-
Notifications
You must be signed in to change notification settings - Fork 3
/
Copy pathforex-rl-intraday-v0.2-beta-PT.py
173 lines (156 loc) · 8.28 KB
/
forex-rl-intraday-v0.2-beta-PT.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
@author: Felipe Soares
"""
import requests
import json
import random
import talib
import pandas as pd
import datetime as dt
import urllib, os
from time import sleep
from matplotlib import pyplot as plt
from tqdm import tqdm
import pyfiglet
ascii_banner = pyfiglet.figlet_format("DataCrypto Analytics")
print(ascii_banner)
###############################################################################################################
#========= Esolhe a Criptomoedas e valores de negociação
###############################################################################################################
criptomoeda = input(' | Algoritmo: forex-rl-intraday '
'\n | Versão: v0.2-beta-PT '
'\n\n | Twitter @DataCryptoML '
'\n | Github @datacrypto-analytics '
'\n | https://datacryptoanalytics.com/ '
'\n \nDigite a moeda base Forex listada na ALPHA VANTAGE (Ex: EUR, USD, JPY): ')
print('A moeda base informada foi: %s' %(criptomoeda))
moeda_cotacao = input('\nDigite a moeda cotação listada na ALPHA VANTAGE (Ex: EUR, USD, JPY): ')
###############################################################################################################
#======== Cria URL da API ALPHAVANTAGE
###############################################################################################################
apikey = 'demo'
root_url = 'https://www.alphavantage.co/query?function=FX_INTRADAY'
moeda_base = criptomoeda
par = moeda_base + moeda_cotacao
print(par)
interval = input('Digite o Timeframe (Exemplo: 5min, 15min, 30min, 60min): ')
#'https://www.alphavantage.co/query?function=FX_INTRADAY&from_symbol=EUR&to_symbol=USD&interval=5min&apikey=XLRRSVFGQJLI7S4W&datatype=csv'
url = root_url + '&from_symbol=' + moeda_base + '&to_symbol=' + moeda_cotacao + '&interval=' + interval + '&apikey='+apikey+ '&datatype=csv'
response = getattr(urllib, 'request', urllib).urlopen(url)
with tqdm.wrapattr(open(os.devnull, "wb"), "write",
miniters=1, desc="DataCrypto Analytics recuperando dados",
total=getattr(response, 'length', None)) as fout:
for chunk in response:
fout.write(chunk)
#print(url)
r = requests.get(url)
for i in tqdm((r), desc ="DataCrypto Analytics preparando dados"):
sleep(.01)
df = pd.read_csv(url, index_col=0, parse_dates=True)
tqdm.pandas(desc="DataCrypto Analytics preparando dados")
df.progress_apply(lambda x: x**2)
df.head
df.shape
df.index
df.columns
df.describe
#print(df.shape)
#print(df.columns)
#print(df.describe)
forex_fechamento = df['close'].astype('float').values
forex_abertura = df['open'].astype('float').values
forex_alta = df['high'].astype('float').values
forex_baixa = df['low'].astype('float').values
#forex_date = df['timestamp'].values
#date = df['index']
forex_close = df['close'].astype('float')
closeprice = forex_close.iloc[1]
#print(forex_date)
#######################################################################################
# Média movel de 14 dias do Fechamento
#######################################################################################
forex_fechamento_mediamovel = df['close'].rolling(12).mean()
#######################################################################################
# Média movel de 30 dias do Fechamento
#######################################################################################
forex_fechamento_mediamovel100 = df['close'].rolling(30).mean()
#######################################################################################
###############################################################################################################
import numpy as np
from sklearn import linear_model
from sklearn.metrics import mean_squared_error, r2_score
from matplotlib import rcParams
#=========
criptomoeda_regressao = forex_abertura
#========= Treinar X
criptomoeda_X_train = forex_abertura
criptomoeda_X_test = forex_abertura
X_train = np.reshape(criptomoeda_X_train, (-1,1))
X_test = np.reshape(criptomoeda_X_test, (-1,1))
#========== Treinar Y
criptomoeda_y_train = forex_fechamento
criptomoeda_y_test = forex_fechamento
y_train = np.reshape(criptomoeda_y_train, (-1,1))
y_test = np.reshape(criptomoeda_y_test, (-1,1))
###############################################################################################################
#========= Criar modelo de regressão linear
###############################################################################################################
regr = linear_model.LinearRegression(fit_intercept=True, normalize=True, copy_X=True, n_jobs=15, positive=False)
###############################################################################################################
#========= Treine o modelo usando os conjuntos de treinamento
###############################################################################################################
regr.fit(X_train, y_train)
###############################################################################################################
#======== Faça previsões usando o conjunto de teste
###############################################################################################################
criptomoeda_y_pred = regr.predict(X_test)
###############################################################################################################
#======== The coefficients
###############################################################################################################
print('________________________________________________________________________________')
print('\n Preço de fechamento: ', closeprice)
print('________________________________________________________________________________')
print('________________________________Resultados______________________________________')
print('\n Coefficients: ', regr.coef_)
print('________________________________________________________________________________')
###############################################################################################################
#======== The mean squared error
###############################################################################################################
print("\n Mean squared error (MSE): %.2f"
% mean_squared_error(y_test, criptomoeda_y_pred))
print('________________________________________________________________________________')
###############################################################################################################
# ======== Explained variance score: 1 is perfect prediction
###############################################################################################################
print('\n Score de variância (próximo de 1.0 bom > ruim): %.2f'
% r2_score(y_test, criptomoeda_y_pred))
print('________________________________________________________________________________')
print('\n Média previsões:', criptomoeda_y_pred.mean())
print('________________________________________________________________________________')
media = criptomoeda_y_pred.mean()
###############################################################################################################
#============ Criar Gráfico
###############################################################################################################
plt.style.use('bmh')
plt.rcParams['figure.figsize'] = (12,7)
plt.rcParams['font.family'] = 'serif'
plt.subplot(2, 1, 1)
plt.plot(forex_close, '-', color="black", linewidth=1)
plt.plot(forex_fechamento_mediamovel, '-', color="red", linewidth=1)
plt.plot(forex_fechamento_mediamovel100, '-', color="black", linewidth=1)
#plt.plot(midpoint, '--', color="red", linewidth=1, alpha=0.4)
#plt.text(10000, 3000, "@DataCryptoML", family="serif")
plt.legend(['Close $%.2f'%(closeprice), 'MA30', 'MA100', 'Midpoint'], loc=0)
plt.title('DataCrypto Analytics (@DataCryptoML) - %s' %(par))
#plt.xlabel('DataCrypto Analytics (@DataCryptoML)', labelpad=1)
plt.ylabel('Price')
plt.subplot(2, 1, 2)
plt.scatter(X_test, y_test, color="black", linewidth=2, alpha=0.5, s=.8)
plt.scatter(media, media,color="red", linewidth=3, alpha=0.6)
plt.plot(X_test, criptomoeda_y_pred, color='blue', linewidth=1)
plt.legend(['Linear Regression', 'Close', 'Prediction Price $%.2f'%(media)], loc=0)
plt.xlabel('GitHub: @datacrypto-analytics', fontsize=9)
plt.ylabel('Linear Regression')
plt.show()