On monte doucement dans les tours afin d’arriver à l’automate de trading full auto. Pour ce faire, python est incontournable pour utiliser l’API d’IG. Voila donc le programme que certaine personnes m’ont déjà demandé, et la réponse essentielle à comment coder le KAGI en python!

Comme vous le savez, je n’utilise pas d’indicateur, donc en bonus, ce programme vous permettra de coder le Kagi en python, et en multiple time frame, oui!! Le graaaaaaal!

python kagi

Le code

Sans plus attendre, ci-dessous le code python pour obtenir des listes du cours en KAGI. Je pars toujours des ticks récupérés sur IG, comme expliqué dans cet article.

Récupérer et enregistrer les cotations en python via l’API IG Market

Créez vos propres backtests Kagi en python

A quoi cela sert de coder le KAGI en Python? Et bien pour tester vos stratégies avant de les appliquer en réel ou de les utiliser en trading automatique. L’avantage d’utiliser du multiple timeframe est de s’affranchir des indicateurs qui sur le long terme ne fonctionnent pas en trading automatique.

Avec du mutiple time frame, vous pouvez donc développer des stratégies automatiques basées sur le price action, exactement comme mon trading discrétionnaire. Cela est impossible avec le prorealcode de prorealtime, il vous faudra donc passer par un automate homemade.

Je vous donne ci dessous l’exemple d’un backtest d’une de mes stratégies. Elle est effectuée en simultanée sur le NQ et le DAX, depuis le 1 septembre. Stratégie en tick par tick donc le plus proche des conditions réelles. Elle fonctionne en long et short. Pas étonnant donc que les résultats sont bien plus efficaces en short sur cette période baissière. Mais les long restent positifs, ce qui est un bon indicateur de performance de cette stratégie.

Petit indice, je ne prend position que entre 9h/12h et 14h/17h, comme je le fais en discrétionnaire. Il est basé sur la tendance et uniquement la tendance, mais en multi timeframe.

Equity Curve Stratégie Python
Equity Curve Stratégie Python
P&L Stratégie Python
P&L Stratégie Python

Ce qui me réconforte dans cette stratégie est le latent positif moyen des positions, bien supérieur au latent négatif. Cela est le signe que les entrées sont bonnes. En revanche, le latent positif moyen est de 50eur alors que les trades gagnants sont de 30eur en moyenne. Il reste donc une partie d’optimisation sur les sorties afin de capter plus de valeurs sur chaque trade.

Nous sommes bien sur du daytrade avec des positions de 4 heures en moyenne. Les trades positifs sont plus long que les négatifs. J’applique donc le bon adage de couper rapidement les pertes et je laisse courir mes gains…

Conclusion

Vous avez maintenant pratiquement toutes les bases pour coder le KAGI en Python et programmer vos propres backtests et stratégies. Le prochain article portera donc sur le passage d’ordre automatique sur IG en python, tout un programme…

Bon geek à tous et rdv sur le forum pour échanger sur cet article ici.