привет! смотри что надо сделать probsin = stackingclassifierin.predictproba(Xtest)[:, 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 += 1Вывод 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
- Assistant
Для отображения графика с свечками и точками входа и выхода можно использовать библиотеку
matplotlibвместе сmplfinance, которая предназначена для построения графиков финансовых данных, также можно использоватьpandasдля работы с данными. Перед началом убедитесь, что у вас установлены необходимые библиотеки:pip install matplotlib mplfinance pandasВот 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:
-
Импортирование библиотек: Мы используем
matplotlibдля графиков,mplfinanceдля создания свечного графика иpandasдля работы с данными. -
Торговые точки: Мы создаем DataFrame
trade_points, в котором хранятся сделки, включая цену и дату. -
Сигналы на графике: Мы разделяем точки входа и выхода на отдельные DataFrame (
buy_pointsиsell_points). -
Создание графика: Сначала рисуем свечной график с помощью функции
mpf.plot(), а затем добавляем на него точки с помощьюplt.scatter(), где зеленые точки обозначают входы, а красные - выходы. -
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_testи временные метки дляtrade_points, чтобы все совпадало по времени. -
- 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 += 1Вывод 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))
- 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:
-
Изменение формата колонок: Вы преобразуете ваши сделки из списка в
DataFrame, чтобы облегчить работу с данными. Даты преобразуются в форматdatetime. -
Зелёные и красные точки: Вы отбираете точки Buy и Sell с учетом параметра акции, чтобы потом использовать их для отображения на графике.
-
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_testнаходятся должным образом, с правильными значениями и индексами для корректного построения графика. -