Korábbi kriptokereskedelmi adatok [Python szkriptek]

>

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.

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

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Like this post? Please share to your friends:
Adblock
detector
map