Oficiālais Binance Twitter pirms dažām dienām piedāvā 10 000 USD par labāko izveidoto tirdzniecības botu.
Vai jums ir stratēģija, bet nezināt, kā izveidot robotu? Ļaujiet man sniegt jums nelielu palīdzību (vai iemācīt jums), lai viegli izveidotu savu robotprogrammu un pievienotos konkursam.
Šajā rakstā mēs izpētīsim vienkāršota tirdzniecības robota izveides procesu, izmantojot ChatGPT — jaudīgu valodas modeli. Bots izmantos mašīnmācīšanās metodes kriptovalūtu prognozēšanai un mijiedarbosies ar Alpaca tirdzniecības API. Es sadalīšu darbības un sniegšu detalizētu ceļvedi, lai palīdzētu jums izprast procesu.
1. Izpratne par mašīnmācīšanās paņēmieniem kriptovalūtu prognozēšanai: vispirms jautājam ChatGPT par labākajām mašīnmācīšanās metodēm kriptovalūtu prognozēšanai. Tas nodrošina paņēmienu sarakstu, tostarp izlases mežus, atbalsta vektoru mašīnas, laikrindu analīzi un neironu tīklus. Mēs koncentrējamies uz neironu tīkliem, jo tie ir plaši populāri un veido pamatu dziļām mācībām.
2. Python tīmekļa piemēra iegūšana kriptovalūtu prognozēšanai: pēc tam mēs lūdzam ChatGPT Python tīmekļa piemēru, izmantojot neironu tīklu, lai prognozētu Yahoo kriptovalūtas cenu. Tas nodrošina mūs ar koda fragmentu, kas izmanto scikit-learn bibliotēku, lai izveidotu neironu tīkla modeli. Piemērā modeļa apmācībai tiek izmantoti vēsturiskie Yahoo kriptovalūtu cenu dati.
3. Koda un atkarību sagatavošana: mēs nokopējam ChatGPT nodrošināto kodu un saglabājam to Python failā ar nosaukumu "crypto_prediction.py". Pēc tam mēs prasām ChatGPT failu prasības.txt, kurā ir norādītas kodam nepieciešamās atkarības. Mēs izveidojam prasību.txt failu un instalējam atkarības, izmantojot komandu pip.
4. Alpaca Trading API izpēte: lai iegūtu reāllaika kriptogrāfijas datus, es meklēju piemērotu API. ChatGPT iesaka Alpaca tirdzniecības API, kas piedāvā akciju un kriptovalūtu tirdzniecību bez komisijas maksas. Mēs reģistrējamies Alpaca un iegūstam nepieciešamās API atslēgas.
5. Alpaca API integrēšana robotā: mēs lūdzam ChatGPT sniegt piemēru Alpaca API izmantošanai Python. Tas nodrošina koda fragmentu, kas iegūst reāllaika kriptogrāfijas datus, izmantojot API. Es pievienoju šo kodu mūsu failam “stock_prediction.py” kopā ar nepieciešamo API atslēgu.
6. Uzlabotas metodes: dziļa pastiprināšanas mācīšanās. Lai uzlabotu mūsu tirdzniecības robotu, mēs jautājām par uzlabotajām neironu tīklu metodēm. ChatGPT iesaka dziļu pastiprināšanas mācīšanos, kas apvieno pastiprināšanas mācīšanos ar neironu tīkliem. Tā iesaka proksimālās politikas optimizāciju (PPO) kā populāru pastiprināšanas mācību metodi.
7. Izpratne par PPO un tās ieviešana: mēs lūdzam ChatGPT izskaidrot PPO vienkāršā izteiksmē. Tajā ir aprakstīts PPO kā veids, kā iemācīt datoram pieņemt lēmumus kā cilvēkam. Lai gan jēdziens var šķist sarežģīts, mēs iegūstam pamata izpratni. ChatGPT nodrošina arī Python kodu PPO ieviešanai.
1. Alpakas integrācijas izmantošana:
2. Reģistrējieties Alpaca kontam: apmeklējiet Alpaca vietni un reģistrējieties kontam.
3. API atslēgu ģenerēšana. Kad jums ir Alpaca konts, ģenerējiet savas API atslēgas. Tos varat atrast Alpaca informācijas paneļa sadaļā “API pārvaldība”. Jums būs nepieciešams API atslēgas ID un API slepenā atslēga.
4. Instalējiet Alpaca API Python SDK: atveriet termināli vai komandu uzvedni un instalējiet Alpaca API Python SDK, izmantojot pip:
5. Importējiet Alpaca API bibliotēku: savā Python kodā importējiet Alpaca API bibliotēku, izmantojot šādu paziņojumu:
6. API klienta instanču izveide: izveidojiet klases tradeapi.REST instanci, norādot API atslēgas ID, slepeno atslēgu un bāzes URL:
8. Pasūtījumu veikšana: izmantojiet Alpaca API, lai veiktu pirkšanas un pārdošanas pasūtījumus. Tālāk ir sniegts tirgus pirkšanas pasūtījuma izvietošanas piemērs 1 akcijas akcijai.
Aizstāt ar tās akcijas simbolu, kuru vēlaties tirgot.
9. Tirgus datu izgūšana: izmantojiet Alpaca API, lai izgūtu tirgus datus, piemēram, vēsturiskās cenas, reāllaika cenas un konta informāciju. Tālāk ir sniegts akciju vēsturisko cenu joslu iegūšanas piemērs.
Aizstāt ar tās krājuma simbolu, par kuru vēlaties izgūt datus. Šajā piemērā tiek iegūtas pēdējās 5 dienas joslas norādītajam krājumam.
Secinājums: šajā rakstā mēs esam izpētījuši vienkāršota tirdzniecības robota izveides procesu, izmantojot ChatGPT. Mēs uzzinājām par mašīnmācīšanās paņēmieniem kriptovalūtu prognozēšanai, integrējām Alpaca tirdzniecības API reāllaika datiem un atklājām progresīvu pastiprināšanas paņēmienu, izmantojot PPO. Lai gan šajā rakstā ir sniegts vienkāršots pārskats, tas kalpo kā sākumpunkts citu tirdzniecības robotu tālākai izpētei un attīstībai.