# 用 Python 筛选收益最优的加密货币

**Published by:** [quantbang](https://paragraph.com/@quantbang/)
**Published on:** 2022-03-24
**URL:** https://paragraph.com/@quantbang/python

## Content

在市值排名前 10 的加密货币中，从纯粹的经济角度来看，你认为自 2017 年以来表现最好的加密货币是哪一种？\ 不管你信不信，币安自己的 BNB 实际上远远超过了其他所有加密货币。我编写了一个脚本来帮助我了解几种加密货币的历史表现，当我决定只加入前 10 名加密货币并看看表现最好的货币是哪个。 在运行脚本之前，我很确定它可能将是 DOGE。所以我坐在这里，等待历史数据下载，以便我的脚本可以绘制一些加密图表。 脚本运行完毕，结果出来了，感谢中本聪，这不是 DOGE。哦，等等，这更有趣——它是 BNB。 自 2017 年以来，BNB 已上涨超过 20,000%。程序能够为你下载历史数据，并分析任意数量的币种。如果您想对任意数量的加密货币的收益百分比进行快速比较分析，这很方便。您所需要的只是一些 Python 知识。 编写加密货币分析工具 该代码也可在 GitHub 上找到。https://github.com/CyberPunkMetalHead/crypto-performance-tracker 首先创建一个文本文件并将其命名为coins.txt。在此文本文件中，放入一些您想要分析的币种名称。它们需要包含配对符号，并且每行必须是 1 个货币，不能有逗号：创建一个 binancedata.py 文件。我们将使用此文件轮询 Binance API 以获取我们需要的金融数据。由于我们使用的是开放端口，因此不需要 API 密钥和密码。 让我们导入一些依赖项并定义一个空的 Binance 客户端：# needed for the binance API and websockets from binance.client import Client import csv import os import time from datetime import date, datetime client = Client() 现在让我们编写一个函数来从我们的coins.txt文件中打开和读取货币：def get_coins(): with open('coins.txt', 'r') as f: coins = f.readlines() coins = [coin.strip('\n') for coin in coins] return coins 此文件中的最后一个函数将为我们获取历史数据并以 CSV 格式保存：def get_historical_data(coin, since, kline_interval): """ Args example: coin = 'BTCUSDT' since = '1 Jan 2021' kline_interval = Client.KLINE_INTERVAL_1MINUTE """ if os.path.isfile(f'data/{coin}_{since}.csv'): print('Datafile already exists, loading file...') else: print(f'Fetching historical data for {coin}, this may take a few minutes...') start_time = time.perf_counter() data = client.get_historical_klines(coin, kline_interval, since) data = [item[0:5] for item in data] # field names fields = ['timstamp', 'high', 'low', 'open', 'close'] # save the data with open(f'data/{coin}_{since}.csv', 'w', newline='') as f: # using csv.writer method from CSV package write = csv.writer(f) write.writerow(fields) write.writerows(data) end_time = time.perf_counter() # calculate how long it took to produce the file time_elapsed = round(end_time - start_time) print(f'Historical data for {coin} saved as {coin}_{since}.csv. Time elapsed: {time_elapsed} seconds') return f'{coin}_{since}.csv' 此函数还将检查文件是否已经存在，如果存在它不会再次下载。该函数接受 3 个参数：coin、since 和 kline_interval。检查函数下方的注释，了解我们将传递给这些参数的正确格式。 保存文件，现在是创建我们的主要执行文件的时候了，我们将把这个文件的内容导入到其中。 继续创建一个 main.py 文件并安装以下依赖项： from binancedata import * import threading import matplotlib.pyplot as plt import matplotlib.cbook as cbook import numpy as np import pandas as pd # needed for the binance API and websockets from binance.client import Client import csv import os import time from datetime import datetime, date 让我们开始一些线程。该脚本是为了一次下载多个数据文件，所以为了避免等待一次下载每个历史数据文件，我们将使用线程并下载这些文件，如下所示：threads = [] coins = get_coins() for coin in coins: t = threading.Thread(target=get_historical_data, args=(coin, '1 Jan 2017', Client.KLINE_INTERVAL_1DAY) ) #'get_historical_data('ETHUSDT', '1 Jan 2021', Client.KLINE_INTERVAL_1MINUTE) t.start() threads.append(t) [thread.join() for thread in threads] 现在我们需要一个函数来返回我们下载的所有数据文件的文件名：def get_all_filenames(): return [get_historical_data(coin, '1 Jan 2017', Client.KLINE_INTERVAL_1DAY) for coin in coins] 最后，我们将定义主要函数，我们将在其中绘制这些数据并运行脚本：def main(): historical_data = get_all_filenames() for file in historical_data: data = pd.read_csv(f'data/{file}') rolling_percentage = data['close'] rolling_percentage = [(item - rolling_percentage[0]) / rolling_percentage[0]*100 for item in rolling_percentage ] timestamp = data['timstamp'] timestamp = [datetime.fromtimestamp(item/1000) for item in timestamp] plt.legend() plt.plot(timestamp, rolling_percentage, label=file) plt.xlabel("Date") plt.ylabel("% gain") plt.show() if __name__ == "__main__": main() 现在剩下要做的就是在脚本目录中创建一个空文件夹并将其命名为 data。大功告成，您现在可以分析您想要的所有代币的历史收益。

## Publication Information

- [quantbang](https://paragraph.com/@quantbang/): Publication homepage
- [All Posts](https://paragraph.com/@quantbang/): More posts from this publication
- [RSS Feed](https://api.paragraph.com/blogs/rss/@quantbang): Subscribe to updates
- [Twitter](https://twitter.com/andywong1024): Follow on Twitter