizados = [ "", # Adicione os HWIDs autorizados aqui ] return hwid in hwids_autorizados # Função para verificar HWID online def check_hwid_online(hwids_url, hwid): try: response = requests.get(hwids_url) if response.status_code == 200: hwids = response.text.strip().split('\n') if hwid in hwids: return True else: return False else: print(f"Erro ao acessar Link: {response.status_code}") return False except requests.exceptions.RequestException as e: print(f"Erro de requisição: {e}") return False hwid = get_hwid() if not check_hwid_local(hwid): if not check_hwid_online(hwids_url, hwid): print(f"HWID do cliente: {hwid}") input("HWID não autorizado. Envie o Numero HWID para o vendedor…") quit() # Conectando ao MetaTrader 5 if not mt5.initialize(): print("initialize() failed, error code =", mt5.last_error()) quit() # Função para selecionar o par de moedas def select_symbol(): symbols = ["EURUSD", "GBPUSD", "USDJPY", "USDCHF", "AUDUSD", "USDCAD", "NZDUSD"] print("Escolha o par de moedas:") for i, symbol in enumerate(symbols, 1): print(f"{i} {symbol}") choice = int(input("Digite o número correspondente ao par de moedas: ")) return symbols[choice - 1] # Função para selecionar o timeframe def select_timeframe(): timeframes = { 1: ("15 Minutos", mt5.TIMEFRAME_M15), 2: ("30 Minutos", mt5.TIMEFRAME_M30), 3: ("1 Hora", mt5.TIMEFRAME_H1), 4: ("4 Horas", mt5.TIMEFRAME_H4), 5: ("1 Dia", mt5.TIMEFRAME_D1), 6: ("1 Semana", mt5.TIMEFRAME_W1), 7: ("1 Mês", mt5.TIMEFRAME_MN1) } print("Escolha o timeframe:") for key, (name, _) in timeframes.items(): print(f"{key} {name}") choice = int(input("Digite o número correspondente ao timeframe: ")) return timeframes[choice][1] # Selecionar o ativo e timeframe symbol = select_symbol() timeframe = select_timeframe() mt5.symbol_select(symbol, True) # Função para pegar dados históricos def get_data(symbol, timeframe, num_bars): rates = mt5.copy_rates_from_pos(symbol, timeframe, 0, num_bars) data = pd.DataFrame(rates) data['time'] = pd.to_datetime(data['time'], unit='s') data.set_index('time', inplace=True) return data # Função para atualizar os dados def update_data(): global data new_rates = mt5.copy_rates_from_pos(symbol, timeframe, 0, 1000) new_data = pd.DataFrame(new_rates) new_data['time'] = pd.to_datetime(new_data['time'], unit='s') new_data.set_index('time', inplace=True) data = new_data # Inicializar dados data = get_data(symbol, timeframe, 1000) # Funções para análise técnica (mesmo código que você já tem) # Função para encontrar Order Blocks def find_order_blocks(data, window=20): highs = data['high'].rolling(window=window).max() lows = data['low'].rolling(window=window).min() order_blocks = pd.DataFrame(index=data.index) order_blocks['bullish_ob'] = (data['close'] > highs.shift(1)) & (data['open'] < highs.shift(1)) order_blocks['bearish_ob'] = (data['close'] < lows.shift(1)) & (data['open'] > lows.shift(1)) return order_blocks # Função para calcular Fair Value Gaps (FVG) def calculate_fvg(data): data['fvg'] = 0 for i in range(1, len(data)-1): if data['high'][i] < data['low'][i-1]: data['fvg'][i] = data['low'][i-1] - data['high'][i] elif data['low'][i] > data['high'][i-1]: data['fvg'][i] = data['low'][i] - data['high'][i-1] return data # Função para detectar BOS e ChoCH def detect_bos_choch(data): data['bos'] = 0 data['choch'] = 0 for i in range(1, len(data)): if data['high'][i] > data['high'][i-1] and data['low'][i] > data['low'][i-1]: data['bos'][i] = 1 elif data['high'][i] < data['high'][i-1] and data['low'][i] < data['low'][i-1]: data['bos'][i] = -1 if data['bos'][i] == 1 and data['bos'][i-1] == -1: data['choch'][i] = 1 elif data['bos'][i] == -1 and data['bos'][i-1] == 1: data['choch'][i] = -1 return data # Função para identificar a estrutura do mercado (altos e baixos mais altos/baixos) def identify_market_structure(data): data['higher_high'] = (data['high'] > data['high'].shift(1)) & (data['high'].shift(1) > data['high'].shift(2)) data['higher_low'] = (data['low'] > data['low'].shift(1)) & (data['low'].shift(1) > data['low'].shift(2)) data['lower_high'] = (data['high'] < data['high'].shift(1)) & (data['high'].shift(1) < data['high'].shift(2)) data['lower_low'] = (data['low'] < data['low'].shift(1)) & (data['low'].shift(1) < data['low'].shift(2)) return data # Função para identificar zonas de liquidez def identify_liquidity_zones(data): data['liquidity_zone'] = 0 for i in range(1, len(data)): if data['high'][i] > data['high'][i-1]: data['liquidity_zone'][i] = 1 elif data['low'][i] < data['low'][i-1]: data['liquidity_zone'][i] = -1 return data # Função para detectar padrões de engolfamento def detect_engulfing_patterns(data): data['bullish_engulf'] = (data['close'] > data['open']) & (data['close'].shift(1) < data['open'].shift(1)) & (data['open'] < data['close'].shift(1)) data['bearish_engulf'] = (data['close'] < data['open']) & (data['close'].shift(1) > data['open'].shift(1)) & (data['open'] > data['close'].shift(1)) return data # Função para aplicar indicadores técnicos def apply_technical_indicators(data): data['ema_50'] = data['close'].ewm(span=50, adjust=False).mean() data['ema_200'] = data['close'].ewm(span=200, adjust=False).mean() data['rsi'] = calculate_rsi(data['close']) return data def calculate_rsi(series, period=14): delta = series.diff() gain = (delta.where(delta > 0, 0)).rolling(window=period).mean() loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean() rs = gain / loss return 100 - (100 / (1 + rs)) # Função para calcular a volatilidade def calculate_volatility(data, window=20): data['volatility'] = data['close'].rolling(window=window).std() return data # Lógica para detectar sinais de compra ou venda def detect_signals(data): order_blocks = find_order_blocks(data) data = calculate_fvg(data) data = detect_bos_choch(data) data = identify_market_structure(data) data = identify_liquidity_zones(data) data = detect_engulfing_patterns(data) data = apply_technical_indicators(data) signals = pd.DataFrame(index=data.index) signals['signal'] = 0 signals['tp'] = 0.0 signals['sl'] = 0.0 signals['open_price'] = 0.0 signals['liquidity_message'] = "" for i in range(len(data)): if order_blocks['bullish_ob'][i] and data['choch'][i] == 1: signals.loc[data.index[i], 'signal'] = 1 signals.loc[data.index[i], 'tp'] = data['close'][i] + 0.005 signals.loc[data.index[i], 'sl'] = data['close'][i] - 0.002 signals.loc[data.index[i], 'open_price'] = data['open'][i+1] elif order_blocks['bearish_ob'][i] and data['choch'][i] == -1: signals.loc[data.index[i], 'signal'] = -1 signals.loc[data.index[i], 'tp'] = data['close'][i] - 0.005 signals.loc[data.index[i], 'sl'] = data['close'][i] + 0.002 signals.loc[data.index[i], 'open_price'] = data['open'][i+1] # Adicionar mensagem de liquidez apenas no último sinal last_signal_index = signals[signals['signal'] != 0].index[-1] liquidity_zone = data.loc[last_signal_index, 'liquidity_zone'] if liquidity_zone == 1: signals.loc[last_signal_index, 'liquidity_message'] = "------ Liquidez Acima" elif liquidity_zone == -1: signals.loc[last_signal_index, 'liquidity_message'] = "------ Liquidez Abaixo" return signals # Variável global para armazenar o índice do último sinal verificado last_signal_index = None # Função para plotar gráfico de candlestick com sinais e volatilidade def plot_chart_with_signals(i): global data, last_signal_index update_data() signals = detect_signals(data) data = calculate_volatility(data) volatility_state = get_volatility_state(data) ax1.clear() ax2.clear() ax1.set_title(volatility_state) time_delta = data.index[1] - data.index[0] width = time_delta.total_seconds() / (24 * 60 * 60) * 0.8 ax1.bar(data.index, data["close"] - data["open"], width=width, bottom=data["open"], color="black", align="center", label="Candlestick") ax1.vlines(data.index, data["low"], data["high"], color="black", linewidth=1) new_signals_detected = False # Inicializa como False for i in range(len(signals)): if signals["signal"].iloc[i] == 1: ax1.scatter(signals.index[i], signals["open_price"].iloc[i], marker="^", color="green", label="Compra") ax1.text(signals.index[i], signals["open_price"].iloc[i], f"Open: {signals["open_price"].iloc[i]:.5f}\nTP: {signals["tp"].iloc[i]:.5f}\nSL: {signals["sl"].iloc[i]:.5f}", fontsize=10, ha="center", va="bottom", color="green") if last_signal_index is None or signals.index[i] > last_signal_index: new_signals_detected = True elif signals["signal"].iloc[i] == -1: ax1.scatter(signals.index[i], signals["open_price"].iloc[i], marker="v", color="red", label="Venda") ax1.text(signals.index[i], signals["open_price"].iloc[i], f"Open: {signals["open_price"].iloc[i]:.5f}\nTP: {signals["tp"].iloc[i]:.5f}\nSL: {signals["sl"].iloc[i]:.5f}", fontsize=10, ha="center", va="top", color="red") if last_signal_index is None or signals.index[i] > last_signal_index: new_signals_detected = True # Adicionar mensagem de liquidez apenas no último sinal if signals["liquidity_message"].iloc[i]: ax1.text(signals.index[i], data["high"].iloc[i], signals["liquidity_message"].iloc[i], color="blue", ha="left") # Atualizar o índice do último sinal verificado if not signals.empty: last_signal_index = signals.index[-1] # Emitir beeps se novos sinais foram detectados if new_signals_detected: for _ in range(3): winsound.Beep(1000, 500) ax1.set_xlabel("Data") ax1.set_ylabel("Preço") ax1.legend(loc="upper left") ax1.grid(True) ax1.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d %H:%M:%S")) ax2.plot(data.index, data["volatility"], label="Volatilidade") ax2.set_xlabel("Data") ax2.set_ylabel("Volatilidade") ax2.legend(loc="upper left") ax2.grid(True) # Função para determinar o estado do mercado com base na volatilidade def get_volatility_state(data, threshold_high=0.0005, threshold_low=0.0001): latest_volatility = data['volatility'].iloc[-1] if latest_volatility > threshold_high: return "Mercado Muito Volátil" elif latest_volatility < threshold_low: return "Mercado com Baixa Volatilidade" else: return "Mercado com Volatilidade Moderada" fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8)) plt.suptitle(f'Gráfico Indicador Smart Money Concept - {symbol}') ani = FuncAnimation(fig, plot_chart_with_signals, interval=60000) plt.show()Com essa modificação, o título do gráfico incluirá o par de moedas escolhido, tornando mais fácil para o usuário identificar qual par está sendo analisado.