Skip to content

apariciodevcom/trading-35

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Sistema de Trading Local - trading-34

Sistema local de analisis, generacion de senales y evaluacion de estrategias heuristicas. Integrado con scripts de ingesta, procesamiento, backtesting y alertas.

Uso privado para investigacion y despliegue manual en VM/Linux o entorno Windows local.


Estructura del proyecto

trading-34/
├── config/                   # Configuraciones y symbol groups
├── data/                     # Datos historicos en .parquet o CSV
├── logs/                     # Registros de ejecucion
├── my_modules/               # Modulos internos como estrategias y email
├── notebooks/                # Jupyter notebooks de analisis
├── reports/                  # Ignorado en Git (.gitignore)
├── respaldo/                 # Backups locales manuales
├── scripts/                  # Scripts de ingesta, senales, limpieza, etc.
├── trading_env/              # Entorno virtual (ignorado)
├── .gitignore
└── README.md

Requisitos

  • Python 3.10+
  • Entorno virtual trading_env activo
  • Dependencias principales:
pip install pandas numpy matplotlib jupyter ta scikit-learn

Uso basico

Activar entorno:

D:\trading_env\Scripts\activate.bat

Lanzar Jupyter:

cd notebooks
jupyter notebook

Ejecutar scripts:

python scripts/utils/shu_cro.py
python scripts/utils/alc_v1.py

Seguridad

  • .keys.sh y archivos .env no deben subirse al repo
  • Carpeta reports/ excluida por contener archivos grandes
  • Archivos .parquet y .ipynb_checkpoints/ ignorados por .gitignore

Notebooks recomendados

Organizados en notebooks/:

  • exploracion_datos.ipynb
  • generar_senales.ipynb
  • ejecutar_backtest.ipynb
  • analisis_resultados.ipynb

Autor

Luis Figueroa
GitHub: https://github.com/apariciodevcom


About

Explore and test automated trading ideas, generate daily BUY/SELL signals, and backtest heuristic strategies over real historical data. Perfect for quantitative experimentation, signal discovery, and portfolio simulation.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors