使用 Python 怎么實現自動交易加密貨幣

使用 Python 怎么實現自動交易加密貨幣，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

工具鏈

將在本教程使用如下工具：

• 幣安專業(yè)交易視圖（已經有其他人做了數據可視化，所以不需要重復造輪子）

• Jupyter 筆記本：用于數據科學任務

• Pythonic：作為整體框架

• PythonicDaemon ：作為終端運行（僅適用于控制臺和 Linux）

數據挖掘

為了使加密貨幣交易機器人盡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. 鴻蒙官方戰(zhàn)略合作共建——HarmonyOS技術社區(qū)

2. 與幣安時間同步

3. 下載 OHLC 數據

4. 從文件中把 OHLC 數據加載到內存

5. 比較數據集并擴展更新數據集

這個工作流程可能有點夸張，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(wěn)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(zhí)行你的代碼。

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）。

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 變量來訪問 DataFrame。其中，將 Vim 設置為 基礎操作 元素的默認代碼編輯器。

使用 Vim 編輯基礎操作元素

具體代碼如下：

import pickle, pathlib, osimport 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。然后在用戶的家目錄（~/）中查找名為 TRXBTC_1h.bin 的文件。如果存在，則將其打開，執(zhí)行新代碼段（try 部分中的代碼），并刪除重復項。如果文件不存在，則觸發(fā)異常并執(zhí)行 except 部分中的代碼，創(chuàng)建一個新文件。

只要啟用了復選框 日志輸出log output，你就可以使用命令行工具 tail 查看日志記錄：

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

出于開發(fā)目的，現在跳過與幣安時間的同步和計劃執(zhí)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，你必須借助返回元素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。

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。

配置技術分析元素

當你運行整個程序并開啟 技術分析Technical Analysis 元素的調試輸出時，你將發(fā)現 EMA-25 列的值似乎都相同。

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 個字節(jié)完整精度的浮點值。

為了能進行進一步處理，請?zhí)砑?nbsp;基礎操作 元素：

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，以便可以將其加載到 Jupyter 筆記本中；

將擴展后的 DataFrame 存儲到文件中

評估策略

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

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，并且會保留所有小數位。

你已經知道如何來獲得最新的數據。上面示例的最后一行僅顯示該值。為了能將該值拷貝到不同的變量中，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。

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。但是我怎么知道 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。

回測功能

在此示例中，buy_factor 和 sell_factor 是預先定義好的。因此，發(fā)散思維用直接計算出表現最佳的參數。

嵌套的 for 循環(huán)，用于確定購買和出售的參數

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

5Af65b11f637ce55589036c357df10.png" target="_blank"><img src="https://s5.51cto.com/oss/202103/29/895Af65b11f637ce55589036c357df10.png" width="auto" border="0" height="auto" alt="" title="">

將利潤與相關的交易參數按降序排序

當你打印出列表時，你會看到 0.002 是最好的參數。

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(zhí)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(zhí)行評估邏輯。這是該元素中的代碼：

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(zhí)行路徑。

5A397c4d0c592d6c5e8d54b81c.png" target="_blank">

分支元素：網格 3，2A 位置

因為 0 和 -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。

分支元素：網格 3，3B 位置

網格 3 應該現在如下圖所示：

網格 3 的工作流程

下單

由于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量，以指示你是否已經購買。

你可以利用 棧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于文件的棧。

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。

將 False 變量傳輸到后續(xù)的棧元素中

在分支樹后的棧實例可以進行如下配置：

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 無Nothing。否則，布爾值將被 1 或 0 覆蓋。

該設置確保僅將一個值保存于棧中（True 或 False），并且只能讀取一個值（為了清楚起見）。

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

判斷棧中的變量

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：

網格 3 的工作流程

幣安訂單元素應如下配置：

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。

在幣安賬戶設置中創(chuàng)建一個 API 密鑰

在本文中，每筆交易都是作為市價交易執(zhí)行的，交易量為 10,000 TRX（2020 年 3 月約為 150 美元）（出于教學的目的，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(zhí)行下單（例如，網絡問題、資金不足或貨幣對不正確），則不會觸發(fā)后續(xù)元素。因此，你可以假定如果觸發(fā)了后續(xù)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：

成功賣單的輸出

該行為使后續(xù)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 并將此值放入棧中以表示是否下單。

如果出現錯誤的話，你可以在日志信息中查看具體細節(jié)（如果啟用日志功能）。

5A5046bc2.png" target="_blank"><img src="https://s6.51cto.com/oss/202103/29/adafdf0329f7dd08340b4c15A5046bc2.png" width="600" border="0" height="auto" alt="" title="">

在網格 1，1A 位置的幣安調度器

由于幣安調度器元素只執(zhí)行一次，因此請在網格 1 的末尾拆分執(zhí)行路徑，并通過將輸出傳遞回幣安調度器來強制讓其重新同步。

網格 1：拆分執(zhí)行路徑

5A 元素指向 網格 2 的 1A 元素，并且 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&times;24 小時運行整個程序，也可以將其完全托管在廉價的云系統(tǒng)上。例如，你可以使用 Linux/FreeBSD  云系統(tǒng)，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云，可以使用 PythonicDaemon，它能在終端中完全運行。

PythonicDaemon 控制臺

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(tǒng)中（例如，通過安全拷貝協(xié)議Secure Copy SCP），然后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(tǒng)啟動時自啟 PythonicDaemon，可以將一個條目添加到 crontab 中：

# crontab -e

5Affe9f04ec1f392dab2124b8.png" target="_blank"><img src="https://s6.51cto.com/oss/202103/29/a0b9ace5Affe9f04ec1f392dab2124b8.png" width="auto" border="0" height="auto" alt="" title="">

在 Ubuntu 服務器上的 Crontab

看完上述內容，你們掌握使用 Python 怎么實現自動交易加密貨幣的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業(yè)資訊頻道，感謝各位的閱讀！