📌 Проверка торговых стратегий на исторических данных Bybit, используя их API.👨‍💻

import requests
import pandas as pd

# Конфигурация
SYMBOL = "BTCUSDT"
INTERVAL = "60"  # Таймфрейм (в минутах)
LIMIT = 200  # Количество свечей

# Функция загрузки данных
def get_historical_data(symbol, interval, limit):
    url = f"https://api.bybit.com/v5/market/kline?category=linear&symbol={symbol}&interval={interval}&limit={limit}"
    
    try:
        response = requests.get(url)
        response.raise_for_status()
        data = response.json()
        
        if "result" in data and "list" in data["result"]:
            df = pd.DataFrame(data["result"]["list"], columns=["open_time", "open", "high", "low", "close", "volume", "turnover"])
            df["open_time"] = pd.to_datetime(pd.to_numeric(df["open_time"]), unit="ms")  # Исправлено
            df[["open", "high", "low", "close", "volume"]] = df[["open", "high", "low", "close", "volume"]].astype(float)
            
            df = df.sort_values(by="open_time", ascending=True)  # Добавлено
            return df
        else:
            print("[ERROR] Пустой ответ API Bybit.")
            return None
    except requests.exceptions.RequestException as e:
        print(f"[ERROR] Ошибка запроса: {e}")
        return None

# Стратегия SMA (пересечение средних)
def apply_strategy(df):
    df["SMA_10"] = df["close"].rolling(window=10).mean()
    df["SMA_50"] = df["close"].rolling(window=50).mean()
    
    df["Signal"] = 0
    df.loc[df["SMA_10"] > df["SMA_50"], "Signal"] = 1  # Покупка
    df.loc[df["SMA_10"] < df["SMA_50"], "Signal"] = -1  # Продажа
    
    return df

# Основной код
print("[INFO] Загружаем данные...")
df = get_historical_data(SYMBOL, INTERVAL, LIMIT)

if df is not None:
    print("[INFO] Данные загружены. Применяем стратегию...")
    df = apply_strategy(df)
    print(df[["open_time", "close", "SMA_10", "SMA_50", "Signal"]].dropna().tail(20))
else:
    print("[ERROR] Не удалось получить данные.")

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Pypeln

📌 Библиотека Python, которая делает параллельную обработку данных простой и удобной, позволяя легко использовать многопоточность, многопроцессорность и асинхронное выполнение.

Особенности:

- Простая многопоточная и многопроцессорная обработка данных.

- Интуитивный API, похожий на map и filter.

- Поддержка асинхронных задач (asyncio).

⚙️ Установка 👇👇👇

pip install pypeln

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт загрузка видео в ваш YouTube канал

💻  ЯП:  Python 3.11+🐍
💾  Модули: pyrogram, google-api-python- client
📂  База данных: -

📌 Скрипт Telegram бот для автоматизации выгрузки видео в ваши YouTube канал.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram #youtube

📌 Подпишись  Python_Scripts❗️

📌 Smart Order Routing для BTC/USDT👨‍💻

Функционал скрипта:

1. Запрашивает лучшие цены покупки (bid) и продажи (ask) на Bybit и Binance через REST API.

2. Сравнивает полученные данные и выбирает биржу с наилучшей ценой.

3. Выводит рекомендации, где лучше купить или продать.

import ccxt
import time

# Подключение к биржам
bybit = ccxt.bybit()
binance = ccxt.binance()

SYMBOL = "BTC/USDT"

def get_prices():
    prices = {}

    try:
        bybit_ticker = bybit.fetch_ticker(SYMBOL)
        prices["Bybit"] = {
            "bid": bybit_ticker["bid"],
            "ask": bybit_ticker["ask"]
        }
    except Exception as e:
        print(f"[ERROR] Ошибка получения данных с Bybit: {e}")

    try:
        binance_ticker = binance.fetch_ticker(SYMBOL)
        prices["Binance"] = {
            "bid": binance_ticker["bid"],
            "ask": binance_ticker["ask"]
        }
    except Exception as e:
        print(f"[ERROR] Ошибка получения данных с Binance: {e}")

    return prices

def find_best_route():
    prices = get_prices()

    if not prices or len(prices) < 2:
        print("[WARN] Недостаточно данных для расчета арбитража.")
        return
    
    best_buy = min(prices, key=lambda x: prices[x]["ask"])
    best_sell = max(prices, key=lambda x: prices[x]["bid"])

    buy_price = prices[best_buy]["ask"]
    sell_price = prices[best_sell]["bid"]

    print("\n📊 **Текущие цены на биржах:**")
    for exchange, data in prices.items():
        print(f" - {exchange}: Bid = {data['bid']} USDT | Ask = {data['ask']} USDT")

    print("\n📌 **Рекомендация:**")
    if best_buy != best_sell:
        profit = sell_price - buy_price
        print(f"✅ **Купить на {best_buy} за {buy_price:.2f} USDT**")
        print(f"✅ **Продать на {best_sell} за {sell_price:.2f} USDT**")
        print(f"📈 **Возможная прибыль: {profit:.2f} USDT**")
    else:
        print("⚠ Разница цен недостаточна для арбитража.")

if __name__ == "__main__":
    while True:
        print("\n[INFO] Поиск лучшей цены...")
        find_best_route()
        time.sleep(10)  # Обновление каждые 10 секунд

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 CCXT

📌 Библиотека Python, для работы с API более 100 криптовалютных бирж. Она позволяет получать рыночные данные, управлять ордерами и автоматизировать торговые стратегии.

Особенности:

- Поддержка 100+ бирж, включая Binance, Kraken, Coinbase, Bybit, KuCoin.

- Унифицированный API — одинаковые методы для всех бирж.

- Работа с публичными и приватными API (торговля, управление балансом, исторические данные).

- Поддержка WebSocket для потокового получения данных (через ccxt.pro).

⚙️ Установка 👇👇👇

pip install ccxt

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт DexScreener парсер

💻  ЯП:  Python 3.11+🐍
💾  Модули: selenium
📂  База данных: -

📌 Скрипт Telegram бот, который который автоматически извлекает данные токена, ссылки на соцсети - Twitter и Telegram из DexScreener.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Автоматический анализ волатильности криптовалют с использованием ccxt

Этот скрипт анализирует волатильность криптовалют на бирже Binance (или другой, поддерживаемой ccxt). Он помогает определить самые волатильные активы, что полезно для скальпинга, арбитража и высокочастотной торговли.

🔥 Как это поможет трейдеру?

✅ Скальпинг – находите монеты с высокой волатильностью.

✅ Адаптация – можно встроить в бота для торговли на пробой или контртренд.

✅ Риск-менеджмент – понимание волатильности помогает определять размер стоп-лосса.

import ccxt
import pandas as pd
import time

# Инициализация Binance API
exchange = ccxt.binance()

# Параметры анализа
SYMBOLS = ["BTC/USDT", "ETH/USDT", "BNB/USDT", "SOL/USDT", "XRP/USDT"]
TIMEFRAME = "1h"  # Таймфрейм (можно поменять)
LIMIT = 50  # Количество свечей

def fetch_data(symbol, timeframe, limit):
    """ Получает исторические данные """
    try:
        ohlcv = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)
        df = pd.DataFrame(ohlcv, columns=["timestamp", "open", "high", "low", "close", "volume"])
        df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
        return df
    except Exception as e:
        print(f"[ERROR] Ошибка загрузки данных {symbol}: {e}")
        return None

def calculate_volatility(df):
    """ Вычисляет волатильность """
    df["range"] = df["high"] - df["low"]  # Размах свечи
    df["atr"] = df["range"].rolling(window=14).mean()  # ATR (средний размах)
    df["std_dev"] = df["close"].rolling(window=14).std()  # Стандартное отклонение
    return df

def main():
    print("[INFO] Анализ волатильности активов...")
    
    results = []
    
    for symbol in SYMBOLS:
        df = fetch_data(symbol, TIMEFRAME, LIMIT)
        if df is not None:
            df = calculate_volatility(df)
            latest = df.iloc[-1]
            results.append({
                "symbol": symbol,
                "last_price": latest["close"],
                "range": latest["range"],
                "atr": latest["atr"],
                "std_dev": latest["std_dev"]
            })
    
    # Сортировка по ATR (самые волатильные активы в топе)
    df_results = pd.DataFrame(results).sort_values(by="atr", ascending=False)
    print("\n[RESULTS] Топ волатильных активов:\n")
    print(df_results)

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Zict

📌 Библиотека Python, для создания адаптивных кешей, которые могут хранить данные как в оперативной памяти, так и на диске, динамически управляя ресурсами. Полезна для работы с большими объёмами данных и распределённых вычислений.

Особенности:

- Поддержка кэширования в памяти (LRU, LFU) и на диске.

- Интеграция с Dask, NumPy и другими вычислительными библиотеками.

- Гибкость – можно комбинировать разные стратегии хранения.

⚙️ Установка 👇👇👇

pip install zict

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт парсер Avito

💻  ЯП:  Python 3.11+🐍
💾  Модули: requests, bs4, lxml, pysocks, parse
📂  База данных: -

📌 Скрипт гибкий и мощный парсер объявлений Avito, который поддерживает мониторинг, работу через прокси, отправку данных в Telegram, выбор категорий и сохранение информации в JSON/XLSX.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram #other

📌 Подпишись  Python_Scripts❗️

📌 Анализ дисбаланса лимитных заявок в стакане (Order Book)

🔹 В чем польза?

✔️ Помогает определять рыночные манипуляции (например, фиктивные крупные заявки)
✔️ Полезен для скальпинга и внутридневной торговли – можно находить зоны ликвидности
✔️ Автоматизированный анализ стакана ордеров в реальном времени

import ccxt
import time

# Используем биржи Binance и Bybit
exchanges = {
    "binance": ccxt.binance(),
    "bybit": ccxt.bybit(),
}

SYMBOL = "BTC/USDT"
ORDER_BOOK_DEPTH = 20  # Глубина стакана ордеров
IMBALANCE_THRESHOLD = 1.5  # Порог дисбаланса (в 1.5 раза больше заявок на одной стороне)

def fetch_order_book(exchange, symbol, depth):
    """Получает данные о стакане ордеров"""
    try:
        order_book = exchange.fetch_order_book(symbol, limit=depth)
        return order_book
    except Exception as e:
        print(f"[ERROR] Ошибка получения стакана с {exchange.name}: {e}")
        return None

def analyze_imbalance(order_book):
    """Анализирует дисбаланс в стакане"""
    if order_book is None:
        return None

    total_bids = sum([bid[1] for bid in order_book["bids"]])  # Общий объем заявок на покупку
    total_asks = sum([ask[1] for ask in order_book["asks"]])  # Общий объем заявок на продажу

    if total_bids / total_asks > IMBALANCE_THRESHOLD:
        return "[🚀 ALERT] Дисбаланс в пользу покупателей!"
    elif total_asks / total_bids > IMBALANCE_THRESHOLD:
        return "[⚠️ ALERT] Дисбаланс в пользу продавцов!"
    else:
        return "[INFO] Дисбаланс отсутствует."

def main():
    print("[INFO] Запуск мониторинга дисбаланса ордеров...")

    while True:
        for name, exchange in exchanges.items():
            print(f"[INFO] Анализ стакана ордеров на {name}...")
            order_book = fetch_order_book(exchange, SYMBOL, ORDER_BOOK_DEPTH)

            imbalance_alert = analyze_imbalance(order_book)
            if imbalance_alert:
                print(f"{name}: {imbalance_alert}")
        
        print("[INFO] Ожидание 10 секунд перед следующим анализом...")
        time.sleep(10)

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 SeleniumBase

📌 Библиотека Python, которая расширяет стандартную библиотеку Selenium, добавляя удобные методы для автоматизации тестирования веб-приложений, выполнения скриптов и парсинга динамических страниц.

Особенности:

- Автоматизация тестирования без сложной настройки.

- Гибкие инструменты для взаимодействия с веб-страницами.

- Встроенная поддержка записи тестов и скриншотов.

- Поддержка работы с динамическим JavaScript-контентом.

⚙️ Установка 👇👇👇

pip install seleniumbase

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт анонимный чат

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram,yookassa
📂  База данных: postgresql

📌 Скрипт полностью асинхронный Telegram бот для анонимного общения между двумя людьми(чат-рулетка) с платной подпиской и дополнительным функционалом.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Автоматический мониторинг разницы между Spot и Futures ценами (Basis Trading)


🔹 В чем польза?

✔️ Определяет арбитражные возможности – можно зарабатывать на разнице цен

✔️ Отслеживает перекос в рыночных ожиданиях – сигнализирует о возможном тренде

✔️ Полезен для фьючерсных стратегий (контанго, бэквордейшн)

import ccxt
import time

# Подключаемся к Binance
binance_spot = ccxt.binance()
binance_futures = ccxt.binance({'options': {'defaultType': 'future'}})

SYMBOL_SPOT = "BTC/USDT"       # Спотовый рынок
SYMBOL_FUTURES = "BTC/USDT"    # Фьючерсный рынок
BASIS_THRESHOLD = 0.5          # Порог аномальной разницы в %

def fetch_price(exchange, symbol):
    """Получает текущую цену актива"""
    try:
        ticker = exchange.fetch_ticker(symbol)
        return ticker["last"]
    except Exception as e:
        print(f"[ERROR] Ошибка получения цены {symbol} с {exchange.name}: {e}")
        return None

def monitor_basis():
    """Мониторинг разницы между спотовой и фьючерсной ценой"""
    print("[INFO] Запуск мониторинга Basis Trading...")

    while True:
        spot_price = fetch_price(binance_spot, SYMBOL_SPOT)
        futures_price = fetch_price(binance_futures, SYMBOL_FUTURES)

        if spot_price and futures_price:
            basis = ((futures_price - spot_price) / spot_price) * 100  # Разница в %

            print(f"[INFO] Spot: {spot_price:.2f} | Futures: {futures_price:.2f} | Basis: {basis:.2f}%")

            if abs(basis) > BASIS_THRESHOLD:
                print(f"[⚠️ ALERT] Аномальная разница цен! Basis = {basis:.2f}%")

        time.sleep(10)  # Ждем 10 секунд перед следующим анализом

if __name__ == "__main__":
    monitor_basis()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Helium

📌 Библиотека Python, делающая Selenium более удобным и интуитивно понятным. Позволяет автоматизировать тестирование и взаимодействие с веб-страницами с минимальным количеством кода.

Особенности:

- Автоматически ищет элементы по тексту (без CSS-селекторов).

- Поддерживает работу с Chrome и Firefox.

- Простые команды click(), write(), press() без лишнего кода.

- Идеально подходит для быстрых скриптов автоматизации.

⚙️ Установка 👇👇👇

pip install helium

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт сборщик проксей

💻  ЯП:  Python 3.11+🐍
💾  Модули: telethon, pysocks, requests
📂  База данных: -

📌 Скрипт для получение свежих прокси из каналов Telegram и их тестирование с помощью пинга с реальной задержкой.
Бот будет прослушивать предоставленные каналы (даже приватные), затем анализировать новые прокси и записывать их.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Автоматическое определение тренда на основе объема торгов


🔹 В чем польза?

✔️ Ранние сигналы тренда – рост объема часто предвещает движение цены
✔️ Фильтрация ложных движений – помогает избежать входа в слабые тренды
✔️ Применимо к любой стратегии – можно адаптировать для разных таймфреймов

import ccxt
import pandas as pd
import time

# Подключение к Binance
exchange = ccxt.binance()

SYMBOL = "BTC/USDT"   # Торгуемый инструмент
TIMEFRAME = "5m"      # Таймфрейм (5 минут)
LIMIT = 50            # Количество свечей
VOLUME_THRESHOLD = 1.5  # Коэффициент аномального объема

def fetch_ohlcv(symbol, timeframe, limit):
    """Получает исторические данные свечей"""
    try:
        data = exchange.fetch_ohlcv(symbol, timeframe, limit=limit)
        df = pd.DataFrame(data, columns=["timestamp", "open", "high", "low", "close", "volume"])
        return df
    except Exception as e:
        print(f"[ERROR] Ошибка загрузки данных: {e}")
        return None

def analyze_volume(df):
    """Анализ объема на всплески"""
    df["SMA_Volume"] = df["volume"].rolling(window=10).mean()  # Средний объем за 10 свечей
    df["Volume_Change"] = df["volume"] / df["SMA_Volume"]

    # Фильтр аномальных всплесков объема
    spike_df = df[df["Volume_Change"] > VOLUME_THRESHOLD]
    
    return spike_df

def monitor_trend():
    """Мониторинг аномального объема"""
    print("[INFO] Запуск анализа объемов...")

    while True:
        df = fetch_ohlcv(SYMBOL, TIMEFRAME, LIMIT)
        
        if df is not None:
            spikes = analyze_volume(df)
            
            if not spikes.empty:
                print(f"[⚠️ ALERT] Найдены аномальные всплески объема!")
                print(spikes[["timestamp", "close", "volume", "SMA_Volume", "Volume_Change"]].tail(3))

        time.sleep(30)  # Запрос каждые 30 секунд

if __name__ == "__main__":
    monitor_trend()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Autopy

📌 Библиотека Python, автоматизации действий на компьютере, таких как перемещение мыши, нажатие клавиш, захват экрана и работа с пикселями. Полезна для создания ботов, автоматизации рутинных задач и тестирования GUI.

Особенности:

- Позволяет управлять клавиатурой, мышью и экраном.

- Лёгкая и удобная альтернатива pyautogui.

- Работает на Windows, macOS и Linux.

- Полезна для автоматизации рутины, создания ботов и тестирования GUI.

⚙️ Установка 👇👇👇

pip install autopy

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт спамер

💻  ЯП:  Python 3.11+🐍
💾  Модули: pyrofork
📂  База данных: -

📌 Скрипт Telegram бот для рассылки спама в несколько групп с установленными задержками.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Анализ рыночного спреда для поиска выгодных торговых условий( между покупкой и продажей)

🔹 В чем польза?

✔️ Поиск ликвидных пар – снижает издержки на спредах
✔️ Оптимизация торговли – отлично подходит для скальпинга
✔️ Можно адаптировать – добавить отбор по объему, волатильности и ликвидности

import ccxt
import pandas as pd

# Подключение к Binance
exchange = ccxt.binance()

def fetch_spread():
    """Получает спред для всех торговых пар на Binance"""
    try:
        tickers = exchange.fetch_tickers()
        spread_data = []

        for symbol, ticker in tickers.items():
            if 'bid' in ticker and 'ask' in ticker and ticker["bid"] and ticker["ask"]:
                spread = (ticker["ask"] - ticker["bid"]) / ticker["bid"] * 100  # В %
                spread_data.append([symbol, ticker["bid"], ticker["ask"], spread])

        df = pd.DataFrame(spread_data, columns=["Symbol", "Bid Price", "Ask Price", "Spread (%)"])
        return df.sort_values(by="Spread (%)")  # Сортируем по спреду

    except Exception as e:
        print(f"[ERROR] Ошибка при получении данных: {e}")
        return None

def main():
    """Основной процесс мониторинга спредов"""
    print("[INFO] Анализ спредов на Binance...")
    
    df = fetch_spread()
    if df is not None:
        print("\n🔍 **ТОП-10 пар с минимальным спредом:**")
        print(df.head(10))  # Выводим 10 лучших пар с низким спредом

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 PyGetWindow

📌 Библиотека Python, для управления окнами на рабочем столе. Позволяет получать список открытых окон, перемещать, изменять их размер и фокусировать.

Особенности:

- Управление окнами любых приложений.

- Возможность фокусировки, перемещения и изменения размеров окон.

- Работает на Windows, macOS и Linux.

⚙️ Установка 👇👇👇

pip install PyGetWindow

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️