قسمت اول: آموزش گام به گام برای راه اندازی و استفاده از API Binance در پایتون به استراتژی های پشتی ، داده های ترسیم یا تجارت زنده با استفاده از قوانین از پیش تعریف شده.

• معرفی
• کلید API Binance خود را ایجاد کنید
• با استفاده از پایتون به Binance Client متصل شوید
• از API Binance استفاده کنید
• تمام قیمت سکه ها را دریافت کنید
• قیمت های تاریخی را بدست آورید
• تجسم داده ها
• نتیجه

معرفی

یک آموزش گام به گام برای تنظیم و استفاده از API Binance در پایتون به استراتژی های Backtest ، داده های ترسیم یا تجارت زنده با استفاده از قوانین از پیش تعریف شده.

این قسمت (قسمت اول) نحوه ایجاد کلیدهای API ، اتصال به API Binance را پوشش می دهد و قیمت فعلی دارایی های موجود برای تجارت را دریافت می کند. ما همچنین خواهیم دید که چگونه می توان داده های تاریخی را به استراتژی های بعدی Backtest در اختیار داشت.

قسمت دوم نحوه قرار دادن یک ترتیب نقطه و نظم آینده را پوشش می دهد. نحوه بستن این معاملات و اطلاعات در مورد آنها.

قسمت سوم نحوه ایجاد یک جریان داده جریان زنده را پوشش می دهد تا بتواند هر ثانیه قیمت زنده جدید یک دارایی خاص را داشته باشد.

کلید binance خود را ایجاد کنید

به Binance وصل شوید و به مدیریت API بروید تا یک جفت کلیدی ایجاد کنید:

و جفت کلید API خود را ایجاد کنید:

گزینه های مورد نظر و محدودیتی را که می خواهید استفاده کنید انتخاب کنید. مراقب باشید که کلیدهای API خود را به اشتراک نگذارید ، به خصوص اگر کلید شما آینده را فعال کرده یا خارج شده باشد.

اطلاعات مهم مورد نیاز شما کلیدهای API و کلیدهای مخفی شماست. این دو در برنامه پایتون ما استفاده می شود.

با استفاده از پایتون به Binance Client متصل شوید

اکنون که کلید خود را دارید ، برای مراحل بعدی آماده هستید.

برای استفاده و مدیریت API Binance به راحتی از یک کتابخانه پایتون استفاده خواهیم کرد. آن را با دستور زیر نصب کنید:

PIP نصب پایتون#و سپس آن را در پرونده Python خود وارد کنیداز Binance. Client Import Client

سپس کتابخانه را به پرونده پایتون وارد می کنیم و آن را به مشتری Binance وصل می کنیم.

برای اتصال به مشتری ، فقط API و متغیر کلید مخفی خود را تعریف کرده و عملکرد مشتری را اجرا کنید.

از مشتری واردات پایتونapi_key = "کلید API شما"API_SECRET = "کلید مخفی API شما"مشتری = مشتری (api_key ، api_secret)

برای تأیید صحت کلیدهای شما و اتصال به Binance ، این عملکرد را اجرا کنید که سرور را پینگ می کند.

اگر این یک فرهنگ لغت خالی را برگرداند ، این بدان معنی است که همه صحیح است و شما برای مراحل بعدی آماده هستید.

چاپ (client. ping ())#اگر بازگشت است "<>"همه چیز خوب است ، شما برای مرحله بعدی آماده هستید

با استفاده از API Binance

اکنون ما به یک مشتری Binance متصل هستیم. بنابراین ما می توانیم با API کمی بازی کنیم تا در مورد یک دارایی خاص برای یک استراتژی Backtest ، یا فقط برخی از معاملات را اجرا کنیم.

در اینجا برخی از کارکردهای مفید که ممکن است اغلب از آنها استفاده کنید.

همه سکه ها و قیمت ها را دریافت کنید

این عملکرد لیستی را با تمام سکه های موجود برای تجارت در سیستم عامل با قیمت آنها باز می گرداند.

اطلاعات = client. get_all_tickers ()

مثال خروجی:

برای کار با این داده ها از پاندای کتابخانه Python استفاده خواهیم کرد تا این موارد را در یک DataFrame ذخیره کنیم. این کار دستکاری را تسهیل می کند.

فقط پاندا را در سند پایتون نصب و وارد کنید:

PIP PANDAS را نصب کنید

ما فقط برای انتخاب نوع داده ستون ها ، چند خط کد اضافه خواهیم کرد و یک شاخص را در DataFrame اضافه می کنیم.

واردات پاندا به عنوان PDdf = pd. dataframe (client. get_all_tickers ())df = df. set_index ("نماد")df ["قیمت"] = df ["قیمت"]. Astype ("float")df. index = df. index. astype ("رشته")چاپ (DF)

در اینجا جدول خروجی وجود دارد:

نماد قیمتETHBTC 0. 073483LTCBTC 0. 003261BNBBTC 0. 008944NEOBTC 0. 000749qtumeth 0. 003475. . nuaud 1. 227500NURUB 65. 840000Reeftry 0. 353900reefbidr 521. 200000Shibdoge 0. 000238

برای جداسازی یک قیمت خاص برای یک دارایی دقیق فقط استفاده کنید:

چاپ (df. loc ["btcusdt])

قیمت 62228. 99نام: btcusdt ، dtype: float64

قیمت تاریخی دریافت کنید

اگر می خواهید قیمت های تاریخی یک دارایی خاص را برای یک استراتژی پشتی داشته باشید یا فقط آن را روی یک نمودار ترسیم کنید ، این عملکرد بسیار مهم است. ما چگونگی یافتن استراتژی پشتی را برای یافتن بهترین پارامترها در مقاله آینده پوشش خواهیم داد.

برای اجرای این عملکرد ، یک دارایی ، تاریخ شروع ، تاریخ پایان و یک بازه زمانی مشخص خواهیم کرد.

بازه زمانی دلتا بین دو داده قیمت خواهد بود.

واردات پاندا به عنوان PDAsset = "btcusdt"شروع = "2021. 10. 1"پایان = "2021. 11. 1"بازه زمانی = "1d"df = pd. dataframe (ادعا ، بازه زمانی ، شروع ، پایان)

این یک جدول با تمام داده های دارایی (BTC/USDT) بین اول اکتبر 2021 و اول نوامبر 2021 با یک بازه زمانی 1 روزه باز می گردد.

برای تمیز کردن کمی و یک جدول خوب ، پیشنهاد می کنم این چند خط اضافه کنید. اینها ستون هایی را انتخاب می کنند که در DataFrame قرار دارند و داده ها را با فرمت قابل خواندن تبدیل می کنند.

df = pd. dataframe (client. get_historical_klines (دارایی ، بازه زمانی ، شروع ، پایان))df = df. iloc [. 6]df. columns = ["Date" ، "Open" ، "High" ، "Low" ، "Close" ، "Volume"]df = df. set_index ("تاریخ")df. index = pd. to_datetime (df. index ، واحد = "ms")df = df. astype ("float")چاپ (DF)

شما اکنون یک جدول زیبا حاوی تاریخ ، قیمت باز ، قیمت بالا ، پایین ، قیمت نزدیک و حجم اجرا شده است. این داده ها برای ایجاد یک استراتژی و محاسبه برخی از شاخص های فنی بسیار مهم است ، ما در آینده ای نزدیک از آنها استفاده خواهیم کرد.

در اینجا مثالی از خروجی آورده شده است:

تاریخ باز شدن حجم کم کم2021-10-01 43820. 01 48495. 00 43283. 03 48141. 61 66244. 8749202021-10-02 48141. 60 48336. 59 47430. 18 47634. 90 30508. 9813102021-10-03 47634. 89 49228. 08 47088. 00 48200. 01 30825. 0560102021-10-04 48200. 01 49536. 12 46891. 00 49224. 94 46796. 4937202021-10-05 49224. 93 51886. 30 49022. 40 51471. 99 52125. 6679302021-10-06 51471. 99 55750. 00 50382. 41 55315. 00 79877. 5451812021-10-07 55315. 00 55332. 31 53357. 00 53785. 22 54917. 3776602021-10-08 53785. 22 56100. 00 53617. 61 53951. 43 46160. 2578502021-10-09 53955. 67 55489. 00 53661. 67 54949. 72 55177. 080130

داده ها را تجسم کنید

اگر می خواهید به راحتی DataFrame را که فقط از API Binance بهبود می یابید ، تجسم کنید ، این روش آسان است:

کتابخانه MPLFinance را نصب و وارد کنید:

PIP نصب mplfinance

و سپس آن را در کد پایتون خود وارد کنید. سپس شما فقط باید DataFrame را با استفاده از کتابخانه MPL ترسیم کنید تا نمودار خوبی از دارایی داشته باشید ، اگر می خواهید طراحی نمودار را تغییر دهید ، فقط به مستندات کتابخانه MPLFinance مراجعه کنید.

وارد کردن mplfinance به عنوان mpl#کد را برای ایجاد DataFrame که قبلاً می بینیم ، استفاده کنیدmpl. plot (df ، نوع = 'شمع')

در اینجا خروجی و نمودار زیبا وجود دارد:

در این گزینه می توانید به راحتی برخی از شاخص های فنی مانند برخی از میانگین های متحرک ساده و نمودار حجم را با:

mpl. plot (df ، نوع = 'شمع' ، حجم = درست ، mav = 7)

نتیجه

ما دیده ایم که چگونه می توان کلیدهای API را ایجاد کرد و با استفاده از پایتون به API Binance متصل شد.

اکنون می توانیم به راحتی داده های تاریخی دارایی را برای پشتوانه یک استراتژی داشته باشیم ، خواهیم دید که چگونه این کار را در یک مقاله آینده انجام دهیم.

این راهنما را دنبال کنید تا به راحتی بتوانید ربات تجارت خود را ایجاد کنید.

با تشکر از خواندن

بیشتر بدانید

نحوه توسعه یک ربات شرط بندی داوری با استفاده از پایتون

© کلیه حقوق محفوظ است ، سیمون فرز