Linux中國

如何使用 Python 來自動交易加密貨幣

然而,不像紐約證券交易所這樣的傳統證券交易所一樣,有一段固定的交易時間。對於加密貨幣而言,則是 7×24 小時交易,這使得任何人都無法獨自盯著市場。

在以前,我經常思考與加密貨幣交易相關的問題:

  • 一夜之間發生了什麼?
  • 為什麼沒有日誌記錄?
  • 為什麼下單?
  • 為什麼不下單?

通常的解決手段是使用加密交易機器人,當在你做其他事情時,例如睡覺、與家人在一起或享受空閑時光,代替你下單。雖然有很多商業解決方案可用,但是我選擇開源的解決方案,因此我編寫了加密交易機器人 Pythonic。 正如去年 我寫過的文章 一樣,「Pythonic 是一種圖形化編程工具,它讓用戶可以輕鬆使用現成的函數模塊來創建 Python 應用程序。」 最初它是作為加密貨幣機器人使用,並具有可擴展的日誌記錄引擎以及經過精心測試的可重用部件,例如調度器和計時器。

開始

本教程將教你如何開始使用 Pythonic 進行自動交易。我選擇 幣安 Binance 交易所的 波場 Tron 比特幣 Bitcoin 交易對為例。我之所以選擇這個加密貨幣對,是因為它們彼此之間的波動性大,而不是出於個人喜好。

機器人將根據 指數移動平均 exponential moving averages (EMA)來做出決策。

![TRX/BTC 1-hour candle chart](/data/attachment/album/202103/28/094050ln73sss1s9st3ssf.png "TRX/BTC 1-hour candle chart")

TRX/BTC 1 小時 K 線圖

EMA 指標通常是一個加權的移動平均線,可以對近期價格數據賦予更多權重。儘管移動平均線可能只是一個簡單的指標,但我對它很有經驗。

上圖中的紫色線顯示了 EMA-25 指標(這表示要考慮最近的 25 個值)。

機器人監視當前的 EMA-25 值(t0)和前一個 EMA-25 值(t-1)之間的差距。如果差值超過某個值,則表示價格上漲,機器人將下達購買訂單。如果差值低於某個值,則機器人將下達賣單。

差值將是做出交易決策的主要指標。在本教程中,它稱為交易參數。

工具鏈

將在本教程使用如下工具:

  • 幣安專業交易視圖(已經有其他人做了數據可視化,所以不需要重複造輪子)
  • Jupyter 筆記本:用於數據科學任務
  • Pythonic:作為整體框架
  • PythonicDaemon :作為終端運行(僅適用於控制台和 Linux)

數據挖掘

為了使加密貨幣交易機器人儘可能做出正確的決定,以可靠的方式獲取資產的 美國線 open-high-low-close chart OHLC)數據是至關重要。你可以使用 Pythonic 的內置元素,還可以根據自己邏輯來對其進行擴展。

一般的工作流程:

  1. 與幣安時間同步
  2. 下載 OHLC 數據
  3. 從文件中把 OHLC 數據載入到內存
  4. 比較數據集並擴展更新數據集

這個工作流程可能有點誇張,但是它能使得程序更加健壯,甚至在停機和斷開連接時,也能平穩運行。

一開始,你需要 幣安 OHLC 查詢 Binance OHLC Query 元素和一個 基礎操作 Basic Operation 元素來執行你的代碼。

![Data-mining workflow](/data/attachment/album/202103/28/094051qdkqluhu7sqkus73.png "Data-mining workflow")

數據挖掘工作流程

OHLC 查詢設置為每隔一小時查詢一次 TRXBTC 資產對(波場/比特幣)。

![Configuration of the OHLC query element](/data/attachment/album/202103/28/094051lwhwz6qyhg8zspg6.png "Configuration of the OHLC query element")

配置 OHLC 查詢元素

其中輸出的元素是 Pandas DataFrame。你可以在 基礎操作 元素中使用 輸入 input 變數來訪問 DataFrame。其中,將 Vim 設置為 基礎操作 元素的默認代碼編輯器。

![Basic Operation element set up to use Vim](/data/attachment/album/202103/28/094052xn23s2x4xoj24d6f.png "Basic Operation element set up to use Vim")

使用 Vim 編輯基礎操作元素

具體代碼如下:

import pickle, pathlib, os
import pandas as pd

outout = None

if isinstance(input, pd.DataFrame):
    file_name = 'TRXBTC_1h.bin'
    home_path = str(pathlib.Path.home())
    data_path = os.path.join(home_path, file_name)

    try:
        df = pickle.load(open(data_path, 'rb'))
        n_row_cnt = df.shape[0]
        df = pd.concat([df,input], ignore_index=True).drop_duplicates(['close_time'])
        df.reset_index(drop=True, inplace=True)
        n_new_rows = df.shape[0] - n_row_cnt
        log_txt = '{}: {} new rows written'.format(file_name, n_new_rows)
    except:
        log_txt = 'File error - writing new one: {}'.format(e)
        df = input

    pickle.dump(df, open(data_path, "wb" ))
    output = df

首先,檢查輸入是否為 DataFrame 元素。然後在用戶的家目錄(~/)中查找名為 TRXBTC_1h.bin 的文件。如果存在,則將其打開,執行新代碼段(try 部分中的代碼),並刪除重複項。如果文件不存在,則觸發異常並執行 except 部分中的代碼,創建一個新文件。

只要啟用了複選框 日誌輸出 log output ,你就可以使用命令行工具 tail 查看日誌記錄:

$ tail -f ~/Pythonic_2020/Feb/log_2020_02_19.txt

出於開發目的,現在跳過與幣安時間的同步和計劃執行,這將在下面實現。

準備數據

下一步是在單獨的 網格 Grid 中處理評估邏輯。因此,你必須藉助 返回元素 Return element 將 DataFrame 從網格 1 傳遞到網格 2 的第一個元素。

在網格 2 中,通過使 DataFrame 通過 基礎技術分析 Basic Technical Analysis 元素,將 DataFrame 擴展包含 EMA 值的一列。

![Technical analysis workflow in Grid 2](/data/attachment/album/202103/28/094052xq7vemsqm9evasx9.png "Technical analysis workflow in Grid 2")

在網格 2 中技術分析工作流程

配置技術分析元素以計算 25 個值的 EMA。

![Configuration of the technical analysis element](/data/attachment/album/202103/28/094053x0wecdexbcc7idhy.png "Configuration of the technical analysis element")

配置技術分析元素

當你運行整個程序並開啟 技術分析 Technical Analysis 元素的調試輸出時,你將發現 EMA-25 列的值似乎都相同。

![Missing decimal places in output](/data/attachment/album/202103/28/094053c6poxlr4exxe4foc.png "Missing decimal places in output")

輸出中精度不夠

這是因為調試輸出中的 EMA-25 值僅包含六位小數,即使輸出保留了 8 個位元組完整精度的浮點值。

為了能進行進一步處理,請添加 基礎操作 元素:

![Workflow in Grid 2](/data/attachment/album/202103/28/094053w4u44j6wqz6fr3kh.png "Workflow in Grid 2")

網格 2 中的工作流程

使用 基礎操作 元素,將 DataFrame 與添加的 EMA-25 列一起轉儲,以便可以將其載入到 Jupyter 筆記本中;

![Dump extended DataFrame to file](/data/attachment/album/202103/28/094054kc1y44yvcvgycnye.png "Dump extended DataFrame to file")

將擴展後的 DataFrame 存儲到文件中

評估策略

在 Juypter 筆記本中開發評估策略,讓你可以更直接地訪問代碼。要載入 DataFrame,你需要使用如下代碼:

![Representation with all decimal places](/data/attachment/album/202103/28/094054s7ozuzh8ebzpeb9o.png "Representation with all decimal places")

用全部小數位表示

你可以使用 iloc 和列名來訪問最新的 EMA-25 值,並且會保留所有小數位。

你已經知道如何來獲得最新的數據。上面示例的最後一行僅顯示該值。為了能將該值拷貝到不同的變數中,你必須使用如下圖所示的 .at 方法方能成功。

你也可以直接計算出你下一步所需的交易參數。

![Buy/sell decision](/data/attachment/album/202103/28/094054jnb1dc3caipaksf9.png "Buy/sell decision")

買賣決策

確定交易參數

如上面代碼所示,我選擇 0.009 作為交易參數。但是我怎麼知道 0.009 是決定交易的一個好參數呢? 實際上,這個參數確實很糟糕,因此,你可以直接計算出表現最佳的交易參數。

假設你將根據收盤價進行買賣。

![Validation function](/data/attachment/album/202103/28/094055jx5yz5ctp8qctej9.png "Validation function")

回測功能

在此示例中,buy_factorsell_factor 是預先定義好的。因此,發散思維用直接計算出表現最佳的參數。

![Nested for loops for determining the buy and sell factor](/data/attachment/album/202103/28/094055b6i0t6cqv5ffhbwq.png "Nested for loops for determining the buy and sell factor")

嵌套的 for 循環,用於確定購買和出售的參數

這要跑 81 個循環(9x9),在我的機器(Core i7 267QM)上花費了幾分鐘。

![System utilization while brute forcing](/data/attachment/album/202103/28/094055bquv9iyqi0rbtqth.png "System utilization while brute forcing")

在暴力運算時系統的利用率

在每個循環之後,它將 buy_factorsell_factor 元組和生成的 profit 元組追加到 trading_factors 列表中。按利潤降序對列表進行排序。

![Sort profit with related trading factors in descending order](/data/attachment/album/202103/28/094056ze0gzqu9vgg22v2w.png "Sort profit with related trading factors in descending order")

將利潤與相關的交易參數按降序排序

當你列印出列表時,你會看到 0.002 是最好的參數。

![Sorted list of trading factors and profit](/data/attachment/album/202103/28/094056oxlihvaiixwg84jw.png "Sorted list of trading factors and profit")

交易要素和收益的有序列表

當我在 2020 年 3 月寫下這篇文章時,價格的波動還不足以呈現出更理想的結果。我在 2 月份得到了更好的結果,但即使在那個時候,表現最好的交易參數也在 0.002 左右。

分割執行路徑

現在開始新建一個網格以保持邏輯清晰。使用 返回 元素將帶有 EMA-25 列的 DataFrame 從網格 2 傳遞到網格 3 的 0A 元素。

在網格 3 中,添加 基礎操作 元素以執行評估邏輯。這是該元素中的代碼:

![Implemented evaluation logic](/data/attachment/album/202103/28/094056ofn26ububue22fuz.png "Implemented evaluation logic")

實現評估策略

如果輸出 1 表示你應該購買,如果輸出 2 則表示你應該賣出。 輸出 0 表示現在無需操作。使用 分支 Branch 元素來控制執行路徑。

![Branch element: Grid 3 Position 2A](/data/attachment/album/202103/28/094056q3tp37wwlz0b0on1.png "Branch element: Grid 3 Position 2A")

分支元素:網格 3,2A 位置

因為 0-1 的處理流程一樣,所以你需要在最右邊添加一個分支元素來判斷你是否應該賣出。

![Branch element: Grid 3 Position 3B](/data/attachment/album/202103/28/094057stk7jj4nlwnk2puw.png "Branch element: Grid 3 Position 3B")

分支元素:網格 3,3B 位置

網格 3 應該現在如下圖所示:

![Workflow on Grid 3](/data/attachment/album/202103/28/094057fe1wnzar6x664rnz.png "Workflow on Grid 3")

網格 3 的工作流程

下單

由於無需在一個周期中購買兩次,因此必須在周期之間保留一個持久變數,以指示你是否已經購買。

你可以利用 Stack 元素來實現。顧名思義,棧元素表示可以用任何 Python 數據類型來放入的基於文件的棧。

你需要定義棧僅包含一個布爾類型,該布爾類型決定是否購買了(True)或(False)。因此,你必須使用 False 來初始化棧。例如,你可以在網格 4 中簡單地通過將 False 傳遞給棧來進行設置。

![Forward a False-variable to the subsequent Stack element](/data/attachment/album/202103/28/094057yiszipdxx9dxizfw.png "Forward a False-variable to the subsequent Stack element")

將 False 變數傳輸到後續的棧元素中

在分支樹後的棧實例可以進行如下配置:

![Configuration of the Stack element](/data/attachment/album/202103/28/094058xquob8epsfqzopif.png "Configuration of the Stack element")

設置棧元素

在棧元素設置中,將 對輸入的操作 Do this with input 設置成 Nothing 。否則,布爾值將被 10 覆蓋。

該設置確保僅將一個值保存於棧中(TrueFalse),並且只能讀取一個值(為了清楚起見)。

在棧元素之後,你需要另外一個 分支 元素來判斷棧的值,然後再放置 幣安訂單 Binance Order 元素。

![Evaluate the variable from the stack](/data/attachment/album/202103/28/094058vwu6v7ii6kvwwx9a.png "Evaluate the variable from the stack")

判斷棧中的變數

將幣安訂單元素添加到分支元素的 True 路徑。網格 3 上的工作流現在應如下所示:

![Workflow on Grid 3](/data/attachment/album/202103/28/094059oreu9efclcs5glo9.png "Workflow on Grid 3")

網格 3 的工作流程

幣安訂單元素應如下配置:

![Configuration of the Binance Order element](/data/attachment/album/202103/28/094059cc5ntnvbsqriu43w.png "Configuration of the Binance Order element")

編輯幣安訂單元素

你可以在幣安網站上的帳戶設置中生成 API 和密鑰。

![Creating an API key in Binance](/data/attachment/album/202103/28/094059dlcgcx40e8eeb4bu.png "Creating an API key in Binance")

在幣安賬戶設置中創建一個 API 密鑰

在本文中,每筆交易都是作為市價交易執行的,交易量為 10,000 TRX(2020 年 3 月約為 150 美元)(出於教學的目的,我通過使用市價下單來演示整個過程。因此,我建議至少使用限價下單。)

如果未正確執行下單(例如,網路問題、資金不足或貨幣對不正確),則不會觸發後續元素。因此,你可以假定如果觸發了後續元素,則表示該訂單已下達。

這是一個成功的 XMRBTC 賣單的輸出示例:

![Output of a successfully placed sell order](/data/attachment/album/202103/28/094059o026ikbaqx3ak6e4.png "Output of a successfully placed sell order")

成功賣單的輸出

該行為使後續步驟更加簡單:你可以始終假設只要成功輸出,就表示訂單成功。因此,你可以添加一個 基礎操作 元素,該元素將簡單地輸出 True 並將此值放入棧中以表示是否下單。

如果出現錯誤的話,你可以在日誌信息中查看具體細節(如果啟用日誌功能)。

![Logging output of Binance Order element](/data/attachment/album/202103/28/094100lksn1anu9npa99aw.png "Logging output of Binance Order element")

幣安訂單元素中的輸出日誌信息

調度和同步

對於日程調度和同步,請在網格 1 中將整個工作流程置於 幣安調度器 Binance Scheduler 元素的前面。

![Binance Scheduler at Grid 1, Position 1A](/data/attachment/album/202103/28/094100vg5oseqx5mmongua.png "Binance Scheduler at Grid 1, Position 1A")

在網格 1,1A 位置的幣安調度器

由於幣安調度器元素只執行一次,因此請在網格 1 的末尾拆分執行路徑,並通過將輸出傳遞迴幣安調度器來強制讓其重新同步。

![Grid 1: Split execution path](/data/attachment/album/202103/28/094100wq624z79q2732w6b.png "Grid 1: Split execution path")

網格 1:拆分執行路徑

5A 元素指向 網格 2 的 1A 元素,並且 5B 元素指向網格 1 的 1A 元素(幣安調度器)。

部署

你可以在本地計算機上全天候 7×24 小時運行整個程序,也可以將其完全託管在廉價的雲系統上。例如,你可以使用 Linux/FreeBSD 雲系統,每月約 5 美元,但通常不提供圖形化界面。如果你想利用這些低成本的雲,可以使用 PythonicDaemon,它能在終端中完全運行。

![PythonicDaemon console interface](/data/attachment/album/202103/28/094101rmm0m11k2so4r1yp.png "PythonicDaemon console interface")

PythonicDaemon 控制台

PythonicDaemon 是基礎程序的一部分。要使用它,請保存完整的工作流程,將其傳輸到遠程運行的系統中(例如,通過 安全拷貝協議 Secure Copy SCP),然後把工作流程文件作為參數來啟動 PythonicDaemon:

$ PythonicDaemon trading_bot_one

為了能在系統啟動時自啟 PythonicDaemon,可以將一個條目添加到 crontab 中:

# crontab -e

![Crontab on Ubuntu Server](/data/attachment/album/202103/28/094101gpj5vpvp3vps33ut.png "Crontab on Ubuntu Server")

在 Ubuntu 伺服器上的 Crontab

下一步

正如我在一開始時所說的,本教程只是自動交易的入門。對交易機器人進行編程大約需要 10% 的編程和 90% 的測試。當涉及到讓你的機器人用金錢交易時,你肯定會對編寫的代碼再三思考。因此,我建議你編碼時要儘可能簡單和易於理解。

如果你想自己繼續開發交易機器人,接下來所需要做的事:

  • 收益自動計算(希望你有正收益!)
  • 計算你想買的價格
  • 比較你的預訂單(例如,訂單是否填寫完整?)

你可以從 GitHub 上獲取完整代碼。

via: https://opensource.com/article/20/4/python-crypto-trading-bot

作者:Stephan Avenwedde 選題:lujun9972 譯者:wyxplus 校對:wxy

本文由 LCTT 原創編譯,Linux中國 榮譽推出


本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive

對這篇文章感覺如何?

太棒了
0
不錯
0
愛死了
0
不太好
0
感覺很糟
0
雨落清風。心向陽

    You may also like

    Leave a reply

    您的電子郵箱地址不會被公開。 必填項已用 * 標註

    此站點使用Akismet來減少垃圾評論。了解我們如何處理您的評論數據

    More in:Linux中國