Budowa prostego bota Binance EMA w Pythonie przy użyciu CCXT.

Ręczne handlowanie kryptowalutami może być zarówno ekscytujące, jak i stresujące. Rynek porusza się w błyskawicznym tempie, często zmieniając się drastycznie w ciągu kilku sekund. Nawet doświadczeni traderzy często przegapiają okazje lub popełniają błędy, ponieważ w grę wchodzą ludzkie emocje. Strach, chciwość i panika prowadzą często do impulsywnych decyzji, podczas gdy zmęczenie lub przeciążenie informacyjne mogą zacierać kluczowe sygnały. W tak dynamicznym środowisku automatyczne boty handlowe stanowią atrakcyjną alternatywę. Wykonują transakcje natychmiast na podstawie wcześniej zdefiniowanych reguł, ciągle monitorują rynek i konsekwentnie stosują strategie, nie poddając się emocjom.

Chociaż boty nie eliminują ryzyka całkowicie, wprowadzają dyscyplinę, konsekwencję i szybkość, których często nie osiąga człowiek. Handel algorytmiczny pozwala trzymać się planu, unikać impulsywnych decyzji i korzystać z ruchów rynku, które dzieją się szybciej niż ludzki wzrok jest w stanie je śledzić. Dla początkujących użycie prostej strategii, takiej jak crossover EMA, stanowi solidną podstawę do zrozumienia podstaw handlu algorytmicznego.

Zrozumienie EMA i strategii crossover

Wykładnicza średnia krocząca (EMA) to wskaźnik techniczny, który nadaje większą wagę ostatnim ruchom cen. W przeciwieństwie do prostej średniej kroczącej (SMA), która traktuje wszystkie historyczne ceny jednakowo, EMA reaguje szybciej na ostatnie zmiany. Ta szybkość reakcji jest kluczowa na rynku kryptowalut, gdzie trendy mogą nagle się odwrócić.

Strategia crossover EMA wykorzystuje dwie EMA: krótkoterminową i długoterminową. Krótka EMA szybko reaguje na ostatnie zmiany cen, podczas gdy długa EMA wygładza długoterminowe trendy. Kiedy krótka EMA przebija długą od dołu, sygnalizuje potencjalny trend wzrostowy. Natomiast gdy krótka EMA przebija długą od góry, wskazuje na możliwy trend spadkowy.

Dzięki prostocie strategia crossover EMA jest doskonałym punktem startowym dla początkujących. Pomaga zrozumieć podstawowe pojęcia wykrywania trendów i automatycznego podejmowania decyzji, jednocześnie stanowiąc punkt wyjścia do bardziej zaawansowanych strategii.

Przygotowanie środowiska Python

Przed budową bota upewnij się, że masz zainstalowanego Pythona 3. Dodatkowo zainstaluj dwie kluczowe biblioteki:

pip install ccxt pandas

Potrzebujesz również kluczy API Binance, które pozwolą botowi na dostęp do konta w celu handlu i sprawdzania salda. Trzymaj te klucze w tajemnicy i włącz tylko uprawnienia, których bot naprawdę potrzebuje. Dla bezpieczeństwa nie włączaj uprawnień do wypłat.

Konfiguracja ustawień bota

Każdy bot handlowy opiera się na parametrach konfigurowalnych, które określają jego działanie:

# ---------------- USTAWIENIA ----------------
API_KEY = "TWOJ_API_KEY"        
API_SECRET = "TWOJ_SECRET_KEY" 

SYMBOL = "BTC/USDC"             
TIMEFRAME = "1m"                

EMA_SHORT_PERIOD = 12           
EMA_LONG_PERIOD = 26            

TRADE_AMOUNT = 0.1              
SLEEP_INTERVAL = 5              
# ------------------------------------------

Każde ustawienie pełni określoną funkcję:

Łączenie z Binance

Pierwszym krokiem automatyzacji jest bezpieczne połączenie:

import ccxt

exchange = ccxt.binance({
    "apiKey": API_KEY,
    "secret": API_SECRET,
    "enableRateLimit": True,
    "options": {"defaultType": "spot"},
})

balance = exchange.fetch_balance()
print("Połączono! Saldo USDC:", balance["USDC"]["free"])

Opcja enableRateLimit=True zapobiega przekroczeniu limitów API Binance, co mogłoby skutkować tymczasowym zablokowaniem.

Pobieranie danych świec

Dane świec (OHLCV) stanowią podstawę strategii bota:

import pandas as pd

def fetch_ohlcv(symbol=SYMBOL, timeframe=TIMEFRAME, limit=100):
    ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)
    df = pd.DataFrame(ohlcv, columns=["timestamp", "open", "high", "low", "close", "volume"])
    df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
    return df

Struktura DataFrame ułatwia obliczenia i pozwala na elastyczną analizę. Dane świec obejmują otwarcie, maksimum, minimum, zamknięcie i wolumen, niezbędne do wykrywania trendów i obliczania EMA.

Obliczanie EMA

Obliczenie EMA jest sercem strategii crossover:

def calculate_emas(df, short_period=EMA_SHORT_PERIOD, long_period=EMA_LONG_PERIOD):
    df["ema_short"] = df["close"].ewm(span=short_period, adjust=False).mean()
    df["ema_long"] = df["close"].ewm(span=long_period, adjust=False).mean()
    df["ema_diff"] = df["ema_short"] - df["ema_long"]
    return df

Kolumna ema_diff wskazuje, jak blisko rynku jest do przecięcia EMA. Wartości dodatnie sugerują momentum wzrostowe, ujemne - spadkowe.

Wykrywanie sygnałów kupna i sprzedaży

Bot porównuje dwie ostatnie świece, aby ograniczyć fałszywe sygnały:

def check_for_trade(df):
    last = df.iloc[-1]
    prev = df.iloc[-2]
    if prev["ema_short"] < prev["ema_long"] and last["ema_short"] > last["ema_long"]:
        return "buy"
    elif prev["ema_short"] > prev["ema_long"] and last["ema_short"] < last["ema_long"]:
        return "sell"
    return None

Dzięki temu transakcje wykonują się tylko przy rzeczywistym odwróceniu trendu. Bez tego drobne wahania mogłyby generować częste, nieopłacalne transakcje.

Wykonywanie transakcji

Po wykryciu sygnału bot wykonuje zlecenia rynkowe i zarządza pozycjami:

if action == "buy" and position != "long":
    print(f"Składanie zlecenia KUPNA na {TRADE_AMOUNT} BTC...")
    order = exchange.create_market_buy_order(SYMBOL, TRADE_AMOUNT)
    position = "long"

elif action == "sell" and position == "long":
    print(f"Składanie zlecenia SPRZEDAŻY na {TRADE_AMOUNT} BTC...")
    order = exchange.create_market_sell_order(SYMBOL, TRADE_AMOUNT)
    position = None

Zmiennej position używa się do śledzenia, czy bot aktualnie posiada pozycję, co zapobiega powtarzaniu transakcji w tym samym kierunku.

Ciągła pętla bota

Bot działa w pętli: pobiera nowe dane, przelicza EMA, sprawdza sygnały i wykonuje transakcje. Obsługa błędów zapewnia jego nieprzerwaną pracę:

import time

position = None

while True:
    try:
        df = fetch_ohlcv(SYMBOL, TIMEFRAME)
        df = calculate_emas(df)
        action = check_for_trade(df)
        current_price = df["close"].iloc[-1]
        print(f"Cena: {current_price:.2f} USDC | EMA Krótka: {df['ema_short'].iloc[-1]:.2f} | EMA Długa: {df['ema_long'].iloc[-1]:.2f}")

        if action == "buy" and position != "long":
            print(f"Składanie zlecenia KUPNA na {TRADE_AMOUNT} BTC...")
            order = exchange.create_market_buy_order(SYMBOL, TRADE_AMOUNT)
            position = "long"
        elif action == "sell" and position == "long":
            print(f"Składanie zlecenia SPRZEDAŻY na {TRADE_AMOUNT} BTC...")
            order = exchange.create_market_sell_order(SYMBOL, TRADE_AMOUNT)
            position = None

        time.sleep(SLEEP_INTERVAL)
        
    except Exception as e:
        print("Błąd:", e)
        time.sleep(SLEEP_INTERVAL)

Pętla ta zapewnia ciągłe monitorowanie rynku i wykonywanie transakcji przy pojawieniu się okazji.

Gotowy kod bota

Poniżej znajduje się kompletny, gotowy do uruchomienia bot EMA crossover, łączący wszystkie poprzednie sekcje:

import ccxt
import pandas as pd
import time

# ---------------- SETTINGS ----------------
API_KEY = "YOUR_API_KEY"
API_SECRET = "YOUR_SECRET_KEY"
SYMBOL = "BTC/USDC"
TIMEFRAME = "1m"
EMA_SHORT_PERIOD = 12
EMA_LONG_PERIOD = 26
TRADE_AMOUNT = 0.1
SLEEP_INTERVAL = 5
# ------------------------------------------

exchange = ccxt.binance({
    "apiKey": API_KEY,
    "secret": API_SECRET,
    "enableRateLimit": True,
    "options": {"defaultType": "spot"},
})

balance = exchange.fetch_balance()
print("Connected! USDC balance:", balance["USDC"]["free"])

def fetch_ohlcv(symbol=SYMBOL, timeframe=TIMEFRAME, limit=100):
    ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)
    df = pd.DataFrame(ohlcv, columns=["timestamp", "open", "high", "low", "close", "volume"])
    df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
    return df

def calculate_emas(df, short_period=EMA_SHORT_PERIOD, long_period=EMA_LONG_PERIOD):
    df["ema_short"] = df["close"].ewm(span=short_period, adjust=False).mean()
    df["ema_long"] = df["close"].ewm(span=long_period, adjust=False).mean()
    df["ema_diff"] = df["ema_short"] - df["ema_long"]
    return df

def check_for_trade(df):
    last = df.iloc[-1]
    prev = df.iloc[-2]
    if prev["ema_short"] < prev["ema_long"] and last["ema_short"] > last["ema_long"]:
        return "buy"
    elif prev["ema_short"] > prev["ema_long"] and last["ema_short"] < last["ema_long"]:
        return "sell"
    return None

position = None

while True:
    try:
        df = fetch_ohlcv(SYMBOL, TIMEFRAME)
        df = calculate_emas(df)
        action = check_for_trade(df)
        current_price = df["close"].iloc[-1]
        print(f"Price: {current_price:.2f} USDC | EMA Short: {df['ema_short'].iloc[-1]:.2f} | EMA Long: {df['ema_long'].iloc[-1]:.2f} | EMA Diff: {df['ema_diff'].iloc[-1]:.5f}")
        
        if action == "buy" and position != "long":
            print(f"Placing BUY order for {TRADE_AMOUNT} BTC...")
            order = exchange.create_market_buy_order(SYMBOL, TRADE_AMOUNT)
            print("BUY executed:", order)
            position = "long"
        elif action == "sell" and position == "long":
            print(f"Placing SELL order for {TRADE_AMOUNT} BTC...")
            order = exchange.create_market_sell_order(SYMBOL, TRADE_AMOUNT)
            print("SELL executed:", order)
            position = None
        
        time.sleep(SLEEP_INTERVAL)
        
    except Exception as e:
        print("Error:", e)
        time.sleep(SLEEP_INTERVAL)

Podsumowanie

Budowa bota crossover EMA to doskonały pierwszy krok w handlu algorytmicznym. Początkujący uczą się dzięki temu:

Choć bot jest prosty, demonstruje kluczowe zasady handlu algorytmicznego. Po opanowaniu podstaw można rozbudować bota, by handlował wieloma parami, stosował zaawansowane wskaźniki, dodawał stop-loss i take-profit, rejestrował transakcje do analizy lub integrował powiadomienia mailowe czy na platformach komunikacyjnych.

Automatyczny handel wprowadza dyscyplinę, konsekwencję i systematyczne podejście do dynamicznego rynku kryptowalut. Daje także praktyczne doświadczenie w programowaniu, analizie danych i psychologii handlu. Rozpoczynając od małych kwot i stopniowo udoskonalając strategie, początkujący mogą używać takich botów zarówno jako narzędzia edukacyjnego, jak i kroku w stronę bardziej zaawansowanych systemów handlowych.

Handel jest ryzykowny i żaden bot nie gwarantuje zysku. Jednak nauka tworzenia i bezpiecznego uruchamiania bota daje cenne umiejętności, głębsze zrozumienie dynamiki rynku i pewność w eksplorowaniu bardziej zaawansowanych strategii w przyszłości.

Github

Kompletny kod Pythona dla bota EMA crossover, gotowego do podłączenia do Binance i wykonywania transakcji w czasie rzeczywistym, jest dostępny na GitHubie. Możesz uzyskać do niego dostęp tutaj: Simple Binance EMA Trading Bot.