-
Notifications
You must be signed in to change notification settings - Fork 0
/
robot.py
191 lines (136 loc) · 5.18 KB
/
robot.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import yfinance as yf
from bs4 import BeautifulSoup
import requests
import re
from datetime import datetime, timedelta, timezone
def main():
robot = RobotTrading()
robot.importar_base_bitcoin()
robot.extraer_tendencias()
robot.limpieza_datos()
robot.tomar_decisiones()
robot.visualizacion()
class RobotTrading:
def __init__(self):
self.__df_bitcoin = pd.DataFrame()
self.__precio_actual = 0
self.__tendencia = ''
self.__media_bitcoin = 0
self.__algoritmo_decision = ''
self.__df_bitcoin_limpio = pd.DataFrame()
self.__df_bitcoin_limpio_caja = pd.DataFrame()
@property
def precio_actual(self):
return self.__precio_actual
@property
def decision(self):
return self.__algoritmo_decision
def ejecutar(self):
self.importar_base_bitcoin()
self.extraer_tendencias()
self.limpieza_datos()
self.tomar_decisiones()
def importar_base_bitcoin(self):
''' Importa el histórico de los precios del BitCoin de los últimos 7 días en intervalos de 5 minutos'''
end_day = datetime.today()
period = timedelta(days = 7)
start_day = end_day - period
ticker = yf.Ticker('BTC-USD')
self.__df_bitcoin = ticker.history(start = start_day, end = end_day, interval = '5m')
def extraer_tendencias(self):
''' Extrae el precio actual y la tendencia a la 'baja' o a la 'alza' del BitCoin'''
headers = {'User-Agent' : 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/118.0'}
url = 'https://coinmarketcap.com/'
respuesta = requests.get(url, headers)
#print(respuesta.status_code)
soup = BeautifulSoup(respuesta.content, features = 'lxml')
filas = soup.find_all('tr')
for f in filas:
names = f.findAll('p', {'class' : "sc-4984dd93-0 kKpPOn"})
actual_prices = f.findAll('div', {'class' : "sc-a0353bbc-0 gDrtaY"})
tendencias = f.findAll('span', {'class' : "sc-d55c02b-0"})
if not (len(names) == 1 and len(actual_prices) == 1 and len(tendencias) == 3):
continue
dict_datos = RobotTrading.__procesar(names[0], actual_prices[0], tendencias)
if 'Bitcoin' in dict_datos:
break
try:
self.__precio_actual = dict_datos['Bitcoin']['precio_actual']
self.__tendencia = dict_datos['Bitcoin']['tendencia1h']
except KeyError:
print('Error al extraer precio actual y tendencia')
@staticmethod
def __procesar(nombre, precio_actual, tendencias) -> dict:
clase_tendencia = {
'icon-Caret-down' : 'baja',
'icon-Caret-up' : 'alza'
}
salida = {
nombre.text : {
'precio_actual' : float(re.sub('[$,]', '', precio_actual.text)),
'tendencia1h' : clase_tendencia[tendencias[0].span['class'][0]],
'tendencia24h' : clase_tendencia[tendencias[1].span['class'][0]],
'tendencia7d' : clase_tendencia[tendencias[2].span['class'][0]]
}
}
return salida
def limpieza_datos(self):
# Crear un duplicado
df_bitcoin_limpio = self.__df_bitcoin.copy()
# Tratar duplicados en el índice (Datetime)
df_bitcoin_limpio = df_bitcoin_limpio[~df_bitcoin_limpio.index.duplicated()]
# Valores nulos en Close
df_bitcoin_limpio = df_bitcoin_limpio[df_bitcoin_limpio.Close.notna()]
# Valores de Volume mayores a 0
df_bitcoin_limpio = df_bitcoin_limpio.query('Volume > 0')
# Eliminar outliers
Q1 = df_bitcoin_limpio.Close.quantile(0.25)
Q3 = df_bitcoin_limpio.Close.quantile(0.75)
IQR = Q3 - Q1
min_close = Q1 - 1.5 * IQR
max_close = Q3 + 1.5 * IQR
self.__df_bitcoin_limpio = df_bitcoin_limpio.query('Close >= @min_close & Close <= @max_close')
# Seleccionar los datos de Close entre Q1 y Q3
self.__df_bitcoin_limpio_caja = df_bitcoin_limpio.query('Close >= @Q1 & Close <= @Q3')
# Promedio de los datos de Close entre Q1 y Q3
self.__media_bitcoin = self.__df_bitcoin_limpio_caja.Close.mean()
def tomar_decisiones(self):
if self.__precio_actual >= self.__media_bitcoin and self.__tendencia == 'baja':
self.__algoritmo_decision = 'Vender'
elif self.__precio_actual < self.__media_bitcoin and self.__tendencia == 'alza':
self.__algoritmo_decision = 'Comprar'
else:
self.__algoritmo_decision = 'Mantener'
def visualizacion(self, rango : str = '7d', qt : bool = False):
color_legend = {
'baja' : 'r',
'alza' : 'g'
}
# Se agrega el promedio a una columna
self.__df_bitcoin['Promedio'] = self.__media_bitcoin
# Se calcula para obtener el histórico según `rango`
hoy = self.__df_bitcoin.index.max()
if rango.startswith('24h'):
date_inicio = hoy - timedelta(days = 1, hours = 2)
elif rango.startswith('1h'):
date_inicio = hoy - timedelta(hours = 1, minutes = 10)
else:
date_inicio = hoy - timedelta(days = 8)
df = self.__df_bitcoin[['Close', 'Promedio']].query('Datetime >= @date_inicio')
# Se calculan las coordenadas para mostrar la tendencia en la gráfica
maximo_index = df.index.max()
ultimo_close = df.tail(1).Close
if not qt:
self.__figure = plt.figure()
plt.title('Costo histórico del Bitcoin (USD)')
plt.annotate(f'A la {self.__tendencia}', (maximo_index, ultimo_close), color = color_legend[self.__tendencia])
plt.xlabel('Hora y fecha')
plt.ylabel('Costo')
sns.lineplot(data = df, palette = {'Close' : 'b', 'Promedio' : 'r'})
if not qt:
plt.show()
if __name__ == "__main__":
main()