数字货币MACD指标自动化交易策略实现（含源代码）
- 前情回顾
- MACD 策略逻辑
- 代码实现
- 代码说明
- 增加仓位管理逻辑
- 代码实现
- 修改说明
- 增加风险控制功能
- 代码实现
- 修改说明
前情回顾
在前面我们实现了2中方法进行数字货币交易，同时还能获取到实时行情。数字货币交易接口实现（含源代码）。
在此基础上，我们今天实现一个指标策略自动化交易的功能（以MACD指标为例）,并进行2次优化，增加仓位管理以及风险控制的功能，实现一个完成的交易策略。
MACD 策略逻辑
- 获取 5 分钟的 K 线数据
- 计算 MACD 指标
- 买入条件：MACD 越过零线
- 卖出条件：MACD 低于零线
代码实现
import ccxt
import pandas as pd
import ta
import time# 初始化 Binance 交易所实例
exchange = ccxt.binance({'apiKey': 'YOUR_API_KEY', # 替换为你的 API Key'secret': 'YOUR_SECRET_KEY', # 替换为你的 Secret Key
})# 获取 5 分钟的 K 线数据
def fetch_ohlcv(symbol, timeframe='5m', limit=100):ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')df.set_index('timestamp', inplace=True)return df# 计算 MACD 指标
def calculate_macd(df):macd = ta.trend.MACD(df['close'])df['macd'] = macd.macd()df['macd_signal'] = macd.macd_signal()df['macd_diff'] = macd.macd_diff()# 检查交易信号
def check_trade_signals(df):last_row = df.iloc[-1]previous_row = df.iloc[-2]# 买入条件：MACD 越过零线if previous_row['macd'] < 0 and last_row['macd'] > 0:return 'buy'# 卖出条件：MACD 低于零线if previous_row['macd'] > 0 and last_row['macd'] < 0:return 'sell'return 'hold'# 执行交易
def execute_trade(signal, symbol='BTC/USDT', amount=0.001):if signal == 'buy':order = exchange.create_market_buy_order(symbol, amount)print('Buy order executed:', order)elif signal == 'sell':order = exchange.create_market_sell_order(symbol, amount)print('Sell order executed:', order)# 主循环
def main():symbol = 'BTC/USDT'while True:df = fetch_ohlcv(symbol)calculate_macd(df)calculate_ema(df)calculate_kdj(df)signal = check_trade_signals(df)execute_trade(signal)time.sleep(300) # 每5分钟运行一次if __name__ == "__main__":main()
代码说明
1、初始化 Binance 交易所实例：使用你的 API Key 和 Secret Key 初始化 ccxt 库中的 Binance 实例。
2、获取 5 分钟的 K 线数据：定义 fetch_ohlcv 函数，从 Binance 获取指定交易对的 5 分钟 K 线数据，并将其转换为 Pandas DataFrame。
3、计算 MACD 指标：定义相应的函数计算这些技术指标，并将其添加到 DataFrame 中。
4、检查交易信号：定义 check_trade_signals 函数，根据 MACD 越过零线和低于零线的条件检查交易信号。
5、执行交易：定义 execute_trade 函数，根据交易信号执行买入或卖出操作。
6、主循环：在 main 函数中，每隔5分钟获取最新数据，计算指标，检查信号，并执行交易。
请注意，这段代码仅为示例，实际交易时应考虑更多因素，例如交易量、手续费、风控等，后面分两步进行完善。
增加仓位管理逻辑
上述执行交易函数存在明显的漏洞，只有开仓动作，没有平仓动作。所以新增一条交易逻辑：当没有持有信号方向的持仓时才进行开仓；如果有信号方向的持仓就进行平仓。
这就需要增加仓位管理的逻辑，实现获取仓位的接口。
代码实现
import ccxt
import pandas as pd
import ta
import time# 初始化 Binance 交易所实例
exchange = ccxt.binance({'apiKey': 'YOUR_API_KEY', # 替换为你的 API Key'secret': 'YOUR_SECRET_KEY', # 替换为你的 Secret Key
})# 获取 5 分钟的 K 线数据
def fetch_ohlcv(symbol, timeframe='5m', limit=100):ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')df.set_index('timestamp', inplace=True)return df# 计算 MACD 指标
def calculate_macd(df):macd = ta.trend.MACD(df['close'])df['macd'] = macd.macd()df['macd_signal'] = macd.macd_signal()df['macd_diff'] = macd.macd_diff()# 检查交易信号
def check_trade_signals(df):last_row = df.iloc[-1]previous_row = df.iloc[-2]# 买入条件：MACD 越过零线if previous_row['macd'] < 0 and last_row['macd'] > 0:return 'buy'# 卖出条件：MACD 低于零线if previous_row['macd'] > 0 and last_row['macd'] < 0:return 'sell'return 'hold'# 获取当前持仓方向和数量
def get_position(symbol):balance = exchange.fetch_balance()if symbol in balance['total']:return balance['total'][symbol]return 0# 执行交易
def execute_trade(signal, symbol='BTC/USDT', amount=0.001):base_currency = symbol.split('/')[0]position = get_position(base_currency)if signal == 'buy':if position <= 0:order = exchange.create_market_buy_order(symbol, amount)print('Buy order executed:', order)else:print('Already holding a buy position. No action taken.')elif signal == 'sell':if position > 0:order = exchange.create_market_sell_order(symbol, amount)print('Sell order executed:', order)else:print('No buy position to sell. No action taken.')# 主循环
def main():symbol = 'BTC/USDT'while True:df = fetch_ohlcv(symbol)calculate_macd(df)calculate_ema(df)calculate_kdj(df)signal = check_trade_signals(df)execute_trade(signal, symbol)time.sleep(300) # 每5分钟运行一次if __name__ == "__main__":main()修改说明
1、获取当前持仓方向和数量：添加 get_position 函数，获取当前账户的持仓情况。如果持有目标资产（如 BTC），返回持有数量，否则返回 0。
2、修改交易逻辑：在 execute_trade 函数中，根据信号检查当前持仓：
- 如果是买入信号（‘buy’），且当前没有持有或持有空头仓位，则进行买入操作。
- 如果是卖出信号（‘sell’），且当前持有多头仓位，则进行卖出操作。
3、主循环：保持不变，每隔 5 分钟获取最新数据，计算指标，检查信号，并执行交易。
请注意，这段代码仍然是一个简化的示例。在实际交易中，还需要考虑更多的细节和异常处理，例如 API 调用失败、交易失败、网络问题等。另外，务必在模拟环境中进行充分测试，确保策略的可靠性和安全性。
增加风险控制功能
增加风险控制功能也就是止盈止损的逻辑：
- 持仓盈利超过5%，则平仓
- 持仓亏损超过3%，则平仓
代码实现
import ccxt
import pandas as pd
import ta
import time# 初始化 Binance 交易所实例
exchange = ccxt.binance({'apiKey': 'YOUR_API_KEY', # 替换为你的 API Key'secret': 'YOUR_SECRET_KEY', # 替换为你的 Secret Key
})# 获取 5 分钟的 K 线数据
def fetch_ohlcv(symbol, timeframe='5m', limit=100):ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')df.set_index('timestamp', inplace=True)return df# 计算 MACD 指标
def calculate_macd(df):macd = ta.trend.MACD(df['close'])df['macd'] = macd.macd()df['macd_signal'] = macd.macd_signal()df['macd_diff'] = macd.macd_diff()# 检查交易信号
def check_trade_signals(df):last_row = df.iloc[-1]previous_row = df.iloc[-2]# 买入条件：MACD 越过零线if previous_row['macd'] < 0 and last_row['macd'] > 0:return 'buy'# 卖出条件：MACD 低于零线if previous_row['macd'] > 0 and last_row['macd'] < 0:return 'sell'return 'hold'# 获取当前持仓方向和数量
def get_position(symbol):balance = exchange.fetch_balance()base_currency = symbol.split('/')[0]if base_currency in balance['total']:return balance['total'][base_currency]return 0# 计算持仓盈亏比例
def calculate_profit_loss(entry_price, current_price):return (current_price - entry_price) / entry_price# 执行交易
def execute_trade(signal, symbol='BTC/USDT', amount=0.001, entry_price=None):base_currency = symbol.split('/')[0]position = get_position(symbol)if signal == 'buy':if position <= 0:order = exchange.create_market_buy_order(symbol, amount)print('Buy order executed:', order)entry_price = order['price']else:print('Already holding a buy position. No action taken.')elif signal == 'sell':if position > 0:order = exchange.create_market_sell_order(symbol, amount)print('Sell order executed:', order)entry_price = Noneelse:print('No buy position to sell. No action taken.')# 止盈止损逻辑if entry_price:ticker = exchange.fetch_ticker(symbol)current_price = ticker['last']profit_loss_ratio = calculate_profit_loss(entry_price, current_price)if profit_loss_ratio >= 0.05: # 止盈条件if position > 0:order = exchange.create_market_sell_order(symbol, amount)print('Take profit order executed:', order)entry_price = Noneelif profit_loss_ratio <= -0.03: # 止损条件if position > 0:order = exchange.create_market_sell_order(symbol, amount)print('Stop loss order executed:', order)entry_price = None# 主循环
def main():symbol = 'BTC/USDT'entry_price = Nonewhile True:df = fetch_ohlcv(symbol)calculate_macd(df)calculate_ema(df)calculate_kdj(df)signal = check_trade_signals(df)execute_trade(signal, symbol, entry_price=entry_price)time.sleep(300) # 每5分钟运行一次if __name__ == "__main__":main()修改说明
1、计算持仓盈亏比例：添加 calculate_profit_loss 函数，计算当前持仓的盈亏比例。
2、止盈止损逻辑：在 execute_trade 函数中，添加止盈和止损逻辑：
- 如果当前持仓的盈利比例大于等于 5% (profit_loss_ratio >= 0.05)，则执行止盈平仓操作。
- 如果当前持仓的亏损比例小于等于 -3% (profit_loss_ratio <= -0.03)，则执行止损平仓操作。
3、更新 execute_trade 函数：在买入和卖出操作中记录或清除 entry_price，以便在止盈止损逻辑中使用。
4、主循环中传递 entry_price：在 main 函数中，每次调用 execute_trade 函数时传递 entry_price 参数。
如果说还要继续优化的话，可能增加动态止盈的功能，后面有时间在进一步优化。
