Skip to content
TheChatArchiveThe Chat Archive
gpt-4o-mini-2024-07-18· OpenAIAi2 WildChat-4.8M (AI2)

привет! смотри что надо сделать probsin = stackingclassifierin.predictproba(Xtest)[:, 1]…

  1. User

    привет! смотри что надо сделать probs_in = stacking_classifier_in.predict_proba(X_test)[:, 1] probs_out = stacking_classifier_out.predict_proba(X_test)[:, 1]

    Торговый алгоритм

    position = 0 # 0 - нет позиции, 1 - открытая позиция trades = [] profit = 0.0 cnt_deals = 0 threshold = 0.7

    Проходим по предсказаниям

    for i in range(len(df_test)): # Условия на открытие позиции if position == 0 and probs_in[i] > 0.75: position = 1 entry_price = df_test['close'].iloc[i] # Запоминаем цену входа trades.append(('BUY', df_test.index[i], entry_price))

    # Условия на закрытие позиции
    if position == 1 and probs_out[i] > 0.75:
        position = 0
        exit_price = df_test['close'].iloc[i]  # Запоминаем цену выхода
        trades.append(('SELL', df_test.index[i], exit_price))
        # Подсчет прибыли по сделке
        profit += exit_price - entry_price-2
        cnt_deals += 1 
    

    Вывод результатов

    print(f"Общая прибыль: {profit:.2f}, средняя длина сделки: {int(len(df_test) / cnt_deals) if cnt_deals > 0 else 0}")

    Оценка результатов для первой модели

    final_predictions_in = (probs_in > threshold).astype(int) print("\nОценка на модели _in:") print(classification_report(y_test_in, final_predictions_in)) print(confusion_matrix(y_test_in, final_predictions_in))

    final_predictions_out = (probs_out > threshold).astype(int) print("\nОценка на модели _out:") print(classification_report(y_test_out, final_predictions_out)) print(confusion_matrix(y_test_out, final_predictions_out))

    надо вывести график со свечками, и под каждой свечкой где был вход- зеленая точка. где выход- красная

  2. Assistant

    Для отображения графика с свечками и точками входа и выхода можно использовать библиотеку matplotlib вместе с mplfinance, которая предназначена для построения графиков финансовых данных, также можно использовать pandas для работы с данными. Перед началом убедитесь, что у вас установлены необходимые библиотеки:

    pip install matplotlib mplfinance pandas
    

    Вот пример кода, который выполняет вашу задачу:

    import matplotlib.pyplot as plt
    import mplfinance as mpf
    import pandas as pd
    
    # Предполагаем, что df_test - это DataFrame с колонками 'open', 'high', 'low', 'close', а также индексами временных меток.
    # Также предполагаем, что trades - это список сделок, как в вашем коде.
    
    # Преобразуем колонки trades в DataFrame для удобства
    trade_points = pd.DataFrame(trades, columns=['Action', 'Date', 'Price'])
    trade_points['Date'] = pd.to_datetime(trade_points['Date'])
    
    # Зелёные точки для Buy и красные точки для Sell
    buy_points = trade_points[trade_points['Action'] == 'BUY']
    sell_points = trade_points[trade_points['Action'] == 'SELL']
    
    # Создание графика с свечами
    mpf.plot(df_test, type='candle', volume=False, style='charles', title='Свечной график с сигналами',
             ylabel='Цена', ylabel_lower='Объём', show_nontrading=False)
    
    # Наносим на график точки входа и выхода
    plt.scatter(buy_points['Date'], buy_points['Price'], marker='o', color='green', label='Buy', s=100)
    plt.scatter(sell_points['Date'], sell_points['Price'], marker='o', color='red', label='Sell', s=100)
    
    # Настройки графика
    plt.legend()
    plt.show()
    

    Разбор кода:

    1. Импортирование библиотек: Мы используем matplotlib для графиков, mplfinance для создания свечного графика и pandas для работы с данными.

    2. Торговые точки: Мы создаем DataFrame trade_points, в котором хранятся сделки, включая цену и дату.

    3. Сигналы на графике: Мы разделяем точки входа и выхода на отдельные DataFrame (buy_points и sell_points).

    4. Создание графика: Сначала рисуем свечной график с помощью функции mpf.plot(), а затем добавляем на него точки с помощью plt.scatter(), где зеленые точки обозначают входы, а красные - выходы.

    5. Показ графика: Используем plt.show() для показа графика.

    Этот код будет отображать график с холстом и точно указывать места входа и выхода сделок по определенным ценовым уровням. Убедитесь, что у вас правильно настроены индексы для df_test и временные метки для trade_points, чтобы все совпадало по времени.

  3. User

    извини, не тот код. вот правильный: probs_in = logreg_in.predict_proba(X_test)[:, 1] probs_out = logreg_out.predict_proba(X_test)[:, 1]

    Торговый алгоритм

    position = 0 # 0 - нет позиции, 1 - открытая позиция trades = [] profit = 0.0 cnt_deals = 0 threshold = 0.65

    Проходим по предсказаниям

    for i in range(len(df_test)): # Условия на открытие позиции if position == 0 and probs_in[i] > threshold: position = 1 entry_price = df_test['close'].iloc[i] # Запоминаем цену входа trades.append(('BUY', df_test.index[i], entry_price))

    # Условия на закрытие позиции
    if position == 1 and probs_out[i] > threshold:
        position = 0
        exit_price = df_test['close'].iloc[i]  # Запоминаем цену выхода
        trades.append(('SELL', df_test.index[i], exit_price))
        # Подсчет прибыли по сделке
        profit += exit_price - entry_price-2
        cnt_deals += 1 
    

    Вывод результатов

    print(f"Общая прибыль: {profit:.2f}, средняя длина сделки: {int(len(df_test) / cnt_deals) if cnt_deals > 0 else 0}")

    Оценка результатов для первой модели

    final_predictions_in = (probs_in > threshold).astype(int) print("\nОценка на модели _in:") print(classification_report(y_test_in, final_predictions_in)) print(confusion_matrix(y_test_in, final_predictions_in))

    final_predictions_out = (probs_out > threshold).astype(int) print("\nОценка на модели _out:") print(classification_report(y_test_out, final_predictions_out)) print(confusion_matrix(y_test_out, final_predictions_out))

  4. Assistant

    Извинения не нужны, спасибо за предоставление правильного кода! Давайте добавим возможность отображения свечного графика, на котором будут обозначены входные (BUY) и выходные (SELL) точки, используя ваши данные.

    Вот обновленный код, который создаст график со свечами и отметит точки входа и выхода:

    import pandas as pd
    import matplotlib.pyplot as plt
    import mplfinance as mpf
    
    # Вам нужно иметь df_test как DataFrame с специфицированными колонками 'open', 'high', 'low', 'close'.
    # Предполагаем, что trades - это список, который вы уже создали в своем коде.
    
    # Преобразуем колонки trades в DataFrame для удобства
    trade_points = pd.DataFrame(trades, columns=['Action', 'Date', 'Price'])
    trade_points['Date'] = pd.to_datetime(trade_points['Date'])
    
    # Зелёные точки для Buy и красные точки для Sell
    buy_points = trade_points[trade_points['Action'] == 'BUY']
    sell_points = trade_points[trade_points['Action'] == 'SELL']
    
    # Убедитесь, что индекс df_test - это временные метки, если нет, сделайте:
    df_test.reset_index(inplace=True)  # Если индекс не временной метки
    
    # Создание графика с свечами
    mpf.plot(df_test.set_index('Date'), 
             type='candle', 
             volume=False, 
             style='charles', 
             title='Свечной график с сигналами',
             ylabel='Цена', 
             ylabel_lower='Объём', 
             show_nontrading=False,
             addplot=[
                 mpf.make_addplot(buy_points.set_index('Date')['Price'], type='scatter', markersize=100, marker='o', color='green', label='Buy'),
                 mpf.make_addplot(sell_points.set_index('Date')['Price'], type='scatter', markersize=100, marker='o', color='red', label='Sell'),
             ])
    
    plt.legend()
    plt.show()
    

    Пояснение к дополнению:

    1. Изменение формата колонок: Вы преобразуете ваши сделки из списка в DataFrame, чтобы облегчить работу с данными. Даты преобразуются в формат datetime.

    2. Зелёные и красные точки: Вы отбираете точки Buy и Sell с учетом параметра акции, чтобы потом использовать их для отображения на графике.

    3. Построение графика с помощью mplfinance:

      • График создается с типом "candle" (свечной).
      • Вы используете метод mpf.make_addplot() для добавления точек Buy и Sell в виде разрозненных графиков на свечной график. Точки Buy отмечаются зелеными кругами, а точки Sell — красными.

    Не забудьте убедиться, что ваши данные в df_test находятся должным образом, с правильными значениями и индексами для корректного построения графика.