التداول الخوارزمي للبيتكوين على Coinbase باستخدام إشارات الماكرو من FXMacroData

لماذا تقوم البيانات الكبيرة بدفع بيتكوين

بيتكوين يتداول أقل مثل الأسهم التكنولوجية وأكثر مثل الأصول الكلية. لا يدفع أرباحا، لا يبلغ عن أرباح، وليس لديه نموذج تدفق نقدي لتثبيت قيمته. بدلا من ذلك، يتحرك بيتكوین مع ظروف السيولة العالمية وتوقعات أسعار الفائدة الحقيقية وقوة الدولار نفس القوى التي تدفع EUR / USD و AUD / JPY. وهذا يعني أن مجموعة أدوات الكلية التي تم إنشاؤها لتجار الفوركس تنطبق مباشرة على بيتكويت.

عندما يخفف مجلس الاحتياطي الفيدرالي، تغرق السيولة الدولارية أسواق المخاطر و BTC تميل إلى قيادة الشحنة. عندما مفاجآت مؤشر أسعار السلع إلى الصعود، فإن روايات التخفيض النقدي تدفع رأس المال إلى الأصول الصعبة. عندما يرتفع معدل التضخم عند التعادل، فإن العائدات الحقيقية تضغط وترتفع الذهب جنبا إلى جنب مع BTC. كل واحدة من هذه الإشارات يمكن ملاحظتها مقدما من خلال نقاط نهاية مؤشر FXMacroData مدققة بالوقت إلى الثانية ومتاحة عبر API REST نظيفة.

هذا الدليل يبني روبوت تداول خوارزمي مدفوع بإشارات كبيرة لـ BTC-USD على "تجارة "كوينبيس المتقدمةبحلول النهاية سيكون لديك استراتيجية بايثون تعمل:

• يسحب بيانات سعر الفائدة السياسية للدولار الأمريكي، والتضخم، وتضخيم التعادل، والذهب من FXMacroData
• يجمعها في درجة مركبة لنظام الكلي
• جدولة تنفيذ حول الإصدارات الكبيرة ذات التأثير العالي عبر تقويم إصدار FXMacroData
• يقدم طلبات سوق BTC-USD على كوينبيس باستخدام الرسمي coinbase-advanced-py SDK

الشروط المسبقة

قبل البدء، تأكد من أن لديك ما يلي جاهز:

• بايثون 3.10+ جميع المقتطفات تستخدم نحو الكتابة الحديثة
• مفتاح FXMacroData API التسجيل في / اشترك وخذ مفتاحك من لوحة المحاسبة
• حساب التجارة المتقدمة في كوينبيس مع رصيد ممول بالدولار خلق مفتاح تداول API السحاب (اسم مفتاح API + مفتاح خاص للاتحاد الأوروبي) في منصة المطورين أجهزة التحكم التجارة تم تمكين الأذونات
• حزم بايثون. requests- لا coinbase-advanced-py- لا pandas- لا schedule

pip install requests coinbase-advanced-py pandas schedule

تخزين بيانات الاعتماد الخاصة بك كمتغيرات البيئة لا تكتب أسرار في ملفات المصدر:

export FXMACRO_API_KEY="YOUR_FXMACRODATA_KEY"
export COINBASE_API_KEY_NAME="organizations/ORG_ID/apiKeys/KEY_ID"
export COINBASE_PRIVATE_KEY="-----BEGIN EC PRIVATE KEY-----
MHQCAQEEIBs...
-----END EC PRIVATE KEY-----"

الخطوة 1: احضر إشارات الماكرو من FXMacroData

أربع سلسلات كبيرة تربط نموذج نظام BTC: سعر سعر العملة الأمريكية- لا التضخم في مؤشر أسعار المستهلكين، ال معدل التضخم العاشر السنويو سعر الفورية للذهبمعاً، يصفون بيئة السيولة، ونظام التضخم، ومشاعر الطلب على الأصول الصلبة.

import os
import requests

BASE_URL = "https://fxmacrodata.com/api/v1"
FXMACRO_KEY = os.environ["FXMACRO_API_KEY"]


def get_series(path: str, start: str = "2024-01-01") -> list[dict]:
    """Fetch a time-series from FXMacroData."""
    resp = requests.get(
        f"{BASE_URL}{path}",
        params={"api_key": FXMACRO_KEY, "start": start},
        timeout=10,
    )
    resp.raise_for_status()
    return resp.json()["data"]


# Macro inputs
policy_rate   = get_series("/announcements/usd/policy_rate")
cpi           = get_series("/announcements/usd/inflation")
breakeven_10y = get_series("/announcements/usd/breakeven_inflation_rate")
gold          = get_series("/commodities/gold")

# data[0] is always the most recent reading
print(f"Policy rate (latest): {policy_rate[0]['val']}%")
print(f"CPI (latest):          {cpi[0]['val']}%")
print(f"10Y breakeven:         {breakeven_10y[0]['val']}%")
print(f"Gold spot:             ${gold[0]['val']:.2f}")

كل نقطة نهاية تعيد البيانات بترتيب أحدث أولاً. val يحمل الرقم الرئيسي و announcement_datetime تحمل الطابع الزمني للطابق الثاني مفيد لجدولة المشمولة في الخطوة 4. للسلع، val هو السعر الفوري.

الخطوة الثانية: قم ببناء درجة مكرو مركبة

بدلاً من الاستجابة لمؤشر واحد، تقوم النتيجة المركبة بتوليف جميع الإشارات الأربع إلى رقم اتجاهي واحد بين -1 (خطر-انقطاع، BTC هبوطي) و +1 (خاطر-انطلاق، BTC صعودي). يساهم كل عنصر في تعريف معدل مقياس على أساس ما إذا كانت القراءة الحالية تدعم BTC تاريخياً أم تعارضها.

def macro_score(
    policy_rate_pct: float,
    cpi_pct: float,
    breakeven_pct: float,
    gold_usd: float,
    *,
    gold_baseline: float = 1900.0,
) -> float:
    """
    Returns a composite macro score in [-1, +1].

    Positive = risk-on / BTC bullish environment.
    Negative = risk-off / BTC bearish environment.
    """
    score = 0.0

    # ── Policy rate regime (weight 0.35) ──────────────────────────────
    # Below 4.5% = accommodative → bullish; above 5.5% = restrictive → bearish
    if policy_rate_pct < 4.5:
        score += 0.35
    elif policy_rate_pct <= 5.5:
        score += 0.35 * (5.5 - policy_rate_pct) / 1.0
    else:
        score -= 0.20

    # ── Inflation regime (weight 0.25) ────────────────────────────────
    # 2–4% moderate inflation → neutral/slightly bullish
    # >6% high inflation → debasement narrative → bullish
    # <1.5% deflationary risk → bearish
    if cpi_pct > 6.0:
        score += 0.25
    elif cpi_pct >= 2.0:
        score += 0.10
    else:
        score -= 0.15

    # ── Breakeven inflation (weight 0.20) ─────────────────────────────
    # Rising breakevens signal re-anchoring inflation expectations → bullish
    if breakeven_pct >= 2.5:
        score += 0.20
    elif breakeven_pct >= 2.0:
        score += 0.10
    else:
        score -= 0.10

    # ── Gold trend (weight 0.20) ──────────────────────────────────────
    # Gold above baseline confirms hard-asset demand → bullish
    gold_ratio = (gold_usd - gold_baseline) / gold_baseline
    score += 0.20 * max(-1.0, min(1.0, gold_ratio * 5))

    return round(max(-1.0, min(1.0, score)), 4)


score = macro_score(
    policy_rate_pct=policy_rate[0]["val"],
    cpi_pct=cpi[0]["val"],
    breakeven_pct=breakeven_10y[0]["val"],
    gold_usd=gold[0]["val"],
)
print(f"Composite macro score: {score:+.4f}")
# e.g. → +0.6000  (bullish regime)

الخطوة 3: اتصل بـ Coinbase Advanced Trade API

المسؤول coinbase-advanced-py المكتبة تغلف API REST من كوينبيس وتتعامل مع مصادقة JWT تلقائيًا. RESTClient باستخدام اسم مفتاح التداول الخاص بك و مفتاح EC الخاص المرتبط به.

import os
import uuid
from coinbase.rest import RESTClient

CB_KEY_NAME    = os.environ["COINBASE_API_KEY_NAME"]
CB_PRIVATE_KEY = os.environ["COINBASE_PRIVATE_KEY"]

client = RESTClient(api_key=CB_KEY_NAME, api_secret=CB_PRIVATE_KEY)

# Verify connectivity and fetch current BTC-USD price
product = client.get_best_bid_ask(product_ids=["BTC-USD"])
bids = product["pricebooks"][0]["bids"]
asks = product["pricebooks"][0]["asks"]
btc_price = (float(bids[0]["price"]) + float(asks[0]["price"])) / 2
print(f"BTC-USD mid-price: ${btc_price:,.2f}")

# Available USD balance
accounts = client.get_accounts()
usd_balance = 0.0
btc_balance = 0.0
for acct in accounts["accounts"]:
    if acct["currency"] == "USD":
        usd_balance = float(acct["available_balance"]["value"])
    if acct["currency"] == "BTC":
        btc_balance = float(acct["available_balance"]["value"])

print(f"Available USD: ${usd_balance:,.2f}")
print(f"Available BTC: {btc_balance:.6f}")

الخطوة 4: جدولة حول أحداث الإصدار الكلي

واحدة من أهم ميزات FXMacroData لتداول الألغو هي نقطة نهاية تقويم الإصدار. بدلاً من الاستطلاع على توقيت ثابت، يمكنك استفسار الوقت المحدد المحدّد للإصدار لأي مؤشر وتشغيل إشارة تحديثك بالضبط عند طباعة بيانات جديدة.

import datetime
import schedule
import time


def get_next_release(currency: str, indicator: str) -> datetime.datetime | None:
    """
    Returns the next scheduled release datetime for an indicator.
    The calendar endpoint returns upcoming events in ascending date order.
    """
    resp = requests.get(
        f"{BASE_URL}/calendar/{currency}",
        params={"api_key": FXMACRO_KEY},
        timeout=10,
    )
    resp.raise_for_status()
    events = resp.json().get("data", [])

    now_utc = datetime.datetime.now(tz=datetime.timezone.utc)
    for event in events:
        if event.get("indicator") != indicator:
            continue
        release_str = event.get("release_datetime") or event.get("date")
        if not release_str:
            continue
        release_dt = datetime.datetime.fromisoformat(
            release_str.replace("Z", "+00:00")
        )
        if release_dt > now_utc:
            return release_dt
    return None


# Example: find the next FOMC policy rate decision
next_fomc = get_next_release("usd", "policy_rate")
if next_fomc:
    delta = next_fomc - datetime.datetime.now(tz=datetime.timezone.utc)
    print(f"Next FOMC: {next_fomc.isoformat()}  ({delta.days}d {delta.seconds // 3600}h away)")

# Example: find the next CPI print
next_cpi = get_next_release("usd", "inflation")
if next_cpi:
    print(f"Next CPI:  {next_cpi.isoformat()}")

مع الطابع الزمني الدقيق للإصدار، يمكنك تحديد موعد لتحديث إشارة ما بعد الإصدار مما يسمح لرد الفعل الأولي للسعر بالتسوية قبل إعادة التقييم والتداول:

def on_macro_release():
    """Called shortly after a scheduled macro release fires."""
    print("Macro release detected — refreshing signals...")
    run_strategy()


def schedule_next_release(currency: str, indicator: str, delay_seconds: int = 90):
    """
    Schedules the strategy to run 'delay_seconds' after the next release.
    A 90-second delay lets the initial market reaction absorb before entry.
    """
    release_dt = get_next_release(currency, indicator)
    if not release_dt:
        return

    fire_at = release_dt + datetime.timedelta(seconds=delay_seconds)
    fire_str = fire_at.strftime("%H:%M:%S")
    schedule.every().day.at(fire_str).do(on_macro_release).tag(
        f"{currency}_{indicator}"
    )
    print(f"Scheduled refresh at {fire_str} UTC after {currency.upper()} {indicator}")


schedule_next_release("usd", "policy_rate", delay_seconds=90)
schedule_next_release("usd", "inflation", delay_seconds=60)

الخطوة 5: حجم المراكز وتقديم أوامر على كوينبيس

أوامر التداول المتقدمة من كوينبيس تعمل بشكل مختلف عن باينانس: شراء أوامر تحدد quote_size (بالدولار الأمريكي كمية لإنفاق) ، في حين بيع أوامر تحدد base_size (مبلغ BTC للبيع). تُقيس وظيفة التحديد القياسية أدناه تخصيص الدولار الأمريكي بالقدر المطلق للدرجة الكلية إن الاعتقاد الأعلى يبرر تخصيبًا أكبر ، مع حد أقصى قابل للتكوين.

import math


def compute_usd_allocation(
    score: float,
    usd_balance: float,
    max_position_pct: float = 0.20,
    min_threshold: float = 0.30,
) -> float:
    """
    Returns the USD amount to deploy for a BUY order.
    Scales between 0 and max_position_pct of available USD balance.
    Returns 0.0 if |score| < min_threshold (noise-filtered).
    Minimum order size on Coinbase Advanced Trade is $1 USD.
    """
    if abs(score) < min_threshold:
        return 0.0
    conviction = (abs(score) - min_threshold) / (1.0 - min_threshold)
    usd_to_trade = usd_balance * max_position_pct * conviction
    return max(1.0, round(usd_to_trade, 2))


def place_buy(usd_amount: float) -> dict | None:
    """Submit a market BUY order for a given USD amount."""
    if usd_amount <= 0:
        print("USD amount zero — no buy order placed.")
        return None
    order_id = str(uuid.uuid4())
    try:
        result = client.market_order_buy(
            client_order_id=order_id,
            product_id="BTC-USD",
            quote_size=str(usd_amount),
        )
        print(f"BUY order submitted: ${usd_amount:.2f} USD  (order_id={order_id})")
        return result
    except Exception as exc:
        print(f"Coinbase buy error: {exc}")
        return None


def place_sell(btc_amount: float) -> dict | None:
    """Submit a market SELL order for a given BTC amount."""
    # Minimum BTC lot size on Coinbase Advanced Trade is 0.000001 BTC
    btc_amount = math.floor(btc_amount * 1_000_000) / 1_000_000
    if btc_amount <= 0:
        print("BTC amount zero — no sell order placed.")
        return None
    order_id = str(uuid.uuid4())
    try:
        result = client.market_order_sell(
            client_order_id=order_id,
            product_id="BTC-USD",
            base_size=str(btc_amount),
        )
        print(f"SELL order submitted: {btc_amount:.6f} BTC  (order_id={order_id})")
        return result
    except Exception as exc:
        print(f"Coinbase sell error: {exc}")
        return None

الخطوة السادسة: تجميع حلقة الاستراتيجية الكاملة

الآن اجمع كل القطع معاً في قطعة واحدة run_strategy() وظيفة. في كل مكالمة فإنه يحصل على بيانات ماكرو جديدة، يعيد حساب النتيجة، ويكشف عن تغيير النظام، وإما يدخل أو يخرج وفقا لذلك. يتم استمرار الحالة إلى ملف JSON بحيث يمكن للعملية البقاء على قيد الحياة إعادة تشغيل دون فقدان تتبع الموقف.

import json
import pathlib

STATE_FILE = pathlib.Path("coinbase_strategy_state.json")


def load_state() -> dict:
    if STATE_FILE.exists():
        return json.loads(STATE_FILE.read_text())
    return {"position_btc": 0.0, "last_score": 0.0}


def save_state(state: dict) -> None:
    STATE_FILE.write_text(json.dumps(state, indent=2))


def run_strategy() -> None:
    state = load_state()

    # ── 1. Refresh macro data ──────────────────────────────────────────
    policy_rate_val = get_series("/announcements/usd/policy_rate")[0]["val"]
    cpi_val         = get_series("/announcements/usd/inflation")[0]["val"]
    breakeven_val   = get_series("/announcements/usd/breakeven_inflation_rate")[0]["val"]
    gold_val        = get_series("/commodities/gold")[0]["val"]

    # ── 2. Compute macro score ─────────────────────────────────────────
    score = macro_score(policy_rate_val, cpi_val, breakeven_val, gold_val)
    prev  = state["last_score"]
    print(f"Macro score: {score:+.4f}  (prev: {prev:+.4f})")

    # ── 3. Fetch current Coinbase balances ─────────────────────────────
    accounts  = client.get_accounts()
    usd_avail = 0.0
    btc_avail = 0.0
    for acct in accounts["accounts"]:
        if acct["currency"] == "USD":
            usd_avail = float(acct["available_balance"]["value"])
        if acct["currency"] == "BTC":
            btc_avail = float(acct["available_balance"]["value"])

    # ── 4. Regime change logic ─────────────────────────────────────────
    is_bullish = score >= 0.30
    was_bullish = prev >= 0.30
    is_neutral  = abs(score) < 0.30
    is_bearish  = score < -0.30

    if is_bullish and not was_bullish:
        # New bullish regime — enter long via USD allocation
        usd_to_use = compute_usd_allocation(score, usd_avail)
        place_buy(usd_to_use)

    elif is_neutral and was_bullish and btc_avail > 0.000001:
        # Regime turned neutral — exit position
        place_sell(btc_avail)
        print("Regime neutral — exiting BTC position.")

    elif is_bearish and btc_avail > 0.000001:
        # Hard exit on bearish macro signal
        place_sell(btc_avail)
        print("BEARISH regime — full exit.")

    # ── 5. Persist state ───────────────────────────────────────────────
    state["last_score"] = score
    state["position_btc"] = btc_avail
    save_state(state)


# ── Run once on startup, then on each scheduled macro release ──────────
run_strategy()

while True:
    schedule.run_pending()
    time.sleep(10)

الخطوة 7: إدارة المخاطر والاعتبارات التشغيلية

استراتيجية الإشارات الكبرى تتداول بشكل نادر التغيرات في النظام التي تدفعها FOMC و مؤشر أسعار المستهلك و مطبوعات NFP تنتج عادة 6 10 إشارات قابلة للتنفيذ في السنة. هذه التردد المنخفض هو من خلال التصميم: أنت تتمركز لحركات اتجاهية متعددة الأسابيع ، وليس ضوضاء خلال اليوم. ولكن كل موقف يحمل مخاطر ذات مغزى ، لذلك الضوابط المنضبطة ضرورية.

جميع الطوابع الزمنية من FXMacroData بما في ذلك announcement_datetime في استجابات المؤشرات وتوقيتات الإفراج من نقطة نهاية التقويم هي UTC. حافظ على منطق جدولة في UTC طوال الوقت وتحويل فقط لأغراض العرض. هذا يزيل الغموض حول إصدارات البيانات الأمريكية ، وهو مصدر شائع لأخطاء جدولة.

توسيع الاستراتيجية

الإطار هو وحدات. العديد من التوسعات الطبيعية تستحق استكشافها بعد ذلك:

• إضافة بيانات تحديد الموقع COT توفر نقطة نهاية CFTC COT من FXMacroData تحديد المواقع المضاربة الأسبوعية في العقود الآجلة بالدولار الأمريكي. كان التوجه القصير للغاية للدولار الأميركي تاريخياً ريحاً مؤاتية لـ BTC. اسحبها عند /cot/usd وأضاف مصطلح تحديد الموقع الصافي إلى درجة الكلية.
• مؤشر السيولة متعدد العملات دمج إشارات اليورو والين الياباني والجنيه الإسترليني إلى جانب الدولار الأمريكي. عندما تقوم العديد من البنوك المركزية في مجموعة العشرة بتخفيف التكاليف في وقت واحد، تكون ظروف السيولة العالمية أكثر ملاءمة للأصول ذات المخاطر مثل بيتكوين.
• إشارة سرعة التعادل بدلاً من مستوى التضخم عند التساوي، استخدم معدل التغير في الأسابيع الأربعة. يعد الارتفاع الحاد في مستويات التسوية إشارة سابقة وأكثر توجيهية من المستوى وحده.
• تنفيذ أمر الحد استبدال market_order_buy- لاmarket_order_sell مع limit_order_gtc_buy- لاlimit_order_gtc_sell لتجنب دفع الفارق الكامل. احضر دفتر الطلبات الحالي مع client.get_best_bid_ask وجلست بقشيش واحد داخل أفضل عرض / طلب.
• تجميع تقويم الإصدار سألت عن تقويم الإصدار لجميع أحداث الدولار الأمريكي بعد شهر واحد وتحديد النوافذ التي تتجمع فيها إطلاقات متعددة ذات تأثير كبير في غضون 48 ساعة. هذه النوافات الكثيفة هي أعلى فترات الإقناع لتحديد الموقع.

ملخص

لديك الآن روبوت تداول بيتكوين يعمل على إشارة الكلية متصل بـ Coinbase Advanced Trade. تقرأ الاستراتيجية سعر السياسة بالدولار، ومؤشر أسعار المستهلك، وتضخم التعادل، والذهب من FXMacroData لبناء درجة نظام مركبة، وتجدول نفسها حول أحداث الإعلان الكلي في العالم الحقيقي، وتقدم أوامر سوق BTC-USD متناسبة مع إقناع النظام.

يستخدم النهج الكلي تداولات نادرة وبقوة كبيرة وهو بالضبط ما يفصل الاستراتيجيات القائمة على النظام عن الأنظمة التقنية التي تتبع الضوضاء. الخطوة المنطقية التالية هي اختبار هذا الإطار ضد سلسلة زمنية تاريخية من FXMacroData لتنسيق وزنات النتيجة وقياس السحب عبر دورات متعددة من Fed.