HƯỚNG DẪN LẤY DỮ LIỆU NẾN BINANCE ĐỂ PHÂN TÍCH MODEL NEURAL NETWORK
Hướng dẫn này nhằm phục vụ anh em học viên trong khóa Chiêm tinh & Chu kỳ và khóa EA Robot Trading (chuyên về giao dịch thuật toán) để làm tài liệu tham khảo nghiên cứu sau này
Có nhiều nơi cung cấp dữ liệu để nghiên cứu và phân tích anh em có thể tải trực tiếp về. Tuy nhiên, ở đây mình sẽ hướng dẫn anh em một vài series dùng python để lấy dữ liệu từ các trang coinmarketcap, coingecko… hoặc trực tiếp từ sàn giao dịch
Trong phạm vi bài này mình hướng dẫn trên binance – sàn giao dịch khối lượng lớn nhất 24h volume đảm bảo nến cũng sát đường giá anh em phân tích nhất
Bước 1. Vào binance để lấy API
Vào link https://www.binance.com/en/my/settings/api-management

Mọi người bấm vào Create API rồi làm theo các bước như hình bên dưới

Bấm NEXT

Nhập tên của API vào theo ý bạn

Xác thực gmail và authenticator (nếu bạn bảo mật tài khoản)

Cuối cùng có được API key và Secret Key bạn làm bước 2
Bước 2. Chuẩn bị tài nguyên
Ở trên đã có API binance rồi, giờ bạn cần cài python và Pycharm để sử dụng code
PyCharm: the Python IDE for Professional Developers by JetBrains
Các link mình để ở đây bạn cài đặt đơn giản thôi không cần phức tạp nếu cần hỗ trợ mình hướng dẫn mọi người qua Telegram nhé
Bước 3. Code
Đầu tiên tạo thư mục trống trên Desktop, sau đó mở pycharm rồi chọn File > Open rồi chọn Folder trống vừa tạo ở Desktop
Tạo 1 file binance_api.py với nội dung sau:
api_key = ""
api_secret = ""
Trong dấu nháy kép chính là api chúng ta có được ở bước 1
Tạo 1 file history.py để code lấy dữ liệu:
Import các thư viện cần dùng
import csv
import datetime
from binance.client import Client
from binance_api import *
client = Client(api_key, api_secret)
Lấy dữ liệu bitcoin 3000 ngày gần nhất
candles = client.get_historical_klines("BTCUSDT", Client.KLINE_INTERVAL_1DAY, "3000 days ago UTC+7", "yesterday UTC+7")
Ở bước này bạn có thể print(candles) sẽ có kết quả dạng

Nhìn rất là loạn nhưng về cơ bản dữ liệu trả về sẽ bao gồm:
- Thời điểm mở nến (timestamp) được đưa về đơn vị miligiây (1/1000 giây).
- Giá mở của nến.
- Giá cao nhất trong khoảng thời gian của nến.
- Giá thấp nhất trong khoảng thời gian của nến.
- Giá đóng của nến.
- Khối lượng giao dịch trong khoảng thời gian của nến.
- Thời điểm đóng nến (timestamp) được đưa về đơn vị miligiây (1/1000 giây).
- Tổng giá trị của các giao dịch được thực hiện trong khoảng thời gian của nến.
- Số lượng các giao dịch được thực hiện trong khoảng thời gian của nến.
- Khối lượng giao dịch cơ bản (base asset volume), tức số lượng của đồng tiền được giao dịch.
- Khối lượng giao dịch trích quỹ (quote asset volume), tức giá trị của đồng tiền được giao dịch.
Tách dữ liệu ngày riêng ra
date = []
for i in range(len(candles)):
dt_object = datetime.datetime.fromtimestamp(candles[i][0] / 1000)
date_string = dt_object.strftime("%d/%m/%Y")
date.append(date_string)
Tách riêng dữ liệu giá đóng cửa ra, ở đây mình lấy giá đóng cửa để phân tích là chính, nếu mọi người có nhu cầu sử dụng dữ liệu giá mở, cao, thấp thì làm tương tự
price = []
for i in range(len(candles)):
price.append(candles[i][4])
converted_price = [float(num) for num in price]
Cuối cùng lưu file csv để thuận tiện sử dụng
# Mở file csv và ghi dữ liệu vào
with open('btcusdt.csv', 'w', newline='') as file:
writer = csv.writer(file)
# Ghi tiêu đề cho các cột
writer.writerow(['Date', 'Price'])
for i in range(len(date)):
writer.writerow([date[i], converted_price[i]])
Sau đó chuột phải chọn Run bạn chờ giây lát sẽ xuất hiện 1 file btcusdt.csv xuất hiện
Vậy là chúng ta đã có dữ liệu bitcoin trên binance rồi, bạn có thể thay đổi 2 dòng code này với các coin mà bạn muốn nhé
candles = client.get_historical_klines("BTCUSDT", Client.KLINE_INTERVAL_1DAY, "3000 days ago UTC+7", "yesterday UTC+7")
with open('btcusdt.csv', 'w', newline='') as file:
Hy vọng bài viết có ích cho anh em nghiên cứu phục vụ mục tiêu của mình trong giao dịch thuật toán hay AI model
Hướng dẫn này nhằm phục vụ anh em học viên trong khóa Chiêm tinh & Chu kỳ và khóa EA Robot Trading (chuyên về giao dịch thuật toán) để làm tài liệu tham khảo nghiên cứu sau nàyCó nhiều nơi cung cấp dữ liệu để nghiên cứu và phân tích anh em có thể tải…
THÀNH VIÊN ĐĂNG NHẬP
Lưu trữ
- Tháng Mười Một 2023
- Tháng Mười 2023
- Tháng Chín 2023
- Tháng Tám 2023
- Tháng Bảy 2023
- Tháng Năm 2023
- Tháng Tư 2023
- Tháng Ba 2023
- Tháng Hai 2023
- Tháng Mười 2022
- Tháng Tư 2022
- Tháng Mười 2021
- Tháng Chín 2021
- Tháng Sáu 2021
- Tháng Tư 2021
- Tháng Ba 2021
- Tháng Hai 2021
- Tháng Một 2021
- Tháng Mười Một 2020
- Tháng Mười 2020
- Tháng Chín 2020
- Tháng Bảy 2020
- Tháng Sáu 2020
- Tháng Năm 2020
- Tháng Tư 2020
- Tháng Ba 2020
- Tháng Một 2020
- Tháng Mười Hai 2019
- Tháng Mười Một 2019
- Tháng Mười 2019
- Tháng Chín 2019
- Tháng Tám 2019
- Tháng Bảy 2019