Skip to content
TheChatArchiveThe Chat Archive
gpt-4-0314· openaiHugging Face Suzhen/CodeChat

Necesito código en python que descargue la información histórica de una criptomoneda…

  1. User

    Necesito código en python que descargue la información histórica de una criptomoneda (ejemplo FTM) con su fecha hora y valor a cierre hasta el momento actual en USDT. A partir de esta información me generará una predicción en intervalos de un minuto de los próximos 30 minutos

  2. Assistant

    Aquí hay un ejemplo de cómo puedes lograr esta tarea usando la biblioteca ccxt para descargar los datos históricos de la criptomoneda FTM/USDT y la biblioteca fbprophet para realizar las predicciones en intervalos de un minuto de los próximos 30 minutos:

    import ccxt
    import pandas as pd
    from datetime import datetime, timedelta
    from fbprophet import Prophet
    
    # Función para descargar datos históricos de FTM/USDT
    def descargar_datos_historicos(symbol, timeframe, since):
        exchange = ccxt.binance()  # Utilizaremos el exchange de Binance
        datos = exchange.fetch_ohlcv(symbol, timeframe, since)
        df = pd.DataFrame(datos, columns=["timestamp", "open", "high", "low", "close", "volume"])
        df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
        return df
    
    # Descargar datos históricos de FTM/USDT
    symbol = "FTM/USDT"
    timeframe = "1m"  # Intervalos de 1 minuto
    since = exchange.parse8601("2021-01-01T00:00:00Z")
    datos = descargar_datos_historicos(symbol, timeframe, since)
    
    # Preparar datos para Prophet
    datos_prophet = datos[["timestamp", "close"]].copy()
    datos_prophet.columns = ["ds", "y"]
    
    # Entrenar modelo de predicción
    modelo = Prophet()
    modelo.fit(datos_prophet)
    
    # Generar predicciones para los próximos 30 minutos
    futuro = modelo.make_future_dataframe(periods=30, freq="T")
    predicciones = modelo.predict(futuro)
    predicciones = predicciones[["ds", "yhat", "yhat_lower", "yhat_upper"]]
    
    # Filtrar resultados de predicciones para los próximos 30 minutos
    tiempo_actual = datetime.utcnow()
    proximos_30_min = tiempo_actual + timedelta(minutes=30)
    predicciones_filtradas = predicciones[(predicciones["ds"] > tiempo_actual) & (predicciones["ds"] <= proximos_30_min)]
    
    print(predicciones_filtradas)
    

    Asegúrate de instalar las bibliotecas requeridas antes de ejecutar el código:

    pip install ccxt fbprophet pandas
    

    Ten en cuenta que fbprophet no es necesariamente financiero específico y no funciona correctamente en intervalos de un minuto por defecto. Puedes modificar/datestyleartísticas técnicas para intervalos más cortos.

    Este código es solo un ejemplo básico y debe ser ajustado según tus necesidades, como elegir un mejor modelo de predicción, optimizar los hiperparámetros, realizar validación cruzada, etc.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.