加密货币算法交易框架

用于加密货币的 Python 算法交易框架

Algotrading Framework 是一个包含工具的仓库，可用于构建和运行有效的交易机器人、回测策略、辅助交易、定义简单的止损和追踪止损等。该框架可以直接从加密货币交易所的 API、数据库或 CSV 文件中获取数据。它可以用于数据驱动和事件驱动系统。目前专为加密货币市场设计，并使用 Python 编写。

---

如果您想立即开始，请按照此 快速入门指南

---

一篇专门介绍该项目的 Medium 文章

---

目录

• 运行模式

  • 实时模式
  • 逐笔模式
  • 回测模式

• 如何开始

  • 先决条件

  • 收集数据

    • 数据库
    • 脚本

• 入场函数

  • SMA 交叉

• 出场函数

  • SMA 交叉

• 绘制数据

• 日志

• 示例

  • 实时成交量增加警报
  • 使用 SMA 对 BTC-DGB 币对进行策略回测

• Pypy

• 待办事项

• 附加信息

---

运行模式

该框架有三种运行模式：

• 实时模式 -- 使用实时数据进行交易，可以是真实资金交易或模拟模式。
• 逐笔模式 -- 在实际时间框架内测试策略，以便用户可以跟踪其入场和出场点。
• 回测模式 -- 回测策略并展示结果。

实时模式

在实时模式下，交易机器人使用来自交易所 API 的实时数据进行操作。它不需要预先存储的数据或数据库即可工作。在此模式下，机器人可以进行真实资金交易、模拟交易，或者根据用户定义的入场和出场策略，在需要买入或卖出时向用户发出警报。此外，它还可以模拟用户的策略，并实时展示结果。

逐笔模式

逐笔模式允许用户在一个可见的时间范围内检查策略，以更好地查看入场和出场点，或检测策略中的错误以及新的入场和出场点。该模式使用来自 CSV 文件或数据库的数据。

回测模式

允许用户使用先前存储的数据回测策略。还可以绘制交易数据，显示已实施策略的入场和出场点。

如何开始

先决条件

要使算法交易完全运行，需要安装一些软件包和 Python 库，如 IPython、Pandas、Matplotlib、Numpy、Python-Influxdb 和 Python-tk。在 Linux 系统上，可以通过以下命令安装这些软件包：

pip install -r requirements.txt

收集数据

第一步是收集数据。为了获取市场数据，需要运行一个数据库来存储和管理所有数据，或者将数据保存到 CSV 文件中。有两种选择：

• 安装并配置一个数据库。
• 运行一个脚本将数据收集并保存到 CSV 文件中。

数据库

交易机器人已经准备好与 InfluxDB 配合使用，但稍作修改后也可以与其他数据库配合使用。

要安装、配置并使用 InfluxDB 数据库，您可以克隆此仓库： https://github.com/ivopetiz/crypto-database

脚本

如果您不想安装和管理任何数据库，而只是想将数据保存到 CSV 文件中，可以使用此 Gist 中的脚本： https://gist.github.com/ivopetiz/051eb8dcef769e655254df21a093831a

使用数据库是最佳选择，因为您可以使用数据库工具（如 Chronograf）分析和绘制数据，并且在需要时始终可以将数据导出为 CSV 文件。

入场函数

入场函数汇总了进入特定市场的所有策略。一旦数据满足进入特定市场的所有条件，就会采取相应行动。用户可以在同一调用中使用一个或多个函数，以满足条件并进入市场。函数应在可用数据代表用户入场点时返回 True，否则应返回 False。 <entry.py> 应汇总所有用户的入场函数。

示例

SMA 交叉

函数 将在第一个 SMA 跨过第二个 SMA 时返回 True，否则返回 False。

def cross_smas(data, smas=[5, 10]):
    '''
    根据 SMA 交叉情况检查是否为入场点。
    '''
    if data.Last.rolling(smas[0]).mean().iloc[-1] > \
       data.Last.rolling(smas[1]).mean().iloc[-1] and \
       data.Last.rolling(smas[0]).mean().iloc[-2] < \
       data.Last.rolling(smas[1]).mean().iloc[-2]:
        return True

    return False

出场函数

出场函数包含了所有负责出场策略的函数。当用户处于市场中，且数据满足出场条件时，机器人将退出市场。出场函数可以与其他出场函数结合使用，以覆盖更多情况，正如入场函数中所做的那样。还实现了止损和追踪止损功能，以便在价格意外下跌时退出市场。函数应在可用数据代表用户出场点时返回 True，否则应返回 False。 <exit.py> 应汇总所有用户的出场函数。

示例

SMA 交叉

函数 将在第一个 SMA 跨过第二个 SMA 时返回 True，否则返回 False。

def cross_smas(data, smas=[10, 20]):
    '''
    根据 SMA 交叉情况检查是否为出场点。
    '''
    if data.Last.rolling(smas[0]).mean().iloc[-1] < \
       data.Last.rolling(smas[1]).mean().iloc[-1] and \
       data.Last.rolling(smas[0]).mean().iloc[-2] > \
       data.Last.rolling(smas[1]).mean().iloc[-2]:
        return True

    return False

绘制数据

可以使用 Python 的 Matplotlib 库，在函数调用中设置 plot=True 选项，将入场和出场点绘制在市场数据之上。

日志

可以记录入场和出场点，以便评估策略，展示特定市场的盈亏情况以及总盈亏。

示例

以下是一些使用此框架的示例。

实时成交量倍增预警

当某个市场的成交量翻倍时触发预警：

from cryptoalgotrading.cryptoalgotrading import realtime

def alert_volume_x2(data):
    if pd.vol.iloc[-1] > pd.vol.iloc[-2]*2:
        return True
    return False

realtime([], alert_volume_x2, interval='10m')

alert_volume_x2 会检查当前市场成交量，并将其与前一个时间周期的成交量进行比较。当当前成交量超过前一周期成交量的两倍时，便会向用户发出警报。你还可以在 IPython 中实时添加这些函数，例如将它们集成到入场和出场的 Python 文件中。

使用 SMA 策略对 BTC-DGB 币对进行回测

要在特定市场中回测交叉简单移动平均线策略，并绘制入场点：

from cryptoalgotrading.cryptoalgotrading import backtest
import cryptoalgotrading.entry as entry

backtest(["BTC-XRP"], entry.cross_smas, smas=[15,40], interval='10m', from_file=True, plot=True)

基于 BTC_XRP 市场可用的数据，上述代码可以生成如下输出：

该图包含三个图表：顶部的图表展示了某一时间段内 BTC-XRP 的价格数据，以及布林带和三条 SMA 线；绿色点表示根据所定义策略的入场点。中间的图表显示了成交量数据，底部则展示了随时间变化的卖单数量。所有这些字段和图表都可以通过 plot 函数进行配置。

此外，还可以通过向 backtest 函数中添加出场函数来标记出场点。你可以为回测过程传入多个入场和出场函数，以定义不同的入场和出场条件。

这两个函数均已在 entry.py 和 exit.py 中作为示例提供。

在 finance.py 中还包含一些可能对实施某些策略有用的函数。

PyPy

本 Crypto AlgoTrading 框架可以与 PyPy 配合使用，但在使用 Pandas 和 Numpy 库时，性能表现并不理想。

待办事项

• Python 3 实现
• Cython 版本
• 针对 PyPy 的纯 Python 实现（无需依赖 Pandas 和 Numpy）

补充信息

API 密钥仅在执行买入/卖出操作时需要。对于回测、逐笔数据处理以及实时预警功能，API 密钥可以留空。

买入和卖出选项已被注释掉，建议仅在完全了解其风险的情况下使用。

如果你有兴趣使用此机器人但尚未在币安交易所注册账户，请通过我的推荐链接创建账户：https://accounts.binance.com/en/register?ref=17181609

---

请自行承担使用风险。

Algotrading 快速上手指南

Algotrading 是一个专为加密货币市场设计的 Python 算法交易框架，支持实时交易、逐笔回测和策略历史回测。它可以直接对接交易所 API，或使用数据库/CSV 文件数据进行驱动。

环境准备

系统要求

• 操作系统：推荐 Linux（Windows 和 macOS 也可运行）
• Python 版本：Python 3.x
• 注意：虽然支持 PyPy，但由于 Pandas 和 Numpy 的限制，建议使用标准 CPython 以获得最佳性能。

前置依赖

框架依赖以下核心 Python 库：

• IPython
• Pandas
• Matplotlib
• Numpy
• Python-Influxdb (如需使用 InfluxDB)
• Python-tk (用于绘图界面)

国内加速建议：在安装依赖时，推荐使用清华或阿里镜像源以提升下载速度。

安装步骤

1. 克隆项目代码

   git clone https://github.com/ivopetiz/algotrading.git
   cd algotrading
   

2. 安装依赖包

   方式 A：使用官方源

   pip install -r requirements.txt
   

   方式 B：使用国内镜像源（推荐）

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 数据准备（二选一）

   框架运行需要市场数据，你可以选择以下任一方式：

   • 方案一：使用 InfluxDB 数据库（推荐） 适合长期运行和复杂分析。需单独部署数据库，参考项目：

     git clone https://github.com/ivopetiz/crypto-database
     

   • 方案二：使用 CSV 文件 适合快速测试。运行脚本收集数据并保存为 CSV（脚本参考 Gist）： https://gist.github.com/ivopetiz/051eb8dcef769e655254df21a093831a

基本使用

框架主要提供三种模式：Realtime (实时)、Tick-by-tick (逐笔) 和 Backtest (回测)。

1. 实时音量监控示例

当某个交易对的成交量翻倍时发出警报。此模式不需要预存数据，直接连接交易所 API。

from cryptoalgotrading.cryptoalgotrading import realtime
import pandas as pd

def alert_volume_x2(data):
    # 检查当前成交量是否大于前一个时间周期成交量的 2 倍
    if data.vol.iloc[-1] > data.vol.iloc[-2]*2:
        return True
    return False

# 启动实时监控，时间间隔设为 10 分钟
realtime([], alert_volume_x2, interval='10m')

2. 策略回测示例

对 BTC-XRP 交易对进行双均线交叉策略（SMA）回测，并绘制进出场点位。

前提：确保已定义好 entry.cross_smas 函数（位于 entry.py 中）。

from cryptoalgotrading.cryptoalgotrading import backtest
import cryptoalgotrading.entry as entry

# 执行回测
# 参数说明：
# ["BTC-XRP"]: 交易对
# entry.cross_smas: 入场策略函数
# smas=[15,40]: 均线周期参数
# interval='10m': K 线时间间隔
# from_file=True: 从本地文件/数据库读取数据
# plot=True: 绘制结果图表
backtest(["BTC-XRP"], entry.cross_smas, smas=[15,40], interval='10m', from_file=True, plot=True)

输出说明： 运行后将生成包含三个子图的图表：

1. 顶部：价格走势、布林带及 SMA 均线，绿色点标记入场位置。
2. 中部：成交量数据。
3. 底部：卖出订单数量随时间的变化。

安全提示：默认的买卖操作代码已被注释。若需实盘交易，请确保你完全理解相关风险，并正确配置交易所 API Key。本工具仅供学习和研究使用，风险自担。