>
A korábbi kriptográfiai adatok tartalmazzák azokat az egyedi ügyleteket, amelyeket cserével hajtottak végre az idők során. Minden történelmi ügylet tartalmaz információt a kereskedési párról, a kereskedés nagyságáról, a kereskedés végrehajtásának pontos idejéről és a vásárolt vagy eladott eszközök áráról.
Érdekes módon ezeket a kereskedési adatokat felhasználják az OHLCV adatok felépítésére, a különböző piaci események értékelésére és elemzési eszközök fejlesztésére is. Pontos és megbízható történelmi kullancsonkénti kereskedelemi adatok megléte elengedhetetlen a piacon az idő múlásával lezajlott események rekonstruálásához.
Ebben a cikkben számos példát fogunk megadni a Shrimpy Developer API-k hogy hozzáférjen a teljes kereskedelmi archívumhoz a Kaiko. Mielőtt belekezdenénk, be kell állítanunk a Python környezetünket a Garnélarák Python könyvtár. Ez lesz a legfontosabb könyvtár, amely hozzáférést biztosít számunkra, amit a Shrimpy kínál.
Kereskedelmi adatok
A tőzsdei kereskedelem története lehetővé teszi a kereskedők számára, hogy elolvassák a tőzsdén végrehajtott legújabb vételi és eladási ügyleteket.
Contents
Hozzáférés a korábbi kereskedelmi adatokhoz
Az oktatóanyag elindításához kezdjük a legalapvetőbb szkriptet, amelyet írhatunk. Ez a szkript egyszerűen megköveteli az első 10 000 BTC / USD kereskedést, amely a ‘2020-09-15T01: 00: 00.000Z’ után következett be a Coinbase Pro-on..
import garnélarák
# regisztráljon a https://developers.shrimpy.io/ webhelyre az API kulcs megszerzéséhez
shrimpy_public_key = ‘…’
shrimpy_secret_key = ‘…’
# hozza létre a Shrimpy klienst
kliens = shrimpy.ShrimpyApiClient (shrimpy_public_key, shrimpy_secret_key)
kereskedések = client.get_historical_trades (
„coinbasepro”,
„BTC”,
‘USADOLLÁR’,
„2020-09-15T01: 00: 00.000Z”,
„2020-09-16T01: 00: 00.000Z”,
10000
)
# írja be az adatokat egy szöveges fájlba
fájl megnyitásával (‘trades.txt’, ‘w’):
file.write (json.dumps (kereskedelem)) # a `json.loads` használatával fordítva
Megjegyzés: Egyes cserék a sok kereskedelem. Győződjön meg arról, hogy figyelemmel kíséri az adathitel felhasználását, miközben hozzáfér a kereskedelmi adatokhoz, mivel az adott időszakban szükséges adatkreditek száma változni fog.
A kereskedések használata a csúszás kiszámításához
A szórakozás kedvéért menjünk át egy példa szkripten, amely összegyűjti a kereskedési adatokat, az egyes kereskedéseket időbélyeg szerint rendezi, és kiszámítja a tőzsdén tapasztalt csúszást minden 1 másodperces időszakban..
import garnélarák
import csv
# regisztráljon a https://developers.shrimpy.io/ webhelyre az API kulcs megszerzéséhez
shrimpy_public_key = ‘…’
shrimpy_secret_key = ‘…’
# hozza létre a Shrimpy klienst
kliens = shrimpy.ShrimpyApiClient (shrimpy_public_key, shrimpy_secret_key)
trades_dict = {}
kereskedések = client.get_historical_trades (
„coinbasepro”,
„BTC”,
‘USADOLLÁR’,
„2020-09-15T01: 00: 00.000Z”,
„2020-09-16T01: 00: 00.000Z”,
10000
)
# csoportos kereskedés történt egyszerre
kereskedelemben:
ha kereskedelem [‘idő’] a kereskedelem_diktumban:
trades_dict [kereskedelem [‘idő’]]. függelék (kereskedelem)
más:
trades_dict [kereskedelem [‘idő’]] = []
trades_dict [kereskedelem [‘idő’]]. függelék (kereskedelem)
# kiszámítja az egyidejűleg megtörtént ügyletek csúszását
# a végén minden adatot csv fájlba mentünk
kulcs esetén a trades_dict.items () értéke:
csúszás = (float (érték [len (value) -1] [‘price’]) – float (value [0] [‘price’])) / float (value [0] [‘price’])
összeg = 0
értékkereskedelem:
összeg + = úszó (kereskedelem [‘méret’])
sor = [abs (csúszás * 100), kulcs, összeg]
nyitva (’24_óra_% s_slippage_% s_% s.csv’% (csere, árajánlat, alap), ‘a’) csvFile néven:
író = csv.writer (csvFile)
writer.writerow (sor)
Megjegyzés: Ezek nem gyártási szintű szkriptek. Egyszerűen szórakoztató példák, amelyek információt nyújtanak arról, hogy mi lehetséges az adatokkal. Végtelen lehetőségek vannak, ezért kísérletezzen az adatok felhasználásának különböző módjaival!
Mi a csúszás?
A csúszás akkor következik be, ha egyetlen vagy több egymás utáni megbízást adnak egy olyan tőzsdéhez, amely egymást követő szintű nyitott megbízásokat emészt fel a tőzsdén..
Adatok elérhetősége
Mielőtt elkezdenénk adatokat gyűjteni egy kereskedési párról, vannak módok arra, hogy megértsük, mennyi adat áll rendelkezésre az egyes kereskedési párokhoz. Ehhez a történelmi eszközök beszerzésének végpontjának meghívásával lehet hozzáférni.
A történelmi eszközök listájának lekérése egy egyedi cseréhez vagy az összes cseréhez egyszerűen elvégezhető az alábbi kérések használatával a Pythonban.
instruments = client.get_historical_instruments () # a történelmi eszközök beszerzése az összes tőzsdéhez
bittrex_instruments = client.get_historical_instruments (‘Bittrex’) # történelmi eszközök beszerzése a Bittrex számára
Ezeknek a kéréseknek az eredménye a következőképpen néz ki:
[{
"csere":"bittrex",
"baseTradingSymbol":"LTC",
"quoteTradingSymbol":"BTC",
"orderBookStartTime":"2016-09-14T13: 00: 00.000Z",
"orderBookEndTime":"2019-09-07T23: 00: 00.000Z",
"tradeStartTime":"2016-09-12T23: 00: 00.000Z",
"tradeEndTime":"2019-09-09T16: 00: 00.000Z" }
…
{
"csere":"kucoin",
"baseTradingSymbol":"LTC",
"quoteTradingSymbol":"BTC",
"orderBookStartTime":"2019-04-09T11: 00: 00.000Z",
"orderBookEndTime":"2019-08-31T23: 00: 00.000Z",
"tradeStartTime":"2019-04-09T10: 00: 00.000Z",
"tradeEndTime":"2019-09-03T23: 00: 00.000Z" }
]
Ez nem minden!
Ha még konkrétabb információkra van szükségünk arról, hogy egy adott időszakban hány kereskedelmi adatpont áll rendelkezésre, akkor a végpontot felhasználhatjuk a múltbeli számlálás megszerzéséhez.
Az alábbi példa bemutatja, hogyan lehet ezt megtenni a Pythonban.
kereskedések = client.get_historical_count (
‘kereskedelmi’,
„binance”,
„BTC”,
„USDT”,
„2019-05-01T00: 00: 00.000Z”,
„2019-05-02T00: 00: 00.000Z”
)
Erre a kérésre adott válasz tartalmazza az adott időtartamon belül elérhető kereskedések számát a megadott kereskedési pár számára. Ez a következőképpen nézne ki:
{
"számol": 165012
}
Következtetések
Ideje építeni!
Nincsenek korlátai annak, amit a történelmi kereskedelmi adatokkal felépíthet. Akár olyan gépi tanulási modelleket szeretne felépíteni, amelyek képesek megjósolni egy eszköz jövőbeli árát, vagy egyszerűen csak egy érdekes fekete hattyúeseményt kíván elemezni, a kereskedelmi adatok remek kiindulópontok a korábbi piaci adatok elemzéséhez.
Alig várjuk, hogy meghallgassuk, mit épít! Hagyjon egy megjegyzést, amelyben megosztja az épülő eszközöket a Shrimpy Developer API-kkal!
További jó olvasmányok
Hogyan készítsünk Crypto Trading Botot Python használatával
Hogyan lehet letölteni a kriptovaluta gyertyatartó adatait a tőzsdékről
Választottbírósági szkriptek kripto kereskedési botokhoz
A Bitcoin Price Live Ticker szkriptje (webhálózatok használatával)
A garnélarákról
A Shrimpy’s Developer Trading API egységes módja a kereskedési funkciók integrálásának minden nagyobb tőzsdén. Piaci adatok gyűjtése, valós idejű webaljzatok elérése, fejlett kereskedési stratégiák végrehajtása és korlátlan számú felhasználó kezelése.
Shrimpy Crypto Trading API: Garnélarák | Crypto Trading API-k fejlesztőknek
Ne felejtsen el minket követni Twitter és Facebook frissítéseket, és tegyen fel kérdéseket csodálatos Távirat közösség.
A garnélarák csapata
