Data Perdagangan Kripto Sejarah [Contoh Skrip Python]

>

Data perdagangan crypto sejarah mengandungi perdagangan individu yang dilaksanakan oleh pertukaran dari masa ke masa. Setiap sejarah perdagangan mengandungi maklumat mengenai pasangan perdagangan, ukuran perdagangan, waktu yang tepat perdagangan dijalankan, dan harga aset yang dibeli atau dijual.

Menariknya, data perdagangan ini juga digunakan untuk membina data OHLCV, menilai peristiwa pasaran yang berbeza, dan mengembangkan alat analisis. Memiliki data perdagangan tick-by-tick sejarah yang tepat dan boleh dipercayai sangat penting untuk menyusun semula peristiwa yang berlaku di pasaran dari masa ke masa.

Sepanjang artikel ini, kami akan memberikan beberapa contoh cara menggunakan API Pembangun Shrimpy untuk mengakses arkib lengkap data perdagangan sejarah yang bersumber dari Kaiko. Sebelum memulakan, kita harus mengatur persekitaran Python kita dengan memasang Perpustakaan Shrimpy Python. Ini akan menjadi perpustakaan utama yang akan memberi kita akses kepada semua yang ditawarkan oleh Shrimpy.

Data Perdagangan

Sejarah perdagangan pertukaran adalah cara bagi pedagang untuk membaca perdagangan jual beli terkini yang telah dilaksanakan di bursa.

Akses Data Perdagangan Sejarah

Untuk memulakan tutorial, mari kita mulakan dengan skrip paling asas yang boleh kita tulis. Skrip ini hanya akan meminta 10,000 perdagangan BTC / USD pertama yang berlaku selepas ‘2020-09-15T01: 00: 00.000Z’ di Coinbase Pro.

import udang

# daftar ke https://developers.shrimpy.io/ untuk mendapatkan kunci API anda

shrimpy_public_key = ‘…’

shrimpy_secret_key = ‘…’

# buat pelanggan Shrimpy

pelanggan = shrimpy.ShrimpyApiClient (shrimpy_public_key, shrimpy_secret_key)

perdagangan = client.get_historical_trades (

‘coinbasepro’,

‘BTC’,

‘DOLAR AMERIKA’,

‘2020-09-15T01: 00: 00.000Z’,

‘2020-09-16T01: 00: 00.000Z’,

10000

)

# tulis data ke fail teks

dengan terbuka (‘trades.txt’, ‘w’) sebagai fail:

file.write (json.dumps (perdagangan)) # gunakan `json.loads` untuk melakukan sebaliknya

Catatan: Beberapa proses pertukaran a banyak perdagangan. Pastikan untuk memantau penggunaan kredit data anda semasa mengakses data perdagangan kerana jumlah kredit data yang diperlukan dalam jangka masa tertentu akan berbeza-beza.

Menggunakan Perdagangan Untuk Mengira Slippage

Hanya untuk bersenang-senang, mari kita teliti skrip contoh yang akan mengumpulkan data perdagangan, mengatur setiap perdagangan mengikut cap waktu, dan mengira slippage yang dialami di bursa dalam setiap jangka masa 1 saat.

import udang

import csv

# daftar ke https://developers.shrimpy.io/ untuk mendapatkan kunci API anda

shrimpy_public_key = ‘…’

shrimpy_secret_key = ‘…’

# buat pelanggan Shrimpy

pelanggan = shrimpy.ShrimpyApiClient (shrimpy_public_key, shrimpy_secret_key)

perdagangan_dict = {}

perdagangan = client.get_historical_trades (

‘coinbasepro’,

‘BTC’,

‘DOLAR AMERIKA’,

‘2020-09-15T01: 00: 00.000Z’,

‘2020-09-16T01: 00: 00.000Z’,

10000

)

# perdagangan kumpulan yang berlaku pada masa yang sama

untuk perdagangan dalam perdagangan:

jika berdagang [‘time’] dalam trade_dict:

trades_dict [trade [‘time’]]. append (perdagangan)

lain:

trades_dict [trade [‘time’]] = []

trades_dict [trade [‘time’]]. append (perdagangan)

# hitung selisih untuk perdagangan yang berlaku pada masa yang sama

# pada akhir, kami menyimpan semua data ke fail csv

untuk kunci, nilai dalam trades_dict.items ():

slippage = (float (nilai [len (nilai) -1] [‘harga’]) – apungan (nilai [0] [‘harga’])) / apungan (nilai [0] [‘harga’])

jumlah = 0

untuk perdagangan nilai:

jumlah + = terapung (perdagangan [‘size’])

baris = [abs (slippage * 100), kunci, jumlah]

dengan terbuka (’24_hour_% s_slippage_% s_% s.csv’% (pertukaran, petikan, asas), ‘a’) sebagai csvFile:

penulis = csv.writer (csvFile)

author.writerow (baris)

Catatan: Ini bukan skrip peringkat pengeluaran. Mereka hanyalah contoh yang menyenangkan untuk memberikan maklumat mengenai apa yang mungkin dilakukan dengan data. Ada kemungkinan yang tidak terbatas, jadi bereksperimen dengan cara yang berbeza untuk menggunakan data!

Apa itu Slippage?

Slippage berlaku apabila pesanan tunggal atau pesanan berurutan ditempatkan dengan pertukaran yang menggunakan pesanan terbuka peringkat berturut-turut di bursa.

Ketersediaan Data

Sebelum kita mulai mengumpulkan data pasangan perdagangan, ada cara untuk mendapatkan pemahaman tentang berapa banyak data yang tersedia untuk setiap pasangan perdagangan. Ini dapat diakses dengan memanggil titik akhir untuk mendapatkan instrumen sejarah.

Mendapatkan senarai instrumen sejarah untuk pertukaran individu atau untuk semua pertukaran boleh dilakukan dengan menggunakan permintaan berikut di Python.

instrumen = client.get_historical_instruments () # dapatkan instrumen sejarah untuk semua pertukaran

bittrex_instruments = client.get_historical_instruments (‘Bittrex’) # dapatkan instrumen sejarah untuk Bittrex

Hasil permintaan ini akan kelihatan seperti berikut:

[

{

"pertukaran":"bittrex",

"baseTradingSymbol":"LTC",

"petikanTradingSymbol":"BTC",

"menempahBookStartTime":"2016-09-14T13: 00: 00.000Z",

"menempahBookEndTime":"2019-09-07T23: 00: 00.000Z",

"tradeStartTime":"2016-09-12T23: 00: 00.000Z",

"tradeEndTime":"2019-09-09T16: 00: 00.000Z" }

{

"pertukaran":"kucoin",

"baseTradingSymbol":"LTC",

"petikanTradingSymbol":"BTC",

"menempahBookStartTime":"2019-04-09T11: 00: 00.000Z",

"menempahBookEndTime":"2019-08-31T23: 00: 00.000Z",

"tradeStartTime":"2019-04-09T10: 00: 00.000Z",

"tradeEndTime":"2019-09-03T23: 00: 00.000Z" }

]

Bukan itu sahaja!

Sekiranya kita memerlukan maklumat yang lebih khusus mengenai berapa banyak titik data perdagangan yang tersedia dalam jangka masa tertentu, kita dapat menggunakan titik akhir untuk mendapatkan kiraan sejarah.

Contoh berikut menunjukkan bagaimana ini dapat dilakukan di Python.

perdagangan = client.get_historical_count (

‘perdagangan’,

‘binance’,

‘BTC’,

‘USDT’,

‘2019-05-01T00: 00: 00.000Z’,

‘2019-05-02T00: 00: 00.000Z’

)

Respons terhadap permintaan ini akan mengandungi jumlah perdagangan yang tersedia dalam jangka masa untuk pasangan perdagangan yang ditentukan. Ini akan kelihatan seperti berikut:

{

"mengira": 165012

}

Kesimpulannya

Sudah tiba masanya untuk membina!

Tidak ada batasan untuk apa yang dapat anda bina dengan data perdagangan sejarah. Sama ada anda ingin membina model pembelajaran mesin yang dapat meramalkan harga aset masa depan atau hanya ingin menganalisis peristiwa angsa hitam yang menarik, data perdagangan adalah tempat yang baik untuk memulakan ketika menganalisis data pasaran sejarah.

Kami tidak sabar untuk mendengar apa yang anda buat! Tinggalkan komen yang berkongsi alat yang anda buat dengan Shrimpy Developer API!

Bacaan Baik Tambahan

Cara Membuat Bot Perdagangan Crypto Menggunakan Python

Cara Memuat turun Data Lilin Cryptocurrency dari Bursa

Skrip Arbitrage untuk Crypto Trading Bots

Skrip untuk Harga Bitcoin Live Ticker (Menggunakan Websockets)

Mengenai Udang

API Perdagangan Pengembang Shrimpy adalah cara bersepadu untuk mengintegrasikan fungsi perdagangan di setiap bursa utama. Kumpulkan data pasaran, akses soket web masa nyata, jalankan strategi perdagangan lanjutan, dan uruskan jumlah pengguna yang tidak terhad.

API Dagangan Crypto Shrimpy: Udang | API Dagangan Kripto untuk Pembangun

Jangan lupa untuk mengikuti kami Twitter dan Facebook untuk kemas kini, dan ajukan sebarang pertanyaan kepada kami Telegram masyarakat.

Pasukan Udang

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me