Necesito código en python que descargue la información histórica de una criptomoneda…
- 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
- Assistant
Aquí hay un ejemplo de cómo puedes lograr esta tarea usando la biblioteca
ccxtpara descargar los datos históricos de la criptomoneda FTM/USDT y la bibliotecafbprophetpara 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 pandasTen en cuenta que
fbprophetno 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.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.