um código em python que mostre o bitcoin 5 minutos plotado pelo plotly.js obtendo dados…
- User
um código em python que mostre o bitcoin 5 minutos plotado pelo plotly.js obtendo dados pelo metatrader 5, em candlestik, que reconheça movimentos de alta e baixa e durante esses movimentos calcule a possibilidade de pullback e as regiões do pullback, use o melhor conceito como parâmetro de pullback do preço.
- Assistant
Claro, abaixo está um código em Python que:
- Obtém dados de velas de 5 minutos do Bitcoin (BTCUSD) pelo MetaTrader 5.
- Plota os dados em um gráfico de candlestick usando Plotly.
- Reconhece movimentos de alta e baixa (tendências) usando a média móvel exponencial de 20 períodos (EMA20).
- Durante esses movimentos, calcula a possibilidade de pullback e as regiões de pullback utilizando os níveis de retração de Fibonacci, que é um dos melhores conceitos utilizados como parâmetro para pullback de preço.
Antes de executar o código, certifique-se de que:
- O MetaTrader 5 esteja instalado e você esteja logado em uma conta que permita acesso ao símbolo BTCUSD.
- O pacote
MetaTrader5esteja instalado (pip install MetaTrader5). - O pacote
plotlyesteja instalado (pip install plotly).
import MetaTrader5 as mt5 import pandas as pd import numpy as np import plotly.graph_objects as go from datetime import datetime, timedelta # Inicializa a conexão com o MetaTrader 5 if not mt5.initialize(): print("Falha ao inicializar") mt5.shutdown() # Seleciona o símbolo e o timeframe symbol = "BTCUSD" # Verifique se este símbolo está disponível na sua plataforma MT5 timeframe = mt5.TIMEFRAME_M5 # Define o período de tempo para obter os dados # Obtém dados dos últimos 5 dias utc_from = datetime.now() - timedelta(days=5) utc_to = datetime.now() # Obtém os dados de taxas rates = mt5.copy_rates_range(symbol, timeframe, utc_from, utc_to) # Encerra a conexão com o MetaTrader 5 mt5.shutdown() # Converte para DataFrame do pandas df = pd.DataFrame(rates) # Converte o tempo em segundos para o formato datetime df['time'] = pd.to_datetime(df['time'], unit='s') # Calcula a EMA de 20 períodos df['EMA20'] = df['close'].ewm(span=20, adjust=False).mean() # Calcula a inclinação da EMA20 df['EMA20_slope'] = df['EMA20'].diff() # Determina a tendência (alta, baixa, neutra) conditions = [ (df['close'] > df['EMA20']) & (df['EMA20_slope'] > 0), (df['close'] < df['EMA20']) & (df['EMA20_slope'] < 0) ] choices = ['uptrend', 'downtrend'] df['trend'] = np.select(conditions, choices, default='neutral') # Calcula a distância percentual entre o preço de fechamento e a EMA20 df['distance_pct'] = (df['close'] - df['EMA20']) / df['EMA20'] * 100 # Define condição de possível pullback df['pullback_possible'] = np.where( ((df['trend'] == 'uptrend') & (df['distance_pct'] > 1)) | ((df['trend'] == 'downtrend') & (df['distance_pct'] < -1)), True, False) # Marca os pontos onde o pullback é possível df['pullback_marker'] = df['close'].where(df['pullback_possible']) # Identifica as mudanças de tendência df['trend_shift'] = df['trend'] != df['trend'].shift(1) trend_changes_indices = df[df['trend_shift']].index.tolist() # Adiciona o último índice para fechar o último segmento trend_changes_indices.append(df.index[-1]) # Cria segmentos de tendência trend_segments = [] for i in range(len(trend_changes_indices) - 1): start_idx = trend_changes_indices[i] end_idx = trend_changes_indices[i+1] - 1 trend_type = df.loc[start_idx, 'trend'] trend_segments.append((start_idx, end_idx, trend_type)) # Função para calcular os níveis de Fibonacci def calculate_fib_levels(df_segment, trend_type): if trend_type == 'uptrend': max_price = df_segment['high'].max() min_price = df_segment['low'].min() elif trend_type == 'downtrend': max_price = df_segment['high'].max() min_price = df_segment['low'].min() else: return None # Ignora tendências neutras diff = max_price - min_price levels = { '0%': max_price, '38.2%': max_price - 0.382 * diff, '50%': max_price - 0.5 * diff, '61.8%': max_price - 0.618 * diff, '100%': min_price } return levels # Obtém o último segmento de tendência last_trend_segment = trend_segments[-1] start_idx, end_idx, trend_type = last_trend_segment df_segment = df.loc[start_idx:end_idx] # Calcula os níveis de Fibonacci para o último segmento fib_levels = calculate_fib_levels(df_segment, trend_type) # Cria o gráfico fig = go.Figure(data=[go.Candlestick(x=df['time'], open=df['open'], high=df['high'], low=df['low'], close=df['close'], name='Candlesticks')]) # Adiciona a EMA20 ao gráfico fig.add_trace(go.Scatter( x=df['time'], y=df['EMA20'], line=dict(color='blue', width=1), name='EMA20')) # Adiciona marcadores onde o pullback é possível fig.add_trace(go.Scatter( x=df['time'], y=df['pullback_marker'], mode='markers', marker=dict(color='orange', size=8, symbol='triangle-down'), name='Possível Pullback')) # Plota os níveis de Fibonacci se existirem if fib_levels: colors = {'0%': 'purple', '38.2%': 'red', '50%': 'green', '61.8%': 'blue', '100%': 'purple'} for level_name, level_price in fib_levels.items(): fig.add_shape(type='line', x0=df_segment['time'].iloc[0], y0=level_price, x1=df_segment['time'].iloc[-1], y1=level_price, line=dict(color=colors.get(level_name, 'purple'), dash='dash')) # Adiciona anotações para os níveis fig.add_annotation(x=df_segment['time'].iloc[-1], y=level_price, text=level_name, showarrow=False, yshift=10) # Configura o layout do gráfico fig.update_layout(title='Gráfico de Candlestick BTCUSD 5 Minutos com Pullback', xaxis_title='Tempo', yaxis_title='Preço (USD)') # Exibe o gráfico fig.show()Explicação do Código:
-
Importações e Inicialização: Importamos as bibliotecas necessárias e inicializamos a conexão com o MetaTrader 5.
-
Obtenção de Dados: Usamos
mt5.copy_rates_rangepara obter os dados históricos de BTCUSD no timeframe de 5 minutos. -
Processamento de Dados:
- Convertendo os dados para um DataFrame do pandas para facilitar a manipulação.
- Calculamos a EMA de 20 períodos para ajudar a identificar a tendência.
- Determinamos a tendência atual comparando o preço de fechamento com a EMA20 e observando a inclinação da EMA20.
- Calculamos a distância percentual entre o preço de fechamento e a EMA20 para identificar possíveis pullbacks.
- Marcamos os pontos onde o pullback é possível.
-
Detecção de Tendência e Cálculo de Níveis de Fibonacci:
- Identificamos onde as mudanças de tendência ocorrem e separamos os dados em segmentos de tendência.
- Para o último segmento de tendência, calculamos os níveis de retração de Fibonacci. Esses níveis são usados para identificar possíveis regiões de pullback conforme o conceito amplamente utilizado de Fibonacci no trading.
-
Visualização:
- Criamos um gráfico de candlestick usando o Plotly.
- Adicionamos a EMA20 ao gráfico para visualizar a média móvel exponencial.
- Marcamos pontos no gráfico onde há possibilidade de pullback.
- Plotamos os níveis de Fibonacci como linhas horizontais no gráfico para indicar as regiões de pullback potenciais.
- Configuramos o layout e exibimos o gráfico interativo.
Nota:
- As regiões de pullback são identificadas usando os níveis de Fibonacci, que é um dos melhores conceitos para determinar possíveis áreas onde o preço pode reverter temporariamente antes de continuar na direção da tendência dominante.
- Esse código pode ser expandido e ajustado conforme necessário para incluir outros indicadores ou lógica adicional para análise de mercado.
Espero que este código atenda às suas necessidades!