用AI打造交易人需要的日常工具(零)

使用AI如ChatGPT來提昇工作效率已經成為今年最熱門的顯學，透過提示工程(Prompt Engineering)不管是使用AI寫作，寫code，甚至快速寫出所需要的工具，都可以在比以往所需時間的一半甚至更少時間完成。這個工具系列挑戰就是想透過AI快速的建立一個交易人在交易的時候所需要的各種工具，包括報表，策略，技術分析，機器學習等所有工具。看完這個系列相信除了產生交易相關工具外，對怎麼使用AI加速工作效率也能略有領悟。

要解決的問題: 產生一個交易紀錄小服務

1. 寫出清楚且明確的指示，給出AI必須擔任的角色。
2. 給模型時間思考，也就是將工作條列式表達完成。
3. 一步一步建構，每一次建構時都需回頭檢視哪裡沒有達到需求。
4. 清楚表達所需要產生的格式，如python程式碼，csv檔案。

1. 交易編號
2. 入場日期
3. 做多或做空
4. 股票代號
5. 交易股數
6. 入場價格
7. 當前價格
8. 入場交易費用
9. 其他費用
10. 總入場花費 = 第5項 * 第6項 + 第7項 + 第8項
11. 交易指標（例如通道寬度）
12. 出場日期
13. 出場價格
14. 出場交易費用
15. 其他費用
16. 總出場收益 = 第13項 * 第5項 - 第14項 - 第15項
17. 盈虧 = 第16項 - 第10項
18. 入場評分
19. 出場評分
20. 交易評分

• 請提供一段用於生成上述工作表的Python代碼。(一)
• 將程式碼轉化成 streamlit網路服務介面並創造出相應之按鈕。(二)

• 接下來你是一個部落客作家，透過產生之程式碼寫出相應之文章。(三)
• 加入以下引用: 引用自進入我的交易室一書第八章，作者亞歷山大·埃爾德(四)
• 另外產生一個python檔案讀取生成之交易紀錄檔並產生Profit/Loss對應時間的圖表(五)

• pandas：一個強大的數據處理庫。
• streamlit：一個用於構建交互式應用程序的易用框架。

mkdir trading-worksheet

cd trading-worksheet

python -m venv env

source env/bin/activate  # 對於Unix系統

env\Scripts\activate  # 對於Windows系統

pip install streamlit pandas

import streamlit as st

import pandas as pd

# 創建一個空字典以存儲交易細節

columns = {

    '交易編號': [],

    '入場日期': [],

    '做多或做空': [],

    '股票代號': [],

    '交易股數': [],

    '入場價格': [],

    '當前價格': [],

    '入場交易費用': [],

    '其他費用': [],

    '總入場花費': [],

    '交易指標': [],

    '出場日期': [],

    '出場價格': [],

    '出場交易費用': [],

    '其他費用': [],

    '總出場收益': [],

    '盈虧': [],

    '入場評分': [],

    '出場評分': [],

    '交易評分': []

}

# 創建Streamlit界面

st.title('股票交易紀錄')

# 提示用戶輸入要記錄的交易數量

num_transactions = st.number_input('輸入交易數量：', min_value=1, step=1)

# 根據交易數量迭代

for i in range(num_transactions):

    st.header(f'交易 {i + 1}')

    # 提示用戶輸入交易細節並將其添加到字典中

# 從字典創建DataFrame

df = pd.DataFrame(columns)

for i in range(num_transactions):

    st.header(f'交易 {i + 1}')

    transaction_number = i + 1

    date_of_entry = st.text_input('入場日期（YYYY-MM-DD）：')

    long_or_short = st.selectbox('做多或做空：', ['做多', '做空'])

    stock_ticker = st.text_input('股票代號：')

    number_of_stocks_traded = st.number_input('交易股數：', min_value=0.0, step=0.01)

    price_of_entry = st.number_input('入場價格：', min_value=0.0, step=0.01)

    current_price = st.number_input('當前價格：', min_value=0.0, step=0.01)

    entry_transaction_fees = st.number_input('入場交易費用：', min_value=0.0, step=0.01)

    other_fees = st.number_input('其他費用：', min_value=0.0, step=0.01)

    trading_metric = st.text_input('交易指標（例如通道寬度）：')

    date_of_exit = st.text_input('出場日期（YYYY-MM-DD）：')

    price_of_exit = st.number_input('出場價格：', min_value=0.0, step=0.01)

    exit_transaction_fees = st.number_input('出場交易費用：', min_value=0.0, step=0.01)

    other_fees_exit = st.number_input('其他出場費用：', min_value=0.0, step=0.01)

    total_entry_spend = number_of_stocks_traded * price_of_entry + current_price + entry_transaction_fees

    total_exit_gain = price_of_exit * number_of_stocks_traded - exit_transaction_fees - other_fees_exit

    profit_loss = total_exit_gain - total_entry_spend

    # 將值添加到字典的相應列中

    columns['交易編號'].append(transaction_number)

    columns['入場日期'].append(date_of_entry)

    columns['做多或做空'].append(long_or_short)

    columns['股票代號'].append(stock_ticker)

    columns['交易股數'].append(number_of_stocks_traded)

    columns['入場價格'].append(price_of_entry)

    columns['當前價格'].append(current_price)

    columns['入場交易費用'].append(entry_transaction_fees)

    columns['其他費用'].append(other_fees)

    columns['總入場花費'].append(total_entry_spend)

    columns['交易指標'].append(trading_metric)

    columns['出場日期'].append(date_of_exit)

    columns['出場價格'].append(price_of_exit)

    columns['出場交易費用'].append(exit_transaction_fees)

    columns['其他費用'].append(other_fees_exit)

    columns['總出場收益'].append(total_exit_gain)

    columns['盈虧'].append(profit_loss)

    columns['入場評分'].append('')

    columns['出場評分'].append('')

    columns['交易評分'].append('')

import pandas as pd

import matplotlib.pyplot as plt

df = pd.read_excel('transaction_logs.xlsx')

# Convert the "Date of Entry" column to datetime data type

df['Date of Entry'] = pd.to_datetime(df['Date of Entry'])

# Sort the DataFrame by date

df.sort_values('Date of Entry', inplace=True)

# Calculate the cumulative sum of profit/loss

df['Cumulative Profit/Loss'] = df['Profit/Loss'].cumsum()

# Create the plot

plt.figure(figsize=(10, 6))

plt.plot(df['Date of Entry'], df['Cumulative Profit/Loss'])

plt.title('Cumulative Profit/Loss Over Time')

plt.xlabel('Date')

plt.ylabel('Cumulative Profit/Loss')

plt.xticks(rotation=45)

plt.grid(True)

# Display the plot

plt.show()

# 從字典創建DataFrame

df = pd.DataFrame(columns)

# 將DataFrame保存為CSV文件

df.to_excel('transaction_logs.xlsx', index=False)

st.success('交易工作表已保存為「transaction_logs.xlsx」')

streamlit run trading_worksheet.py