Аналіз ліквідності EUR/USD по торгових сесіях

Опис проекту

Цей проект реалізує комплексний аналіз ліквідності валютної пари EUR/USD по основних торгових сесіях (Азія, Франкфурт, Лондон, Нью-Йорк) згідно з технічним завданням.

Основні функції

• Обробка даних: Завантаження M1 даних з CSV/XLSX файлів
• Розрахунок рівнів: Asia High/Low/Mid, PDH/PDL
• Аналіз sweep: Frankfurt і London sweep рівнів
• Визначення напрямків: Основний рух сесій та типи sweep
• Розрахунок метрик: Розширення, rebalance, retests
• Статистика: Детальна статистика по всіх параметрах

Структура файлів

artem/
├── liquidity_analyzer.py    # 🔧 Основний скрипт аналізу
├── interactive.py           # 🖥️  Інтерактивний інтерфейс
├── validator.py             # ✅ Валідація даних
├── show_results.py          # 📊 Демонстрація результатів
├── config.py               # ⚙️  Конфігурація
├── run_analysis.sh         # 🚀 Скрипт швидкого запуску
├── requirements.txt        # 📚 Залежності Python
├── README.md              # 📖 Ця інструкція
└── DAT_MT_EURUSD_M1_202505.csv  # 📈 Вхідні дані

Встановлення

1. Встановіть Python 3.8 або новішу версію
2. Створіть та активуйте віртуальне середовище:

python -m venv venv
source venv/bin/activate  # На macOS/Linux
# або
venv\Scripts\activate     # На Windows

3. Встановіть необхідні бібліотеки:

pip install -r requirements.txt

⚠️ ВАЖЛИВО: Завжди активуйте віртуальне середовище перед запуском скриптів!

🎯 ПРОСТИЙ ЗАПУСК (для "простих смертних")

Графічний інтерфейс - БЕЗ ТЕРМИНАЛУ!

macOS/Linux:

# Подвійний клік на файл:
./Запуск анализатора.command

# Або в терміналі:
./run_gui.sh

Windows:

# Подвійний клік на файл:
run_gui.bat

Особливості GUI:

• 🖱️ Простий графічний інтерфейс ✅ (tkinter встановлено)
• 📁 Вибір файлів через діалог
• 📊 Візуальний прогрес обробки
• 🎯 3 вкладки: один файл / масова обробка / довідка
• 🔄 Автоматична установка залежностей
• 📝 Детальні логи процесу
• 🚀 Підтримка масової обробки

Використання

1. Інтерактивний режим (рекомендується)

source venv/bin/activate
python menu.py

Інтерактивне меню (menu.py) дозволяє:

• 🔍 Валідувати вхідні дані
• ⚡ Запускати повний аналіз одного або всіх файлів
• 📊 Переглядати результати та статистику
• 🗂️ Перевіряти статус папок і файлів
• 🆘 Отримувати довідку

2. Автоматичний запуск

./run_analysis.sh

3. Ручний запуск

source venv/bin/activate
python liquidity_analyzer.py

Вхідні дані

Програма очікує CSV файл з наступною структурою:

• Date — у форматі YYYY.MM.DD
• Time — у форматі HH:MM
• Open, High, Low, Close — BID-ціни
• Volume — ігнорується

Вихідні файли

Результати зберігаються у файлі liquidity_analysis_results.xlsx з двома аркушами:

• Analysis_Results: Детальні результати по кожному дню
• Statistics: Загальна статистика

Параметри аналізу

Часові сесії (UTC+3)

• Азія: 02:00 – 10:00
• Франкфурт: 09:00 – 10:00
• Лондон: 10:00 – 15:00
• Нью-Йорк: 15:00 – 19:00

Константи

• Розмір пункту: 0.00010
• Мінімальне пробиття: 1 пункт (0.00010)
• Допуск для Asia Mid: ±3 пункти (0.00030)

Вихідні колонки

Основні дані

• Дата, день тижня
• Asia High/Low/Mid
• PDH/PDL (попередній день)

Frankfurt Sweep

• Frankfurt Sweep High/Low
• Час sweep

London Sweep

• London Sweep High/Low
• Sweep Type (Continue/Sweep and Reverse/No Sweep)
• Основний рух Лондону (Long/Short)
• Rebalance (Yes/No)

Метрики розширення

• Розширення в пунктах та %
• Час до максимуму/мінімуму
• Reverse після sweep
• Retests рівнів

New York аналіз

• NY Direction (Long/Short)
• NY Status (Support/Reverse)
• NY розширення в обидві сторони

Алгоритм роботи

1. Завантаження даних: Читання CSV, перетворення часу в UTC+3
2. Обробка по днях: Для кожного дня розрахунок всіх метрик
3. Розрахунок рівнів: Asia High/Low/Mid, PDH/PDL
4. Аналіз sweep: Перевірка пробиття рівнів у Frankfurt і London
5. Визначення напрямків: Основний рух після sweep
6. Розрахунок метрик: Розширення, rebalance, retests
7. Збереження результатів: Експорт в Excel з статистикою

Приклади використання

Базовий аналіз

from liquidity_analyzer import LiquidityAnalyzer

# Створення аналізатора
analyzer = LiquidityAnalyzer()

# Завантаження даних
df = analyzer.load_data("your_data.csv")

# Аналіз періоду
results = analyzer.analyze_period(df)

# Збереження результатів
analyzer.save_results(results, "results.xlsx")

Аналіз конкретного дня

from datetime import datetime
import pandas as pd

# Аналіз конкретної дати
specific_date = pd.Timestamp('2025-05-15')
day_result = analyzer.analyze_day(df, specific_date)

print(f"Sweep Type: {day_result['sweep_type']}")
print(f"Extension: {day_result['extension_pips']} pips")

Валідація даних

from validator import validate_input_file

# Перевірка якості даних
is_valid = validate_input_file("data.csv")
if is_valid:
    print("✅ Дані готові для аналізу")

Результати аналізу

Після завершення аналізу створюється Excel файл з двома аркушами:

Analysis_Results

Містить детальні результати по кожному дню:

• Основні дані (дата, день тижня)
• Asia рівні (High/Low/Mid)
• Frankfurt і London sweep
• Типи sweep та напрямки руху
• Метрики розширення та rebalance
• New York аналіз

Statistics

Загальна статистика по всіх параметрах:

• Частота різних типів sweep
• Розподіл по днях тижня
• Середні показники розширення
• Корелаційний аналіз

Технічні особливості

• Обробка помилок: Захист від ділення на нуль, відсутніх даних
• Точність: Розрахунки з точністю до 5 знаків після коми
• Продуктивність: Оптимізована обробка великих обсягів даних
• Гнучкість: Легко налаштовувані параметри сесій та констант

Автор

GitHub Copilot

Ліцензія

MIT License

---

🚀 СИСТЕМА МАССОВОЙ ОБРАБОТКИ ФАЙЛОВ (v2.0)

Новые возможности

📁 Структура папок

artem/
├── files/                  # 📥 Входные файлы (CSV/XLSX)
├── results/                # 📤 Результаты анализа
├── menu.py                 # 🎯 Интерактивное меню
├── batch_analyzer.py       # 🔬 Массовая обработка
├── liquidity_analyzer.py   # 🧮 Основной анализатор
└── README.md               # 📖 Документация

🎯 Способы запуска

1. Интерактивное меню (рекомендуется)

python menu.py

Меню предоставляет:

• 1️⃣ Анализ одного файла (интерактивный режим)
• 2️⃣ Массовая обработка файлов (папка files/)
• 3️⃣ Показать статус папок
• 4️⃣ Помощь и инструкции

2. Массовая обработка

python batch_analyzer.py

3. Одиночный анализ

python liquidity_analyzer.py

🔥 Преимущества новой системы

✅ Автоматическая обработка - просто поместите файлы в папку files/
✅ Множественные форматы - поддержка CSV и XLSX
✅ Автоматическое именование - результаты с временными метками
✅ Сводные отчеты - статистика по всем обработанным файлам
✅ Обработка ошибок - детальные логи проблемных файлов
✅ Большие объемы - оптимизировано для многолетних данных

📊 Пример массовой обработки

Если у вас есть файлы:

files/
├── DAT_MT_EURUSD_M1_2014.csv
├── DAT_MT_EURUSD_M1_2015.csv
├── DAT_MT_EURUSD_M1_2016.csv
└── ...

После запуска python batch_analyzer.py получите:

results/
├── liquidity_analysis_EURUSD_2014_20250611_223045.xlsx
├── liquidity_analysis_EURUSD_2015_20250611_223145.xlsx
├── liquidity_analysis_EURUSD_2016_20250611_223245.xlsx
├── ...
└── batch_analysis_summary_20250611_223345.xlsx

🛠️ Функции batch_analyzer.py

• Автоматическое определение валютной пары и периода из имени файла
• Обработка ошибок с детальными логами
• Прогресс-индикатор для отслеживания процесса
• Сводный отчет по всем обработанным файлам
• Временные метки для уникальности результатов

💡 Советы по использованию

1. Подготовка файлов: Поместите все CSV/XLSX файлы в папку files/
2. Именование: Используйте понятные имена файлов (например: EURUSD_2024.csv)
3. Мониторинг: Используйте опцию 3 в меню для проверки статуса
4. Большие данные: Система оптимизирована для многолетних исторических данных

🔧 Настройка

Для изменения настроек отредактируйте:

• config.py - основные параметры анализа
• batch_analyzer.py - параметры массовой обработки

---

Обновлено: Июнь 2025
Версия: 2.0 с поддержкой массовой обработки