Python Trading – 7 – So geben Sie Ihr erstes Chart mit FXCMPY aus

Okay, inzwischen haben wir gelernt, wie man die Anaconda-Umgebung installiert, wie man Jupyter-Notebooks verwendet, wie man eine Umgebung in Anaconda erstellt, wie man einen API-Verbindungstoken von FXCM erhält und wie man sich mit diesem Token mit FXCM verbindet.

 

Es wird empfohlen, eine Konfigurationsdatei zu verwenden, um dieses Token zu verstecken, also versuchen wir das.

 

Zuerst muss ich die Anaconda-Eingabeaufforderung starten und Folgendes eingeben

 

activate FXCMAPI

Jetzt habe ich die Umgebung aktiviert, die wir zuvor geschaffen haben. Jetzt muss ich herausfinden, wie ich diese Konfigurationsdatei erstellen kann.

 

In der Dokumentation findesn Sie ein Beispiel, also hier ist meine Version dieser Datei. Ich habe Notepad verwendet, um sie zu erstellen.

Starten wir also ein neues Notebook mit dem Namen First Steps und finden Sie heraus, ob fxcmpy noch funktioniert. Gib einfach die Version aus.

Wieder einmal wird der Token in den Screenshots modifiziert, da ich ihn für meinen eigenen Handel mit FXCM und Python verwenden werde.

 

Wo muss ich diese Datei jetzt speichern? Die API-Dokumentation besagt, dass ich es in das “aktuelle Arbeitsverzeichnis” legen muss und dass es fxcm.cfg heißen sollte.

 

Also lassen Sie uns herausfinden, wo sich dieses Verzeichnis befindet, indem wir den Befehl pwd verwenden. In meinem Fall ist es mein Heimatordner auf meinem Windows 10 Computer.

Also werde ich es als fxcm.cfg in diesem Ordner speichern, der komplette Pfad ist c:\Users\xray in meinem Fall.

Jetzt sollten wir in der Lage sein, eine Verbindung mit dieser Datei herzustellen. Also lass es uns versuchen. Der Befehl dazu ist connection = fxcmpy.fxcmpy(config_file=’fxcm.cfg’)

 

In meinem Fall scheint es zu funktionieren. Zumindest produziert es keine Fehler.

Um herauszufinden, ob die Verbindung wirklich funktioniert, werde ich versuchen, die Liste der verfügbaren Währungspaare zu erhalten. Gemäß der Dokumentation, die mit print (connection.get_instruments()) erstellt werden kann. Also lassen Sie uns herausfinden, ob wir eine Liste bekommen…

Für einige Sekunden passiert nichts. In meinem Fall dauerte es etwa 15 Sekunden, bis ich die Liste bekam. Das ist ziemlich langsam, aber im Moment sollte das kein Problem sein, da wir uns noch in der Anfangsphase befinden.

 

Was kommt als nächstes? Lassen Sie uns versuchen, einige Kerzendaten mit dem Befehl connection.get_candles() zu erhalten.

 

Es braucht ein paar Parameter. Der erste Parameter ist für das Währungspaar, der zweite Parameter ist für den Zeitrahmen und der dritte Parameter ist für die Anzahl der Kerzen, die wir ausgeben möchten.

 

Also lasst uns versuchen, hundert Kerzen für AUD/CAD zu bekommen, ich möchte einen Zeitrahmen von einer Minute haben, da ich es gewohnt bin, 1-Minuten-Charts mit MQL4 und MQL5 zu handeln.

 

Der Befehl dazu lautet

 

candle_data = con.get_candles(‘AUD/CAD’, period=’m1′, number=100)

Keine Fehler, aber auch keine Ausgabe. Ich würde mir eine Grafik wünschen, die nicht so schwer zu sein scheint, da die Dokumentation ein Beispiel hat, das wir für unsere Zwecke anpassen können.

 

Installieren wir also matplotlib in unserer Umgebung mit dem Befehl pip install matplotlib. Dies wird einige Zeit in Anspruch nehmen.

Danach wollen wir matplotlib und matplotlib.pyplot importieren. Der Befehl dazu ist unten dargestellt.

import matplotlib

import matplotlib.pyplot as plt

Und jetzt können wir endlich mit matplotlib ein Diagramm mit den Daten für unsere 100 Kerzen erstellen. Ich möchte die askclose Preisdaten sehen.

 

Um dieses Diagramm zu erstellen, verwenden wir den folgenden Befehl.

 

plt.plot(candle_data[‘askclose’]);

Das war es also. In diesem Teil haben wir gelernt, wie man das API-Verbindungstoken in einer Datei speichert, die von einem Jupyter-Notebook importiert werden kann. Wir haben auch eine Verbindung erstellt und alle verfügbaren Symbole aufgelistet.

 

Anschließend nutzten wir die Verbindung zum Importieren von Kerzendaten für AUD/CAD, installierten matplotlib und zeichneten mit matplotlib ein Diagramm für 100 Kerzen, direkt in unserem Notebook.

 

All dies hat uns nur wenige Minuten und ein paar Zeilen Python-Code gekostet. Ich gebe zu, ich fange wirklich an, Python zu mögen, denn das war ziemlich einfach.

 

Ich muss auch zugeben, dass die Dokumentation für das matplotlib chart für mich nicht funktioniert hat. Ich musste googeln und mehrere Forumsthreads lesen, damit es funktioniert.

 

Aber ist das nicht der Grund, warum Anfänger-Tutorials wie diese so beliebt sind?