إعداد بيئة Python للتداول

أعدّ بيئة تطوير Python كاملة للتداول الخوارزمي في أقل من 30 دقيقة. من التثبيت إلى أول استراتيجية.

المستوى: مبتدئ

المدة: 35 دقيقة

الخطوة 1 من مسار التعلم

ماذا ستتعلم

تثبيت Python والأدوات

إنشاء بيئة افتراضية

تثبيت مكتبات التداول

إعداد Jupyter Notebook

تنظيم مشروع التداول

بناء أول استراتيجية

المتطلبات المسبقة

المتطلبات

Windows 10+, macOS 10.14+, أو Ubuntu 18.04+
ذاكرة RAM 4 جيجا كحد أدنى (8 جيجا مُوصى)
5 جيجا مساحة تخزين حرة

أدوات مطلوبة

Python 3.10+
محرر أكواد (VS Code مُوصى)
سطر الأوامر / Terminal

معرفة مسبقة

أساسيات Python (متغيرات، دوال، حلقات)
فهم أساسي لأسواق المال
معرفة أساسية بسطر الأوامر

الدليل خطوة بخطوة

تثبيت Python

تحميل وتثبيت Python 3.10+ على نظامك

Python

# Check if Python is installed

python --version

# Expected output: Python 3.10.x or higher

# On Windows: Download from https://www.python.org/downloads/

# On macOS:

brew install python3

# On Ubuntu/Debian:

sudo apt update && sudo apt install python3 python3-pip python3-venv

# Verify installation

python3 --version

pip3 --version

إنشاء بيئة افتراضية

عزل مشروعك عن حزم النظام باستخدام venv

Python

# Create a new project directory

mkdir my-trading-bot

cd my-trading-bot

# Create virtual environment

python -m venv venv

# ACTIVATE the virtual environment

# On Windows:

venv\Scripts\activate

# On macOS/Linux:

source venv/bin/activate

# You'll see (venv) in your terminal prompt

# (venv) $ pip install ...

# Deactivate when done

deactivate

تثبيت المكتبات الأساسية

تثبيت جميع المكتبات المطلوبة للتداول الخوارزمي

Python

# Core data science stack

pip install pandas numpy matplotlib

# Market data

pip install yfinance

# Technical analysis

pip install ta-lib pandas-ta

# Backtesting

pip install backtrader vectorbt

# Broker integration

pip install MetaTrader5 # Windows only

# Machine learning (optional)

pip install scikit-learn tensorflow xgboost

# Save all dependencies

pip freeze > requirements.txt

# Later, recreate the environment:

pip install -r requirements.txt

إعداد Jupyter Notebook

بيئة تفاعلية لتطوير واختبار الاستراتيجيات

Python

# Install Jupyter

pip install jupyter jupyterlab

# Launch Jupyter Lab (recommended)

jupyter lab

# Or classic Jupyter Notebook

jupyter notebook

# Install useful extensions

pip install jupyter-contrib-nbextensions

jupyter contrib nbextension install --user

# Create your first notebook and test:

# In a new cell, type:

import pandas as pd

import numpy as np

import yfinance as yf

import matplotlib.pyplot as plt

# Download test data

df = yf.download("EURUSD=X", period="6mo")

df['Close'].plot(figsize=(12, 6), title="EUR/USD")

plt.show()

print("Setup complete! Ready to trade.")

هيكل المشروع المُوصى به

تنظيم مشروع التداول بشكل احترافي

Python

# Recommended project structure:

# my-trading-bot/

# ├── venv/ # Virtual environment (don't commit)

# ├── data/ # Cached market data

# │ ├── raw/ # Raw downloaded data

# │ └── processed/ # Cleaned data

# ├── strategies/ # Trading strategies

# │ ├── __init__.py

# │ ├── sma_crossover.py

# │ └── rsi_reversal.py

# ├── indicators/ # Custom indicators

# │ ├── __init__.py

# │ └── custom_rsi.py

# ├── backtests/ # Backtest scripts & results

# │ ├── run_backtest.py

# │ └── results/

# ├── live/ # Live trading scripts

# │ ├── mt5_trader.py

# │ └── risk_manager.py

# ├── notebooks/ # Jupyter notebooks for research

# │ ├── exploration.ipynb

# │ └── strategy_dev.ipynb

# ├── config.py # Configuration & API keys

# ├── requirements.txt # Dependencies

# ├── .env # Environment variables (don't commit)

# └── .gitignore # Git ignore rules

# Create this structure:

import os

dirs = [

"data/raw", "data/processed",

"strategies", "indicators",

"backtests/results", "live",

"notebooks"

]

for d in dirs:

os.makedirs(d, exist_ok=True)

init_file = os.path.join(d.split("/")[0], "__init__.py")

if not os.path.exists(init_file):

open(init_file, "w").close()

print("Project structure created!")

بناء أول استراتيجية

استراتيجية تقاطع المتوسط المتحرك البسيطة

Python

import yfinance as yf

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 1. Download data

print("📥 Downloading data...")

df = yf.download("EURUSD=X", period="1y", interval="1d")

print(f"Downloaded {len(df)} bars")

# 2. Calculate indicators

df['SMA_20'] = df['Close'].rolling(20).mean()

df['SMA_50'] = df['Close'].rolling(50).mean()

# 3. Generate signals

df['Signal'] = 0

df.loc[df['SMA_20'] > df['SMA_50'], 'Signal'] = 1 # Buy

df.loc[df['SMA_20'] < df['SMA_50'], 'Signal'] = -1 # Sell

# 4. Calculate returns

df['Returns'] = df['Close'].pct_change()

df['Strategy'] = df['Signal'].shift(1) * df['Returns']

# 5. Performance metrics

total_return = (1 + df['Strategy'].dropna()).prod() - 1

sharpe = df['Strategy'].mean() / df['Strategy'].std() * np.sqrt(252)

win_rate = (df['Strategy'] > 0).sum() / (df['Strategy'] != 0).sum() * 100

print(f"\n📊 Results:")

print(f"Total Return: {total_return*100:.2f}%")

print(f"Sharpe Ratio: {sharpe:.2f}")

print(f"Win Rate: {win_rate:.1f}%")

print(f"Total Trades: {df['Signal'].diff().abs().sum() / 2:.0f}")

# 6. Plot

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 8), sharex=True)

ax1.plot(df.index, df['Close'], label='EUR/USD', alpha=0.7)

ax1.plot(df.index, df['SMA_20'], label='SMA 20', linewidth=1)

ax1.plot(df.index, df['SMA_50'], label='SMA 50', linewidth=1)

ax1.set_title('EUR/USD with Moving Averages')

ax1.legend()

ax2.plot(df.index, (1 + df['Strategy']).cumprod(), label='Strategy', color='green')

ax2.plot(df.index, (1 + df['Returns']).cumprod(), label='Buy & Hold', color='gray', alpha=0.5)

ax2.set_title('Cumulative Returns')

ax2.legend()

plt.tight_layout()

plt.savefig('first_strategy.png', dpi=150)

plt.show()

print("\n✅ Setup verified! Your environment is ready.")

حل المشاكل الشائعة

pip غير موجود

استخدم python -m pip بدلاً من pip مباشرة

خطأ في تثبيت TA-Lib

على Windows: حمّل ملف .whl من الموقع الرسمي. على macOS: استخدم brew install ta-lib أولاً

MetaTrader5 لا يعمل على macOS/Linux

MetaTrader5 Python يعمل فقط على Windows. استخدم Wine أو VPS

Jupyter لا يعثر على المكتبات

تأكد من تثبيت Jupyter داخل البيئة الافتراضية نفسها

إعداد محرر الأكواد

Python Extension

الإكمال التلقائي وتصحيح الأخطاء

Jupyter Extension

تشغيل Notebooks داخل VS Code

Pylance

تحليل الأنواع والأداء المحسن

GitLens

تتبع التغييرات والتعاون

مصادر إضافية

الخطوات التالية

yfinance — جلب بيانات السوق pandas — تحليل البيانات NumPy — الحوسبة الرقمية تصفح جميع المكتبات