@Ilya52

Как получить волатильность и объёмы торгов для криптовалют на разных биржах с помощью python?

Я хочу написать скрипт на python, который будет получать данные о волатильности о объёмах торгов для конкретных монет на разных криптобиржах, я написал две функции, но данные которые они выдают очень неточные. Может быть можно каким-нибудь другим способом получить эти данные?
Вот что получилось у меня:
async def get_volatility(exchange_id, coins):
    exchange_class = getattr(ccxt, exchange_id)
    exchange = exchange_class()
    await exchange.load_markets()
    symbols = exchange.symbols

    volatilities = {}
    since = exchange.milliseconds() - 60 * 60 * 1000  # последний час

    for coin in coins:
        symbol = next((s for s in symbols if coin in s and 'USDT' in s), None)
        if symbol is None:
            logger.error(f"{exchange_id} does not have market symbol {coin}/USDT")
            volatilities[coin] = 0
            continue

        try:
            ohlcv = await exchange.fetch_ohlcv(symbol, '30m', since)
            prices = [candle[4] for candle in ohlcv]
            if prices:
                avg_price = np.mean(prices, dtype=np.float64)
                std_dev = np.std(prices, dtype=np.float64)
                volatility = (std_dev / avg_price) * 100
            else:
                volatility = 0
            logger.info(f"Volatility for {coin} on {exchange_id}: {volatility:.2f}%")
            volatilities[coin] = volatility
        except (ccxt.NetworkError, ccxt.ExchangeError) as e:
            logger.error(f"Error fetching OHLCV for volatility calculation for {coin} on {exchange_id}: {e}")
            volatilities[coin] = 0

    await exchange.close()
    return volatilities
async def fetch_trade_volumes(exchange_id, coins):
    logger.info(f"Fetching trade volumes for {coins} on {exchange_id}")
    exchange_class = getattr(ccxt, exchange_id)
    exchange = exchange_class()
    await exchange.load_markets()
    symbols = exchange.symbols

    trade_volumes = {}
    since = exchange.milliseconds() - 30 * 60 * 1000  # последние 30 минут

    for coin in coins:
        symbol = next((s for s in symbols if coin in s and 'USDT' in s), None)
        if symbol is None:
            logger.error(f"{exchange_id} does not have market symbol {coin}/USDT")
            trade_volumes[coin] = 0
            continue

        logger.info(f"Fetching OHLCV data for {symbol} on {exchange_id} since {since}")
        try:
            ohlcv = await exchange.fetch_ohlcv(symbol, '1m', since)

            if not ohlcv:
                logger.warning(f"No OHLCV data returned for {symbol} on {exchange_id}")
                trade_volumes[coin] = 0
                continue

            volumes = [candle[5] for candle in ohlcv if candle[5] is not None]
            close_prices = [candle[4] for candle in ohlcv if candle[4] is not None]

            if not volumes or not close_prices:
                logger.warning(f"No valid volumes or close prices in OHLCV data for {symbol} on {exchange_id}")
                trade_volumes[coin] = 0
                continue

            trade_volume = sum(volume * price for volume, price in zip(volumes, close_prices))
            logger.info(f"Calculated trade volume for {symbol} on {exchange_id}: {trade_volume}")
            trade_volumes[coin] = trade_volume
        except (NetworkError, ExchangeError) as e:
            logger.error(f"Error fetching OHLCV for trade volume calculation for {coin} on {exchange_id}: {e}")
            trade_volumes[coin] = 0

    await exchange.close()
    return trade_volumes
  • Вопрос задан
  • 100 просмотров
Пригласить эксперта
Ответы на вопрос 1
@serg167
Привет!
Волатильность я считаю так.
Нужен список close_prices с ценами закрытия и interval_count_in_year, в котором указано, сколько торговых периодов содержится в году. Для дневок - 365, для часовиков - 365*24 и т.д.
Дальше все несложно:
# test data preparation
    close_prices = []
    for i in range(1, 30):
        close_prices.append(random.randint(52000, 57000))
    
    # setting the number of periods in a year
    interval_count_in_year = 365
    
    # volatility calculation
    sum_squares = sum(math.log(close_prices[i] / close_prices[i - 1]) ** 2
                    for i in range(1, len(close_prices)))
    st_dev = math.sqrt(sum_squares / (len(close_prices) - 1))
    volatility = round(st_dev * math.sqrt(interval_count_in_year) * 100, 2)

Для расчета волатильности обычно использую данные за последние 30 дней.
Зачем в формуле используется логарифм, объяснение - здесь: https://finopedia.ru/kak-rasscitat-istoriceskuu-vo....
Ответ написан
Комментировать
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы