با استفاده از الگوریتم خط طلایی ، بیت کوین ، ریپل ، اتریوم و Dogecoin را پیش بینی کردم. کد کامل پایتون به اشتراک گذاشته شده است.

مقاله او کمی متفاوت از حد معمول خواهد بود. برای افرادی که چند ماه در متوسط یا یوتیوب دنبال من می شوند ، مقالات یا فیلم های مختلفی را مشاهده کرده اید که من از آنها از ریاضیات ، علوم و احتمال استفاده می کنم تا به پیش بینی بازار کمک کنم.

به تازگی ، من بعد از دیدن اعتیاد به مواد مخدره و قوی خرید ، به ارزهای رمزپایه علاقه مند شدم. اما قبل از حفر عمیق تر و شروع به صحبت در مورد تئوری و برنامه نویسی ، بیایید کمی پیش زمینه داشته باشیم و ببینیم که تاکنون چه چیزی را پوشش داده ایم.

قبل از شروع

در مقاله قبلی ، ما یک تکنیک ریاضی معروف را در S& P 500 (شاخص بورس اوراق بهادار ایالات متحده) آزمایش کردیم. ما فهمیدیم که نظریه گروه بولینگر چقدر دقیق و فوق العاده است که می خواهید در بازار ایالات متحده تجارت کنید.

پایتون: من یک تکنیک ریاضی تجارت را در زمان واقعی آزمایش کرده ام.

من در زمان واقعی اجرای برنامه ریزی شده با پایتون از یک تکنیک معروف ریاضی برای پیش بینی بازار آزمایش کرده ام ...

حتی اگر تمام معاملات کامل نبود ، این الگوریتم قبلی شاخص های جدی روند را برای پیش بینی حرکت بازار به ارمغان آورد.

با این حال ، پس از پشتوانه ، متوجه شدم که نظریه جان بولینگر در مقاله بالا توسعه یافته است ، به طور دقیق ارزهای رمزنگاری شده را پیش بینی نمی کند.

به همین دلیل پس از آزمایشات و قرائت های بیشتر ، یک الگوریتم ویروسی ظاهر شد: Golden Cross vs Death Cross.

به همین دلیل من آن را برای چند هفته آزمایش کردم و در اینجا Recap من است.

قبل از کاوش در اسکریپت برنامه نویسی برای آزمون زنده ، بیایید شروع به حفر برخی از علوم اساسی و سؤالات نظری کنیم و به چگونگی محاسبه این سیگنال های تجاری بپردازیم.

صلیب طلایی ، مرگ صلیب؟

برای افرادی که پیشینه مالی دارند ، شاخص های صلیب طلایی و مرگ ، مشتق از میانگین های متحرک هستند که به آن شاخص های متقاطع نیز گفته می شود.

مانند میانگین های متحرک ، هر یک از این دو شاخص متقاطع با میانگین ارزش بسته شدن بازار در یک دوره خاص با استفاده از فرمول های زیر محاسبه می شود.

این مفهوم شامل ترکیب دو میانگین متحرک (کوتاه مدت و بلند مدت) برای به دست آوردن روند رمزنگاری خواهد بود. سیگنال های خرید یا فروش هنگامی اتفاق می افتد که میانگین حرکت کوتاه مدت از میانگین حرکت بلند مدت فراتر رود یا بازپس گیری کند.

از نظر ریاضی ، اگر میانگین متحرک کوتاه مدت 5 دوره و میانگین حرکت طولانی مدت 20 دوره را انتخاب کنید ، ما با پیروی از شرایط زیر سیگنال خرید خود را دریافت خواهیم کرد:

با ma (5) و ma (20) کاملاً برابر با:

cprice با ارزش قیمت بسته شدن مطابقت دارد. به عنوان مثال ، در حال حاضر 49،670 دلار برای بیت کوین. و T یک دوره زمانی تعریف شده است.(توضیحات بیشتر در فیلم آموزشی در پایان این مقاله).

این شاخص های متقاطع بخشی از معادله برای کمک به تشخیص روند جهانی رمزنگاری مورد مطالعه است. این CI (شاخص های متقاطع) معمولاً توسط معامله گران و صندوق های مختلف در سراسر جهان برای تعریف پشتیبانی ، سطح مقاومت ، توقف و اهداف و درک روند اساسی استفاده می شود.

اکنون که ما کمی پس زمینه را پوشش داده ایم ، بیایید آزمون را شروع کنیم و ببینیم که چگونه می توانند به پیش بینی بازار کمک کنند.

اگر می خواهید با همان سرعت کدگذاری کنید ، پیکربندی و بسته هایی وجود دارد که قبل از آن باید نصب کرده باشند.

علاوه بر این ، اگر خیلی بی تاب هستید و می خواهید بدانید که چگونه به سرعت این استراتژی را پیاده سازی کنید ، می توانید مستقیماً به ضبط در پایان این مقاله نگاه کنید. من این استراتژی را به صورت زنده اعمال می کنم و شما می توانید به نتیجه خودتان نگاهی بیندازید :).

من خودم را در توضیح تئوری ، کد ضبط کردم و نکات اضافی در مورد راه توسعه آن ارائه دادم. خودتان می توانید آن را در خانه اعمال کنید.

پيش نياز:

اول از همه ، اگر می خواهید پیشرفت من را ردیابی کنید و قبل از شروع ، باید نسخه Python 3 و بسته های زیر را روی دستگاه خود نصب کنید:

اگر هر یک از این بسته ها از قبل نصب نشده است ، می توانید همانطور که در زیر آمده است از دستور PIP استفاده کنید.

پیپ نصب yfinanceنصب پیپ

هنگامی که اطمینان حاصل کردید که بسته های زیر نصب شده است ، می توانیم با صحبت در مورد خط لوله داده و مدل داده خود شروع کنیم.

خط لوله داده و مدل سازی:

اکنون که تأیید کردیم که بسته های فوق در دستگاه ما نصب شده است ، می توانیم پردازش داده ها را تعریف کنیم.

مدل داده به 3 مرحله مجزا تقسیم می شود.

اول از همه ، ما داده های Cryptocurrency Live Live را با استفاده از API Finance Yahoo پرس و جو خواهیم کرد.

دوم ، یک دوره زمانی را تعریف کنید ، ستون های جدیدی را برای زمینه های محاسبه شده ما ایجاد کنید و هر ثانیه این مقادیر را به روز کنید.

سوم ، این نمودار را به صورت زنده بکشید و بررسی کنید که سیگنال های ما دقیق هستند یا خیر.

در طول این مقاله ، من در مورد کد و API زیاد به جزئیات نمی پردازم. می توانید اطلاعات بیشتری در مورد نحوه دریافت بازار زنده خواندن مقاله در زیر پیدا کنید: