نحوه تشخیص روند موجود در ارزهای رمزنگاری شده با ADX با استفاده از API Kraken

شاید شما شرایط "گاو نر" و "خرس" را شنیده باشید که اصطلاحاتی برای توصیف یک روند در بازار است. روش های مختلفی برای تشخیص روند وجود دارد ، اما محبوب ترین آن شاخص حرکت جهت دار جهت (ADX) است.

فرمول ADX

برای به دست آوردن ADX ، ابتدا باید به ترتیب شاخص های جهت مثبت و منفی ، +DI و-DI را محاسبه کنیم. قبل از اینکه شاخص های جهت را بدست آوریم ، باید به ترتیب حرکات جهت ، +DM و-DM را بدست آوریم.

• upmove = امروز بالا - بالا
• downmove = کم دیروز - کم امروز
• if UpMove> DownMove and UpMove>0 ، سپس +dm = Upmove ، other +dm = 0
• if DownMove> UpMove and DownMove>0 ، سپ س-dm = downmove ، othe r-dm = 0

سپس ما معمولاً یک دوره 14 روزه را در نظر می گیریم و +DI و-DI به شرح زیر محاسبه می شوند:

• +di = 100 برابر میانگین متحرک صاف (+dm) تقسیم بر دامنه متوسط واقعی
• -DI = 100 برابر میانگین متحرک صاف (-DM) تقسیم بر دامنه متوسط واقعی

سرانجام ، ما در موقعیتی هستیم که ADX را به شرح زیر محاسبه کنیم:

• ADX = 100 برابر میانگین متحرک صاف از مقدار مطلق (+Di --DI) تقسیم شده توسط (+Di+-DI)

تفسیر

ADX ابزاری است که قدرت یک روند را اندازه گیری می کند. این یک شاخص تاخیر است ، به این معنی که مدتی طول می کشد تا سیگنالی مبنی بر وقوع یک روند را ارائه دهد. ADX از 0 تا 100 متغیر است. تعداد کم به این معنی است که روند ضعیف است و تعداد بالا به این معنی است که روند قوی است. یک روند واقعاً قوی توسط تعدادی بیش از 50 نشان داده شده است.

روند بیت کوین

بیایید از سال 2022 روند بیت کوین را بدست آوریم. ما داده ها را با استفاده از API Kraken دریافت خواهیم کرد. بیایید داده های OHLC را بدست آوریم.

واردات پاندا به عنوان درخواست واردات PD واردات واردات زمان واردات واردات واردات numpy به عنوان np واردات matplotlib. pyplot به عنوان plt ٪ matplotlib inline epoch = dateTime. datetime (2022 ، 1 ، 1 ، 0 ، 0). timestamp () # بیت کوینجفت USD = 'xxbtzusd' url = f'https: //api. kraken. com/0/public/ohlc؟ جفت = & amp ؛ از آنجا.'،' volume '،' count '] df [' unixtimestap '] = pd. to_datetime (df [' unixtimestap '] ، واحد =' s ') df. set_index (' unixtimestap '، inplace = true) df = df [['Open' ، 'High' ، 'Low' ، 'Close'] df ['Open'] = Df ['Open']. Astype ('float') df ['high'] = df ['high'] . Astype ('float') df ['low'] = df ['low']. astype ('float') df ['close'] = df ['close']. astype ('float') df

بیایید ADX را با یک پنجره نورد یک دوره 14 روزه با استفاده از کتابخانه Python Talib دریافت کنیم.

# ADX را با دوره زمانی پیش فرض df ['adx_14'] = talib. adx (df ['high'] ، df ['low'] ، df ['close'] ، timeperiod = 14 محاسبه کنید.

بیایید تابعی بسازیم که بازگردد:

def adx_trend(x): if x50: retu "Strong Trend" if x>25: بازگشت "روند خفیف" df ['adx_trend'] = df ['adx_14']. اعمال (lambda x: adx_trend (x)) df. tail (20)

همانطور که می بینیم ، در این دوره زمانی (یعنی 20 روز گذشته) یک روند متوسط در بازار وجود دارد. بیایید نگاهی به نمودار قیمت های بسته شدن بیت کوین بیندازیم و برچسب های روند را در هنگام وجود روند خفیف یا قوی حاشیه نویسی کنیم.

ax = df.Close.plot(figsize=(30,15), title= "Trends") for i in range(df.shape[0]): label = df.ADX_Trend[i] if label=='Strong Trend' or label=='Mild Trend': ax.annotate(label, (df.index[i], df['Close'][i]), xytext=(0, 15), textcoords='offset points', arrowprops=dict(arrowstyle='-|>') ، رنگ =' r '، ha =' center ')

مقالات مرتبط

• چگونه می توان یک استراتژی معاملاتی RSI را برای رمزنگاری های خود اعمال کرد
• چگونه می توان ROI ارزهای رمزپایه خود را با API Kraken دریافت کرد
• تعادل نمونه کارها را با API Kraken دریافت کنید
• بهینه سازی نمونه کارها cryptocurrency در پایتون
• چگونه می توان بیشترین و کمترین ارزش ارزهای رمزپایه را بدست آورد
• نحوه دریافت داده های cryptocurrency از Kraken API در پایتون
• تجزیه و تحلیل شبکه retweet در ارزهای رمزنگاری شده

• برچسب ها: Crypto ، Cryptocurrency ، Kraken ، Python ، Trading