Uno de las actividades recurrentes es armar un maquina que disponga de todos los servicios necesarios para empezar a desarrollar o poner en produccion estrategias de algotrading, el objetivo de este proyecto es proveer toda la infraestructura necesaria sin necesidad de instalar software o componentes locales sino a traves de un entorno contenerizado y virtualizado con la tecnologia provista por docker.

Solo tienes que tenes instalado docker en una maquina (linux, obvio)

Aqui encontraras una guia para instalar docker en Ubuntu 20.04 https://www.digitalocean.com/community/tutorials/how-to-install-and-use-docker-on-ubuntu-20-04-es

Si insistes con Windows, quizas esta guia te pueda ayudar https://www.simplilearn.com/tutorials/docker-tutorial/install-docker-on-windows

Luego toda la instalación esta armada con un stack completo e integrado de docker, que utiliza partir de utilizar comando docker-compose arma todo el stack de microservicios

La instalación es muy sencilla, veamos...

1. Copiar todo el contenido en una carpeta, ejemplo 'algotrading'

2. Edita las variables del archivo .env, ya que se uilizan en el archivo docker-compose.yaml para configurar los servicios de los contenedores

   WD="directorio de trabajo, donde reside esta misma carpeta, en el ejemplo seria la ruta completa de 'algotrading'"

   ND="directorio donde se alojaron los notebooks y demas archivos python que seran accesibles desde los contenedores"

   TWSUSERID="usuario del gateway de Interactive broker"

   TWSPASSWORD="password del gateway de Interactive broker"

   TRADING_MODE="modalidad del gateway de Interactive broker paper o live"

   TZ="timezone del container"

3. Ejecutar el script ./starter_script.sh

Para ver el status y administrar los contenedores puedes usar el comando docker-compose o tambien la interfaz web provista por Portainer:

* Portainer:        http://localhost:9000

La primera vez que ingreses te va a solicitar crear una password para la cuenta admin, y luego tendras acceso a la gestión y administracion de los contenedores, acceder a las consolas de los mismos, monitorear recursos y status de los servicios.

Los diferentes servicios del stack se pueden acceder a traves:

* Airflow:          http://localhost:8080
* Superset:         http://localhost:8088
* Celery Flower:    http://localhost:5555
* Jupyter Notebook: http://localhost:8888
* MLflow:           http://localhost:5500
* PgAdmin:          http://localhost:1234
* IBGateway:       via vnc: localhost:5999

En los archivos requirements.txt encontraras las librerias que se han incluido, he incluido entre otras:

* psycopg2-binary
* mlflow
* sklearn
* xgboost
* IBPy2
* ib_insync
* backtrader2 (fork de backtrader con bugfixes)
* vectorbt
* bs4
* peewee
* xlrd
* ffn
* pyfolio
* quantstats
* riskfolio-lib

Adicionalmente en el Dockerfile de Jupyter Notebook se encuentran los extensiones que se han habilitado a los notebooks.

• A @paduel por la inspiración y el empujoncito en armar este stack 🤓
• Basado en las ideas y en el trabajo de @saeed349 https://github.com/saeed349/Microservices-Based-Algorithmic-Trading-System
• Container IBGateway desarrollado por @mgvazquez https://github.com/mgvazquez/ibgateway