Python Playground شماره 2 - تجزیه و تحلیل رمز ارزهای بیت کوین، آلت کوین ها و همبستگی آنها با استفاده از Heatmap

در این جلسه آموزشی به تجزیه و تحلیل بازارهای ارزهای دیجیتال با استفاده از زبان پایتون می پردازیم. ارزهای رمزپایه زیادی در اطراف وجود دارد و ما باید بازارها را به درستی تجزیه و تحلیل کنیم، در غیر این صورت میلیون ها سرمایه گذاری را از دست خواهیم داد.

نمودارهایی که در اینجا ترسیم خواهیم کرد به شرح زیر است:

"قیمت بیت کوین مبادله واحد یعنی Kraken" در مقابل "Date" - در اینجا، داده ها از Quandl API دریافت می شود.

«قیمت بیت کوین چند صرافی» در مقابل «تاریخ» - در اینجا، داده ها از Quandl API واکشی می شوند. این داده های قیمت BTC را برای بسیاری از صرافی های مختلف ارائه می دهد. FYI، پشتیبانی برای تبدیل به سایر ارزهای فیات وجود دارد.

«قیمت آلتکوین» در مقابل «تاریخ» - در اینجا، داده ها از صرافی پولونیکس دریافت می شوند. بنابراین، بسیاری از داده های قیمت Altcoin را ارائه می دهد.

نقشه حرارتی 10 ارز دیجیتال برتر با یکدیگر - در اینجا با استفاده از داده های قیمت صرافی پولونیکس، یک نقشه حرارتی جدولی را ترسیم می کنیم.

توجه: تمام نمودارهای این آموزش با استفاده از Plotly انجام می شود. برخلاف Matplotlib، بسیار مدرن است و شامل مجموعه داده های عظیمی است که می توان با استفاده از API نموداری واکشی کرد. همچنین، به دلیل توانایی آن در ترسیم نمودارهای پیچیده با استفاده از کدهای ساده، به طور گسترده در بسیاری از شرکت های فناوری استفاده می شود.

بنابراین، برای انجام این کار باید چند ابزار مبتنی بر پایتون نصب کنیم.

نصب ابزار

ما از Anaconda برای دسترسی به ویژگی ها استفاده خواهیم کرد.

یک محیط جداگانه ایجاد کنید. لازم نیست، اما توصیه می شود تا در صورت وجود چندین نوع پروژه در رایانه / لپ تاپ از تضاد جلوگیری شود. conda create --name cryptocurrency-analysis python=3

حال وارد محیط شوید تا کتابخانه های مورد نیاز را نصب کنید. تجزیه و تحلیل ارز دیجیتال را فعال کنید و سپس ابزارها را با استفاده از conda install numpy pandas نصب کنید nb_conda jupyter plotly quandl

نوت بوک jupyter را در دایرکتوری خود باز کنید (جایی که فایل های پروژه باید ذخیره شوند) از notebook jupyter استفاده کنید

اکنون، هنگامی که نوت بوک باز می شود، پوسته صحیح (جایی که همه ابزارها در آن نصب شده اند) را انتخاب کنید.

پس از انتخاب نوت بوک "تجزیه و تحلیل ارزهای دیجیتال" به این صورت باز می شود.

کد نویسی

Plotly برای رسم نمودارها استفاده می شود. حالت آفلاین Plotly را قادر می سازد تا نمودارها را در سرور آپلود کنید (باید حساب در نمودار داشته باشید) بعدا. کد به شرح زیر است: -

• اکنون برای دانلود داده ها از Quandl استفاده کنید - قطعه کد تابع helper به شرح زیر است:

دانلود داده ها با استفاده از دستور زیر: btc_usd_price_kraken = get_quandl_data('BCHARTS/KRAKENUSD') دیتافریم را به صورت زیر مشاهده کنید: btc_usd_price_kraken. head()

طرح بعدی نمودار ساده B/W 'BTC Price' و تاریخ: قطعه کد:

• اکنون داده ها را از بیش از یک مبادله بکشید -

داده ها را برای هر مبادله تجسم کنید -

• داده های قیمت مبادلات مختلف را در یک DataFrame واحد ادغام کنید -

برای بررسی مقادیر ، از btc_usd_datasets. tail () استفاده کنید

قیمت چند مبادله را با تاریخ ترسیم کنید. از کد زیر استفاده کنید:

در نمودار بالا ، می فهمیم که مقادیر "صفر" برای BTC وجود دارد که عملاً وجود نداشت. بنابراین ، مقادیر را با استفاده از نحو زیر با "نان" جایگزین کنید:

و نمودار جدید را با استفاده از py. plot ([btc_trace_bitstamp ، btc_trace_coinbase ، btc_trace_itbit ، btc_trace_kraken] ترسیم کنید)

برای سفارشی کردن نمودار بیشتر شبیه به اضافه کردن عنوان ، برچسب های محورها ، رنگ ، نام پرونده ("temp. plot" به طور پیش فرض) کد برای ترسیم نمودار سفارشی به شرح زیر است:

داده های قیمت Altcoin را از Exchange Poloniex بازیابی کنید

altcoins ارزهای رمزنگاری غیر از بیت کوین است. ما داده های قیمت 9 cryptocoins برتر را واگذار خواهیم کرد. و نمودار را ترسیم کنید - "قیمت برای هر رمزنگاری" در مقابل "تاریخ" و یک نقشه گرما از همه رمزنگاری ها با یکدیگر.

• توابع یاور را تعریف کنید - قطعه کد برای "عملکرد یاور برای دریافت داده های JSON":

قطعه کد برای "عملکرد یاور برای قالب بندی API Poloniex و دریافت داده های JSON با استفاده از عملکرد" get_json_data ":

در اینجا ، poloniex_pair می تواند به عنوان مثال باشد. BTC_ETH ، BTC_XRP و غیره

در اینجا ، ما در واقع در واکشی داده ها با مشکل روبرو هستیم. این به دلیل درخواست مجدد هر بار است. FYI ، به دلایل امنیتی انجام می شود. اگرچه ، این مسئله recaptcha با استفاده از سلنیوم قابل حل است. من در یک آموزش دیگر پوشش خواهم داد.

راه حل: یا به صورت دستی از Poloniex بارگیری کنید یا مبادله ای را که داده ها بدون مشکل Captcha داده می شود تغییر دهید.

اکنون ، برای واکشی داده های JSON از کتابخانه Pandas استفاده خواهیم کرد. من پرونده را به عنوان "poloniex_btc_eth. json" برای Coinpair ذخیره کردم - snippet کد BTC_ETH:

داده ها را با استفاده از altcoin_data ['eth'] تجسم کنید. دم ()

اکنون ما یک فرهنگ لغت از 9 dataframe (برای هر رمزنگاری) داریم که هر یک حاوی میانگین قیمت مبادله روزانه تاریخی بین آلتکوین و بیت کوین است.

• قیمت Altcoin (به طور پیش فرض) قیمت Altcoin را تبدیل کنید -

eth (price_usd) = eth (price_btc) * btc (price_usd)

بنابراین ، بیایید AVG را محاسبه کنیم. قیمت BTC با استفاده از کد زیر:

توجه: برای محاسبه 2 dataframe ، همیشه اطمینان حاصل کنید که COL INDEX یکسان است. در این حالت ، COL COL "تاریخ" است. در غیر این صورت ، مقادیر نان پیدا می کند.

اکنون ، برای محاسبه ، "تاریخ" را به عنوان ستون فهرست "altcoin_data" تنظیم کنید

قطعه کد برای محاسبه قیمت Altcoin در USD به شرح زیر است:

داده های "altcoin_date" را برای "ETH" و "BTC_USD_DATASETS" تجسم کنید تا مقادیر altcoin را در "price_usd" ببینید

تعداد کمی از صرافی ها داده های مربوط به سال 2011-2014 را ندارند. به منظور مقایسه نمودارها برای هر آلتکین ، باید تاریخ های خاص B/W را تجسم کنیم. به عنوان مثال. ژوئن 2015 تا دسامبر 2017

اکنون ، برای ترکیب داده های "altcoin_data" برای هر رمزنگاری ، اما فقط برای ستون "price_usd":

همچنین ، ستون "BTC" در زیر اضافه شده است:

اکنون ، طرح ساده به شرح زیر است: قطعه کد -

قطعه قطعه قطعه قطعه را سفارشی کنید:

در اینجا ، به دلیل قیمت بالای بیت کوین ، نمودارهای دیگر ناچیز به نظر می رسد.

• همبستگی های b/w cryptocur ارز - با وجود قیمت مبادله ، قیمت cryptocur ارز کمی مرتبط است. بنابراین ، در اینجا ما می خواهیم همبستگی B/W Cryptos را پیدا کنیم.

ما می توانیم فرضیه همبستگی خود را با استفاده از روش Pandas Corr () آزمایش کنیم ، که ضریب همبستگی پیرسون را برای هر ستون در DataFrame در برابر ستون یکدیگر محاسبه می کند.

در اینجا ، جدول حاکی از ضریب (نزدیک به 1 ی ا-1) است - به شدت با همبستگی یا معکوس همبسته است. ضریب (نزدیک به 0) - مقادیر تمایل به نوسان مستقل از یکدیگر دارند.

عملکرد یاور به این صورت تعریف شده است:

نقشه گرما با استفاده از -

در اینجا ، مقادیر قرمز تیره نشان دهنده همبستگی های قوی است (توجه داشته باشید که هر ارز بدیهی است که با خودش به شدت ارتباط دارد) ، و مقادیر آبی تیره نشان دهنده همبستگی های معکوس قوی است. تمام رنگهای آبی روشن/نارنجی/خاکستری/برنزه در بین درجات مختلف همبستگی های ضعیف/غیر موجود را نشان می دهد.

بیایید نمودار همبستگی ها را در سال 2017 ببینیم:

متعجب. این بسیار جالب است.

نتیجه

نمودارها توطئه های رمزنگاری ارز را با تاریخ نشان می دهند. و ما می توانیم ویژگی اعلان را فعال کنیم که در مورد افزایش قیمت ما به ما اطلاع می دهد.

در آخر ، نقشه گرما نشان می دهد که چگونه ارزهای رمزنگاری شده با توجه به مقادیر ضریب آنها مرتبط هستند. درخواست در صورت تجارت می تواند بسیار زیاد باشد. می توان نمودار را بر اساس سایر مقادیر رمزنگاری پیش بینی کرد.