Bitcoin Trading Bot

Automatyczny system tradingowy dla Bitcoin oparty na modelu LSTM, analizie technicznej i analizie sentymentu rynkowego.

Funkcjonalności

• Predykcja cen Bitcoin za pomocą modelu LSTM
• Analiza techniczna używająca popularnych wskaźników (RSI, MACD, Bollinger Bands)
• Generowanie sygnałów LONG, SHORT i FLAT
• Zarządzanie ryzykiem i wielkością pozycji
• Backtesting na danych historycznych
• Trading na żywo przez API lub webhook

Wymagania

• Python 3.8+
• TensorFlow 2.6+
• TA-Lib
• Pozostałe zależności w pliku requirements.txt

Instalacja

1. Sklonuj repozytorium:

git clone https://github.com/s0wa48/AgentBTC.git
cd AgentBTC

2. Zainstaluj zależności:

pip install -r requirements.txt

3. Zainstaluj TA-Lib zgodnie z instrukcjami dla Twojego systemu operacyjnego.

4. Skonfiguruj bota edytując plik config.py:

   • Podaj swoje klucze API do giełdy
   • Dostosuj parametry handlowe i zarządzania ryzykiem

Użycie

Trenowanie modelu

python train.py --epochs 50

Testowanie strategii na danych historycznych

python backtest.py --start_date 2023-01-01 --end_date 2023-12-31 --plot

Uruchomienie handlu na żywo

Najpierw w trybie demo:

python run_live.py --demo --interval 60

Następnie w trybie rzeczywistym (używaj ostrożnie!):

python run_live.py --interval 60

Struktura projektu

• bot.py - Główna klasa bota integrująca wszystkie komponenty
• analyzer.py - Analiza rynku, predykcje LSTM i wskaźniki techniczne
• trader.py - Wykonywanie transakcji i zarządzanie pozycjami
• config.py - Konfiguracja systemu
• train.py - Skrypt do trenowania modelu LSTM
• backtest.py - Backtesting strategii
• run_live.py - Uruchamianie handlu na żywo

Uwaga

Trading kryptowalut wiąże się z ryzykiem finansowym. Ten projekt jest dostarczany "tak jak jest", bez żadnych gwarancji. Autor nie ponosi odpowiedzialności za jakiekolwiek straty poniesione w wyniku używania tego systemu.

Przed uruchomieniem handlu na żywo z prawdziwymi pieniędzmi, zaleca się dokładne przetestowanie strategii i zrozumienie działania systemu.

Dalszy rozwój

Możliwe kierunki rozwoju systemu:

• Dodanie większej liczby wskaźników technicznych
• Implementacja bardziej zaawansowanych modeli ML
• Dodanie wsparcia dla większej liczby par tradingowych
• Udoskonalenie analizy sentymentu z większej liczby źródeł
• Interfejs użytkownika do monitorowania i kontroli