在制定交易策略時，即使用過去的資料執行我們的策略並分析收益和其他重要因素時，我們必須確保我們擁有合適的資料型別。鑑於某些策略需要一定水平的技術資料，而其他資料可能只需要花費乙個小時的時間，該過程並不總是那麼簡單，而基礎架構，可用性和連線性等元素可能會因資料型別的不同而大相徑庭。
資料頻率和平衡
我想說，交易資料端點主要在99.99％的交易所中提供。它是細粒度的，提供了足夠的詳細資訊（在某些非常特殊的情況下）用於回測高頻交易（hft）策略，並且可以用作 ohlc candles（1s至24h或更多，如果你想要的話）的基礎。
交易資料是通用的，並且允許使用不同頻率的策略進行大量實驗。
為什麼選擇binance？那只是因為它是我由於數量龐大而傾向於回溯的交易所之一。
我們將要進行的編碼
我們將建立乙個python指令碼，該指令碼接收對符號，開始日期和結束日期作為命令列引數。它將包含所有交易的csv檔案輸出到磁碟。該過程可以通過以下步驟進行詳細說明：
1、解析symbol，starting_date和ending_date論據。
2、獲取開始日期發生的第一筆交易，以獲取第一筆交易trade_id。
3、迴圈獲取每個請求1000筆交易（binance api限制），直到ending_date達到為止。
4、最後，將資料儲存到磁碟。對於示例，我們將其儲存為csv，但是你還有其他選擇，不一定儲存為csv。
5、我們將使用pandas，requests，time，sys，和datetime。在**段中，將不會顯示錯誤驗證，因為它不會為說明新增任何值。
編碼時間
該指令碼將使用以下引數：
1、symbol：交易對的符號，由binance定義。可以在此處查詢，也可以從binance web應用程式的url複製（不包括 _ 字元）。
-starting_date and ending_date：不言自明。期望的格式為mm/dd/yyyy，或者使用python lang語為%m/%d/%y。
為了獲取引數，我們將使用內建函式sys（這裡沒有什麼花哨的地方），並且為了解析日期，我們將使用datetime庫。
我們將新增一天並減去一微秒，以使ending_date時間部分始終處於23:59:59.999，這使得獲取當天間隔更加實用。
提取交易
使用binance的api並使用aggtrades端點，我們可以在乙個請求中獲得最多1000 筆交易，如果我們使用開始和結束引數，則它們之間的間隔最多為一小時。在出現一些失敗之後，通過使用時間間隔獲取（在某個時間點或另乙個時間點，流動性會變得瘋狂，我會失去一些寶貴的交易），我決定嘗試from_id策略。
將aggtrades選擇的端點，因為它返回壓縮行業。這樣，我們將不會丟失任何寶貴的資訊。
獲得壓縮的總交易。在同一時間從同一訂單以相同**執行的交易將彙總數量。
該from_id策略是這樣的：
我們要得到的第一筆交易starting_date 通過傳送日期的時間間隔向終點。之後，我們將從第乙個獲取的交易id開始獲取1000個交易。然後，我們將檢查最後一筆交易是否發生在我們之後ending_date。如果是這樣，我們已經遍歷了所有時間段，可以將結果儲存到檔案中。否則，我們將更新from_id變數以獲取最後的交易id，然後重新開始迴圈。
取得第乙個交易編號
首先，我們建立乙個new_end_date。那是因為我們aggtrades通過傳遞a starttime和endtime 引數來使用。現在，我們只需要知道該期間的第乙個交易編號，因此我們將增加60秒。在低流動性貨幣對中，可以更改此引數，因為不能保證在請求的第一天發生交易。
然後，使用我們的輔助函式解析日期，以使用該calendar.timegm函式將日期轉換為unix毫秒表示形式。該timegm函式是首選函式，因為它將日期保留為utc。
請求的響應是按日期排序的**物件列表，格式如下：
因此，由於我們需要第乙個交易id ，因此我們將返回該response[0]["a"]值。
主迴圈現在我們有了第乙個交易id，我們可以一次提取1000個交易，直到達到ending_date。以下**將在我們的主迴圈中呼叫。它將使用from_id引數，放棄startdate和enddate引數，執行我們的請求。
現在，這是我們的主迴圈，它將執行請求並建立我們的dataframe。
我們檢查是否current_time包含最近獲取的交易日期大於to_date，如果是，則我們：
清潔和儲存
組裝完之後dataframe，我們需要執行簡單的資料清理。我們將刪除重複trim的交易和之後發生的交易to_date（我們有這個問題，因為我們要獲取1000筆交易中的大部分，因此，我們有望在目標結束日期之後執行一些交易）。
我們可以封裝我們的trim功能：
並執行我們的資料清理：
現在，我們可以使用以下to_csv方法將其儲存到檔案中：
我們還可以使用其他資料儲存機制，例如arctic。
最後：驗證你的資料
在使用交易策略時，我們必須信任我們的資料，這一點很重要。通過應用以下驗證，我們可以輕鬆地利用獲取的交易資料來做到這一點：
在**段中，我們將其轉換dataframe為numpy陣列，並逐行迭代，檢查交易id是否每行遞增1。
binance交易id是以遞增方式編號的，並且是為每個交易品種建立的，因此，很容易驗證資料是否正確。
ps：建立成功的交易策略的第一步是擁有正確的資料。
文源網路，僅供學習之用，侵刪。python中bin函式如何使用？
二進位制對於大家再熟悉不過了，它是我們計算機程式設計中必要的語言，只有將其他進製轉換為二進位制，計算機才得以工作。本文主要介紹能夠返回二進位制表示的bin 函式，bin 函式用於獲取數字的二進位制值，接受數字並返回等效的二進位制字元。具體請看下文。1 bin 函式 是python的乙個內建函式，主要...
Windows XP中輕鬆獲取未使用的IP位址
在我們解決windows 作業系統的dhcp故障時，有時要找出某個位址範圍內有哪些位址沒有被使用。只需建立乙個批處理檔案，要求它只返回那些未用的ip位址，然後再將 命令 的結果輸入到乙個文字檔案中。作為網管員，在我們解決windows 作業系統的dhcp故障時，有時要找出某個位址範圍內有哪些位址沒有...
python計算bin檔案CRC
usr bin env python coding utf 8 import binascii import os import sys def crc2hex crc res for i in range 4 t crc 0xff crc 8 res 02x s t,res return res ...