用不到150行python代碼打造專屬你自己的自動化binance自動下單交易程式

于正龍（Ricky）

發佈於python程式自動化交易

更新於 2023/04/04發佈於 2023/03/01閱讀時間約 12 分鐘

投資理財內容聲明

文內如有投資理財相關經驗、知識、資訊等內容，皆為創作者個人分享行為。
有價證券、指數與衍生性商品之數據資料，僅供輔助說明之用，不代表創作者投資決策之推介及建議。
閱讀同時，請審慎思考自身條件及自我決策，並應有為決策負責之事前認知。
方格子希望您能從這些分享內容汲取投資養份，養成獨立思考的能力、判斷、行動，成就最適合您的投資理財模式。

在這篇文章中，我們將介紹如何使用Python來創建自動化的Binance交易程式。我們將利用Binance API，這是一個允許我們通過程式訪問Binance交易所的接口。這樣，我們就可以在程式中設定交易策略和條件，自動下單交易。

在開始之前，您需要先申請一個Binance交易所帳戶。

可以掃我的QR CODE來建立binance帳戶,這樣我們都會取得價值100美金的手續費反現卷。

接下來，請按照以下步驟進行操作：

步驟1：安裝必要的庫

在Python中，有一些庫可以用來訪問Binance API，這裡我們會使用Binance API庫。您可以使用以下命令在終端中安裝該庫：

pip install python-binance

步驟2：設置API密鑰

要訪問Binance API，您需要在Binance交易所中創建一個API密鑰。在Binance中，請前往“帳戶設置”>“API管理”，並創建一個新的API密鑰。請注意，請務必保護好您的API密鑰，以防止濫用。

步驟3：創建Python腳本

現在，讓我們開始創建Python腳本。以下是一個簡單的範例程式碼，它可以幫助您開始使用Binance API進行交易：

主程式

沒錯主程式就只有15行,定義了一個while迴圈讓他持續執行,並且在每一次迴圈

做以下幾件事情:

1.利用get_signal函數取得漲跌方向,BUY,SELL,PASS

2.取得當前時間

3.將多空方向和當前時間打印在屏幕上

4.若有出現BUY或SELL的訊號則發送此訊號至telegram

同一時間利用place_order函數串接binance api光速下單

5.這裡設定60*15是因為我的交易頻率是15分鐘,因此等待下一根k棒出現

6.刷新屏幕

步驟4：定義place_order函數

其中api_key和api_secret可以到binance api官方網站取得

步驟五:定義send_to_telegram函數

其中apiToken跟chatID的取得方式如下:

首先手機安裝telegram然後打開telegram搜索好友輸入bot

尋找一個叫做BotFather和IDBot的傢伙

跟BotFather聊天

輸入/newbot

之後他會問你要取什麼名字,注意名字要用bot結尾,之後如果沒有跟別人撞名

應該就會新建好一個bot同時他會告訴你該bot的apiToken

chatID取得:

這個更簡單了跟IDBot聊天輸入:/start

IDBot就會回覆你一個chatID

步驟六:定義get_signal函數

這邊我們可以使用finlab_crypto套件幫忙製作

import numpy as np
import finlab_crypto
from finlab_crypto import Strategy
pairs = ['BTCUSDT'] #交易對
freq = '15m' # 資料頻率
n1n2 = {}
for i in pairs:
    n1n2[i] = []
def Optimization(pair,freq):
    # 歷史價格數據
    ohlcv = finlab_crypto.crawler.get_nbars_binance(pair,freq,10000,client)
    #定義策略
    @Strategy(sma1=20, sma2=60)
    def sma_strategy(ohlcv):
    # 定義均線策略進出場條件
        close = ohlcv.close
        sma1 = close.rolling(sma_strategy.sma1).mean()
        sma2 = close.rolling(sma_strategy.sma2).mean()
        entries = (sma1 > sma2) & (sma1.shift() < sma2.shift())
        exits = (sma1 < sma2) & (sma1.shift() > sma2.shift())
        figures = {'overlaps': {'sma1': sma1,'sma1': sma2}}
    return entries, exits, figures
    # 策略超參數
    variables = {
    'sma1': np.arange(5, 100, 5),
    'sma2': np.arange(5, 200, 5),
    }
    #回測及優化
    portfolio = sma_strategy.backtest(ohlcv, variables=variables, freq=freq ,plot=True)
    temp = portfolio.total_profit()[portfolio.total_profit()==portfolio.total_profit().max()].to_frame().reset_index()
    n1n2[pair] = [temp['sma1'].values[0],temp['sma2'].values[0]]
for pair in pairs:
    portfolio = Optimization(pair,freq)

其中在這一段

#定義策略
@Strategy(sma1=20, sma2=60)
def sma_strategy(ohlcv):
# 定義均線策略進出場條件
    close = ohlcv.close
    sma1 = close.rolling(sma_strategy.sma1).mean()
    sma2 = close.rolling(sma_strategy.sma2).mean()
    entries = (sma1 > sma2) & (sma1.shift() < sma2.shift())
    exits = (sma1 < sma2) & (sma1.shift() > sma2.shift())
    figures = {'overlaps': {'sma1': sma1,'sma1': sma2}}
return entries, exits, figures

定義了一個簡單的雙均線策略,黃金交叉買進死亡交叉賣出,但是問題來了

我們怎麼知道最好的兩條均線參數是多少呢?sma5 sma10 sma20 sma60?

portfolio = sma_strategy.backtest(ohlcv, variables=variables, freq=freq ,plot=True)
temp = portfolio.total_profit()[portfolio.total_profit()==portfolio.total_profit().max()].to_frame().reset_index()
n1n2[pair] = [temp['sma1'].values[0],temp['sma2'].values[0]]

於是上面這一行代碼就是在做backtest回測尋找最佳的均線參數

並且還可以看到回測結果

以及夏普ratio和pbo(策略是overfitting的機率)

一般來說建議pbo小於30%才建議使用sharpe_ratio大於0才建議使用

小知識:

在1976年到2011年期間，波克夏·哈薩威公司的夏普比率為0.76，高於任何其他股票或有超過30年歷史的互惠基金。同期股票市場的夏普比率為0.39。

因此我這個回測結果還算堪用,他幫我找了許多組的雙均線組合

最後發現最好的是[65,95]這一組

於是我們就可以用sma65和sma95來製作一個簡單的雙均線策略基於這個概念

打造一個get_signal函數

def get_signal(
    pair='BTCUSDT',
    freq='15m',
    n_bar = 10000,
    client = client,
    n1 = 65,
    n2 = 95,
    ):
    # get data
    ohlcv = finlab_crypto.crawler.get_nbars_binance(pair,freq,n_bar,client)
    # get signal table
    table = pd.DataFrame()
    table['close'] = ohlcv.close
    table['n1'] = ohlcv.close.rolling(n1).mean()
    table['n2'] = ohlcv.close.rolling(n2).mean()
    table['buy'] = ((table['n1'] > table['n2']) & (table['n1'].shift() < table['n2'].shift())).astype(int)
    table['sell'] = ((table['n1'] < table['n2']) & (table['n1'].shift() > table['n2'].shift())).astype(int)
    table = table.replace(0,np.nan).tail(1)
    if table[['buy','sell']].sum().sum() == 0:
        signal = 'PASS'
    if table[['buy']].values[0][0] == 1:
        signal = 'BUY'
    if table[['sell']].values[0][0] == 1:
        signal = 'SELL'
    return signal,n1,n2