สร้าง Bot Trade Crypto ไม่ยากอย่างที่คิดด้วย Binance API

ในตลาด Crypto ที่มีความผันผวนสูงอีกทั้งตลาดยังเปิดให้ซื้อขายตลอด 24 ชั่วโมง การลงทุนในตลาด Crypto จึงมีความท้าทายอย่างมากสำหรับมนุษย์แต่ไม่ใช่สำหรับ Robot trade

Binance API

Binance API คือเครื่องมือในการดึงข้อมูลและส่งคำสั่ง API ของ Binance ช่วยให้นักพัฒนาสามารถเข้าถึงแพลตฟอร์มการแลกเปลี่ยนโดยใช้โปรโตคอล HTTP API เหล่านี้สามารถใช้เพื่อดึงข้อมูลตลาด จัดการคำสั่งซื้อ และดำเนินการอื่นๆ

หากต้องการใช้ API ของ Binance จะต้องสร้างบัญชี Binance และรับคีย์ API จากนั้นคุณสามารถใช้คีย์เหล่านี้เพื่อตรวจสอบคำขอ API ของคุณและเข้าถึงคุณลักษณะและฟังก์ชันของ Exchange ได้ สิ่งสำคัญคือต้องรักษาคีย์ API ของคุณให้ปลอดภัยและปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุดเมื่อใช้ API ของ Binance เพื่อรับรองความปลอดภัยของบัญชีและการเทรด

import binance
from binance.enums import *
import pybacktest
import backtrader as bt
import tensorflow as tf
import numpy as np

เราสามารถดึงข้อมูลด้วย code ดังต่อไปนี้

import requests
# Set the API endpoint URL
api_url = "https://api.binance.com/api/v3/ticker/price"
# Set the symbol for the cryptocurrency you want to retrieve data for
symbol = "BTCUSDT"
# Send a GET request to the API endpoint
response = requests.get(api_url, params={"symbol": symbol})
# If the request was successful, print the price data
if response.status_code == 200:
  data = response.json()
  print(f"Current price of {symbol}: {data['price']}")
else:
  print(f"Error retrieving price data for {symbol}")

# Data Extraction from Binance API
client = binance.Client("API_KEY", "API_SECRET")
historical_data = client.futures.klines(symbol="BTCUSDT", interval=KLINE_INTERVAL_1MINUTE)
real_time_data = client.futures.ticker(symbol="BTCUSDT")

ที่นี้เราจะสร้างกลยุทธเทรดง่ายๆ โดยหากผลตอบแทนมีแนวโน้มสูงขึ้นให้ซื้อและผลตอบแทนมีแนวโน้มตำ่ลงให้ขาย สำหรับใครที่อยากดูกลยุทธ์อื่นๆคลิ๊กได้เลย

หาหุ้น Momemtum ด้วย Python

สร้าง Bot Trade Crypto ไม่ยากอย่างที่คิดด้วย Binance API

# Momentum Algorithmic Trading Strategy with ML
data['position'] = np.sign(data['returns'].rolling(3).mean())
data['strategy'] = data['position'].shift(1) * data['returns']
data[['returns', 'strategy']].dropna().cumsum().apply(np.exp).plot();

และเราก็ใช้ระบบส่งคำสั่งได้โดย code ดังต่อไปนี้

# Order Management System
def create_order(symbol, side, order_type, quantity):
  try:
    order = client.futures.order_limit(
        symbol=symbol,
        side=side,
        type=order_type,
        quantity=quantity,
        price='0.00'
    )
    print(f'Order successful: {order}')
  except Exception as e:
    print(f'Error creating order: {e}')

# Backtesting System
strategy = bt.Strategy()

และเราก็สามารถหาค่า nav. เพื่อไปทำ backtesting

# backtesting trading strategy
def trade(df):
  # Initialize the holding and cash
  holding = 0
  cash = 1000

  # Iterate over the dataframe
  for index, row in df.iterrows():
    # Check if we have any holding
    if holding == 0:
      # Check if the momentum is positive
      if row["momentum"] > 0:
        # Buy the stock
        holding = cash / row["close"]
        cash = 0
    else:
      # Sell the stock
      cash = holding * row["close"]
      holding = 0

  # Return the final cash balance
  return cash

ข้อควรระวัง

โดยทั่วไปไม่ใช่ความคิดที่ดีที่จะไว้วางใจและพึ่งพา “หุ่นยนต์” หรือระบบอัตโนมัติสำหรับการซื้อขายบนแพลตฟอร์มเช่น Binance หรือการแลกเปลี่ยนสกุลเงินดิจิตอลอื่น ๆ มีโอกาสขาดทุนเสมอ และสิ่งสำคัญคือต้องทำการวิจัยอย่างถี่ถ้วนและทำความเข้าใจกับความเสี่ยงที่เกี่ยวข้องก่อนที่จะทำการซื้อขายใดๆ