区块链在高效低能、去中心化和安全三方面存在“不可能三角”悖论
http://teahour.fm/
https://alternative.me
1.仓位:指投资人实有投资和实际投资资金的比例。
2.全仓:全部资金买入数字货币。
3.减仓:把部分数字货币卖出,但不全部卖出。
4.重仓:可用资金和数字货币相比,数字货币份额占多。
5.轻仓:可用资金和数字货币相比,可用资金份额占多。
6.空仓:把手里所持数字货币全部卖出,全部转为资金。
7.止盈:获得一定收益后,将所持数字货币卖出以保住盈利。
8.止损:亏损到一定程度后,将所持数字货币卖出,以防止亏损进一步扩大。
9.牛市:价格持续上升,前景乐观。
10.熊市:价格持续下跌,前景黯淡。
11.多头(做多):买方,认为币价未来会上涨,买入币,待币价上涨后,高价卖出获利。
12.空头(做空):卖方,认为币价未来会下跌,将手中持有的币(或向交易平台借币)卖出,待币价下跌后,低价买入获利。
13.建仓:买入数字货币。
14.补仓:分批买入数字货币,如:先买入1BTC,之后再买入1BTC。
15.全仓:将所有资金一次性全部买入数字货币。
16.反弹:币价下跌时,因下跌过快而价格回升调整。
17.盘整(横盘):价格波动幅度较小,币价稳定。
18.阴跌:币价缓慢下滑。
19.跳水(瀑布):币价快速下跌,幅度很大。
20.割肉:买入数字货币后,币价下跌,为避免亏损扩大而赔本卖出数字货币。或借币做空后,币价上涨,赔本买入数字货币。
21.套牢:预期币价上涨,不料买入后币价却下跌;或预期币价下跌,不料卖出后,币价却上涨。
22.解套:买入数字货币后,币价下跌造成暂时的账面损失,但之后币价回升,扭亏为盈。
23.踏空: 因看淡后市卖出数字货币后,币价却一路上涨,未能及时买入,因此未能赚得利润。
24.超买:币价持续上升到一定高度,买方力量基本用尽,币价即将下跌。
25.超卖:币价持续下跌到一定低点,卖方力量基本用尽,币价即将回升。
26.诱多: 币价盘整已久,下跌可能性较大,空头大多已卖出数字货币,突然空方将币价拉高,诱使多方以为币价将会上涨,纷纷买入,结果空方打压币价,使多方套牢。
27.诱空: 多头买入数字货币后,故意打压币价,使空头以为币价将会下跌,纷纷抛出,结果误入多头的陷阱。
Gemini 交易所的 行情 API https://api.gemini.com/v1/pubticker/btcusd
########## GEMINI 行情接口 ########## ## https://api.gemini.com/v1/pubticker/:symbol import json import requests gemini_ticker = 'https://api.gemini.com/v1/pubticker/{}' symbol = 'btcusd' btc_data = requests.get(gemini_ticker.format(symbol)).json() print(json.dumps(btc_data, indent=4))
抓取、格式化和绘制,比特币过去一个小时在 Genimi 交易所的价格曲线
import matplotlib.pyplot as plt import pandas as pd import requests # 选择要获取的数据时间段 periods = '3600' # 通过 Http 抓取 btc 历史价格数据 resp = requests.get('https://api.cryptowat.ch/markets/gemini/btcusd/ohlc', params={ 'periods': periods }) data = resp.json() # 转换成 pandas data frame df = pd.DataFrame( data['result'][periods], columns=[ 'CloseTime', 'OpenPrice', 'HighPrice', 'LowPrice', 'ClosePrice', 'Volume', 'NA']) # 输出 DataFrame 的头部几行 print(df.head()) # 绘制 btc 价格曲线 df['ClosePrice'].plot(figsize=(14, 7)) >>> CloseTime OpenPrice HighPrice ... ClosePrice Volume NA 0 1558843200 8030.55 8046.30 ... 8011.20 11.642968 93432.459964 1 1558846800 8002.76 8050.33 ... 8034.48 8.575682 68870.145895 2 1558850400 8031.61 8036.14 ... 8000.00 15.659680 125384.519063 3 1558854000 8000.00 8016.29 ... 8001.46 38.171420 304342.048892 4 1558857600 8002.69 8023.11 ... 8009.24 3.582830 28716.385009
行情模块的主要功能是,尝试获取市场的行情数据,通常也负责获取交易账户的状态。
策略模块的主要功能是,订阅市场的数据,根据设定的算法发出买、卖指令给执行模块。
执行模块的主要功能是,接受并把策略模块发过来的买、卖指令封装并转发到交易所;同时,监督并确保策略买卖的完整执行。
Python 还有许许多多已经开发成熟的算法交易库可供使用。比如,你可以使用 Zipline 进行策略回测,或者用 Pyfolio 进行投资组合分析。而许多交易所也都提供了基于 Python 的 API 客户端
比如,Quantopian,就提供了基于 Zipline 的标准回测环境。用户可以选择 Python 作为开发语言,并且和社区的网友分享自己的策略。此外,国内也有诸如 BigQuant、果仁网等类似平台,提供不同市场和金融产品的交易