📌Candle Pressure Strategy – стратегия на основе "давления тела свечи"🧑‍💻

Суть стратегии:🛠️

Каждая свеча содержит скрытую информацию о силе и направлении движения — особенно, если рассчитать:

> Насколько тело свечи жёстко прижато к high или low → это и есть давление, сигнализирующее о вероятном продолжении.

Цель стратегии — входить в сторону свечей с сильным давлением и подтверждением объёма.

Условия сигнала:🧨

- Длина тела свечи ≥ 2× среднего

- Тело «прижато» к high (лонг) или low (шорт)

- Объём выше среднего

- Свеча закрылась ближе к high/low ≥ 80%

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "5m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

df["body"] = abs(df["close"] - df["open"])
df["range"] = df["high"] - df["low"]
df["body_avg"] = df["body"].rolling(20).mean()
df["vol_avg"] = df["volume"].rolling(20).mean()
df["pressure_long"] = (df["close"] - df["low"]) / df["range"]
df["pressure_short"] = (df["high"] - df["close"]) / df["range"]

# Условия сигнала
df["signal_long"] = (
    (df["body"] > 2 * df["body_avg"]) &
    (df["volume"] > df["vol_avg"]) &
    (df["pressure_long"] > 0.8)
)

df["signal_short"] = (
    (df["body"] > 2 * df["body_avg"]) &
    (df["volume"] > df["vol_avg"]) &
    (df["pressure_short"] > 0.8)
)

# Вывод
signals = df[(df["signal_long"] | df["signal_short"])]
signals["direction"] = signals.apply(
    lambda x: "LONG" if x["signal_long"] else "SHORT", axis=1
)
print(signals[["ts", "close", "direction"]].tail(5))

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Daily Range Analyzer – анализ суточного диапазона актива🧑‍💻

Суть инструмента:🛠️

Инструмент рассчитывает дневной диапазон движения (high – low) и сравнивает его:

- со средним значением за последние N дней,

- определяет, насколько день "активен" или "затухший",

помогает:🚀

- фильтровать сигналы (не торговать в сжатом дне),

- находить дни для пробойных стратегий,

- отслеживать приближение к границам дневного диапазона.

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

# Получаем дневные свечи
ohlcv = exchange.fetch_ohlcv(symbol, timeframe="1d", limit=30)
df = pd.DataFrame(ohlcv, columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Расчёт диапазона
df["range"] = df["high"] - df["low"]
df["avg_range"] = df["range"].rolling(14).mean()

# Текущий день (если запуск в реальном времени — заменить на 1h и группировку)
current_range = df.iloc[-1]["range"]
avg_range = df["avg_range"].iloc[-1]
activity = current_range / avg_range * 100

print(f"Текущий дневной диапазон: {current_range:.2f}")
print(f"Средний за 14 дней:       {avg_range:.2f}")
print(f"Активность дня:           {activity:.1f}%")

if activity > 130:
    print("⚠️ Слишком активный день — возможен откат.")
elif activity < 70:
    print("⏳ Затухший день — вероятен пробой позже.")
else:
    print("✅ День в пределах нормы — можно использовать стандартные сигналы.")

#инструмент

📌 Подпишись  Crypto Python❗️

📌Spread Trap Strategy – ловушка на резкое сужение спреда🧑‍💻

Суть стратегии:🛠️

На низколатентных биржах (Binance, Bybit и др.) спред между bid/ask почти всегда минимален.
Но иногда, перед внезапным движением, крупные участники:

> искусственно сужают спред, создавая иллюзию "тишины", после чего мгновенно проламывают рынок в одну сторону.

Цель стратегии — отследить аномальное сужение спреда + рост дельты → и войти на пробой первым.🚀

Признаки ловушки:🧨

- Спред < 0.01% (искусственно зажат)

- Объём в лимитах по обе стороны внезапно увеличивается

- После нескольких секунд → всплеск дельты или объёма → движение

Алгоритм стратегии:💻

1. Постоянно читаем стакан

2. Если спред стал очень мал (например, < 0.05%) и объём по bid/ask резко вырос

3. Ожидаем всплеска объёма или односторонней агрессии (delta > X)

4. Вход в сторону импульса (обычно туда, где слабее плотность)

import json
import websockets
import asyncio

# Настройки
symbol = "btcusdt"
spread_threshold_pct = 0.02  # макс. допустимый спред (%)
volume_threshold = 100       # суммарный объём в 5 уровнях с обеих сторон

# Подключение к Binance WebSocket depth stream
url = f"wss://stream.binance.com:9443/ws/{symbol}@depth5@100ms"

async def monitor_orderbook():
    async with websockets.connect(url) as websocket:
        print(f"Подключено к Binance. Отслеживается пара {symbol.upper()}")
        while True:
            response = await websocket.recv()
            data = json.loads(response)

            bids = [(float(p), float(q)) for p, q in data["bids"]]
            asks = [(float(p), float(q)) for p, q in data["asks"]]

            if not bids or not asks:
                continue

            top_bid = bids[0][0]
            top_ask = asks[0][0]
            spread_pct = (top_ask - top_bid) / ((top_ask + top_bid) / 2) * 100

            total_bid_vol = sum([q for _, q in bids])
            total_ask_vol = sum([q for _, q in asks])

            if spread_pct < spread_threshold_pct and total_bid_vol > volume_threshold and total_ask_vol > volume_threshold:
                print("\n=== Обнаружена ловушка ликвидности ===")
                print(f"Спред: {spread_pct:.4f}%")
                print(f"Объём BID (5 ур.): {total_bid_vol:.2f}")
                print(f"Объём ASK (5 ур.): {total_ask_vol:.2f}")
                print(f"Цена BID: {top_bid:.2f} | ASK: {top_ask:.2f}")
                print("Сигнал: возможный резкий импульс\n")

# Запуск
asyncio.run(monitor_orderbook())

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Hourly Volatility Map – карта волатильности по часам суток🧑‍💻

Суть инструмента:🛠️

Этот инструмент помогает определить:

> В какие часы дня актив наиболее волатилен,
и когда лучше всего входить в сделки или избегать рынка.

Актуально для внутридневных стратегий, особенно скальпинга, breakout и сессионной торговли.

Что делает инструмент:🚀

- Берёт исторические 1h-свечи

- Вычисляет диапазон (high – low) каждой свечи

- Группирует по часу (0–23 UTC)

- Строит таблицу или график волатильности по часам

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

ohlcv = exchange.fetch_ohlcv(symbol, "1h", limit=720)  # 30 дней по 24 часа
df = pd.DataFrame(ohlcv, columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")
df["hour"] = df["ts"].dt.hour
df["range"] = df["high"] - df["low"]

# Группировка по часу
vol_by_hour = df.groupby("hour")["range"].mean().reset_index()
vol_by_hour.columns = ["Hour (UTC)", "Avg Range ($)"]

print("Средняя волатильность по часу (UTC):")
print(vol_by_hour.sort_values("Avg Range ($)", ascending=False))

#инструмент

📌 Подпишись  Crypto Python❗️

📌Candle Stack Breakout – стратегия пробоя "свечной стопки"🧑‍💻

Суть стратегии:🛠️

Когда рынок несколько свечей подряд идёт вбок, но каждая свеча имеет узкое тело и почти одинаковые high/low, это называется "свечная стопка" — это признак сжатия и накопления.

> Стратегия ждёт пробой такой стопки вверх или вниз и входит в направлении выхода.

Критерии входа:🚀

Последние N свечей (например, 4–6)

- маленькие тела

- похожие high/low (разница < X%)

- Объём сжимается

- Цена пробивает high или low стопки

- Подтверждение по объёму на пробойной свече

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Последние 6 свечей
stack = df.iloc[-7:-1]
current = df.iloc[-1]

# Проверка "стопки"
stack_bodies = abs(stack["close"] - stack["open"])
body_cond = (stack_bodies < stack_bodies.mean() * 1.2).all()
hl_range = stack["high"].max() - stack["low"].min()
hl_cond = hl_range / stack["close"].mean() < 0.005  # < 0.5%

# Пробой
break_up = current["close"] > stack["high"].max()
break_down = current["close"] < stack["low"].min()

if body_cond and hl_cond:
    print("Сформирована свечная стопка:")
    print(f"Диапазон: {stack['low'].min():.2f} – {stack['high'].max():.2f}")
    if break_up:
        print("✅ Пробой вверх — ЛОНГ")
    elif break_down:
        print("✅ Пробой вниз — ШОРТ")
    else:
        print("Пробоя пока нет — наблюдение")
else:
    print("Нет признаков накопления")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Daily Bias Tracker – отслеживание дневного смещения рынка🧑‍💻

Суть инструмента:🛠️

Инструмент оценивает:🧨

> Идёт ли день по направлению утреннего импульса (трендовый день)
или день меняет направление (контртренд, флет, ложный пробой)

Используется как фильтр для внутридневных стратегий — помогает избежать входа против дневного импульса и ловить разворот.

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
tf = "1h"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, tf, limit=48),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")
df["hour"] = df["ts"].dt.hour

# Утренний диапазон (например, 07:00–10:00 UTC)
morning = df[df["hour"].between(7, 10)]
high_range = morning["high"].max()
low_range = morning["low"].min()

# Последняя цена
current_price = df.iloc[-1]["close"]

print(f"Диапазон утра: {low_range:.2f} – {high_range:.2f}")
print(f"Текущая цена: {current_price:.2f}")

if current_price > high_range:
    print("📈 Дневной импульс ВВЕРХ — избегать шортов, искать лонги")
elif current_price < low_range:
    print("📉 Дневной импульс ВНИЗ — избегать лонгов, искать шорты")
else:
    print("🔄 Цена внутри диапазона — флет, лучше подождать")

#инструмент

📌 Подпишись  Crypto Python❗️

📌"Liquidity Flip Trap" – стратегия на смену плотности в стакане🧑‍💻

Суть стратегии:🛠️

На фьючерсных рынках часто наблюдается поведение, при котором:

> Плотность в стакане резко меняется местами (bid → ask или наоборот)
Это может быть ловушкой или сигналом о переходе рыночной инициативы.

Пример:💸

Была крупная плотность на BID — поддержка.
Через 10–30 секунд она исчезает и появляется на ASK — это сигнал на разворот и шорт.

Стратегия:🚀

1. Мониторим объёмы в 3–5 верхних уровней стакана (bid/ask)

2. Ищем резкий flip:

- крупная плотность на одной стороне исчезает

- появляется аналогичная на противоположной стороне

3. Подтверждаем дельтой или первой рыночной агрессией

4. Вход в сторону flip-сигнала

import ccxt
import time

exchange = ccxt.binance()

symbol = "BTC/USDT"
depth_limit = 5  # сколько уровней стакана отслеживать
interval_sec = 5  # частота опроса
volume_threshold = 100  # минимум объёма в одной из сторон

prev_bid_volume = None
prev_ask_volume = None

print(f"Мониторинг ликвидности для {symbol} (flip trap)...")

while True:
    orderbook = exchange.fetch_order_book(symbol, limit=depth_limit)
    bids = orderbook["bids"]
    asks = orderbook["asks"]

    total_bid_volume = sum([v for _, v in bids])
    total_ask_volume = sum([v for _, v in asks])

    # Сравнение с предыдущим состоянием
    if prev_bid_volume and prev_ask_volume:
        bid_flip = prev_bid_volume > volume_threshold and total_bid_volume < volume_threshold and total_ask_volume > volume_threshold
        ask_flip = prev_ask_volume > volume_threshold and total_ask_volume < volume_threshold and total_bid_volume > volume_threshold

        if bid_flip:
            print("⚠️ Flip: крупная ликвидность исчезла с BID и появилась на ASK → возможный ШОРТ")
        elif ask_flip:
            print("⚠️ Flip: крупная ликвидность исчезла с ASK и появилась на BID → возможный ЛОНГ")

    # Обновляем
    prev_bid_volume = total_bid_volume
    prev_ask_volume = total_ask_volume

    time.sleep(interval_sec)

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Auto Range Box – автоматическое построение ключевых зон консолидации🧑‍💻

Суть инструмента:🛠️

Инструмент ищет горизонтальные диапазоны, где цена долго стояла в узком коридоре.

> Эти зоны (range boxes) часто становятся базой для будущих пробоев или откатов.

Цель — автоматически определить такие зоны и использовать их:💸

- как уровни поддержки/сопротивления,

- как фильтры для входа/выхода,

- как цели (TP) или стоп-зоны.

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=200),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Параметры диапазона
box_size = 12  # кол-во свечей в диапазоне
volatility_limit = 0.6  # % диапазона от цены

boxes = []

for i in range(len(df) - box_size):
    window = df.iloc[i:i + box_size]
    high = window["high"].max()
    low = window["low"].min()
    center = window["close"].mean()
    width_pct = (high - low) / center * 100

    if width_pct < volatility_limit:
        boxes.append({
            "start": window["ts"].iloc[0],
            "end": window["ts"].iloc[-1],
            "low": low,
            "high": high,
            "width_pct": width_pct
        })

# Вывод последних 3 боксов
print("Найденные консолидации (узкие диапазоны):")
for box in boxes[-3:]:
    print(f"{box['start']} → {box['end']} | {box['low']:.2f} – {box['high']:.2f} ({box['width_pct']:.2f}%)")

#инструмент

📌 Подпишись  Crypto Python❗️

📌"Failed High/Low Reversal" – стратегия разворота после ложного экстремума🧑‍💻

Суть стратегии:🛠️

Когда рынок обновляет максимум/минимум, но не удерживает уровень, это часто признак ловушки.

> Такие “неудачные” пробои дают сильные разворотные сигналы, особенно на младших ТФ (5m, 15m).

Типичный сценарий:🚀

- Цена обновляет дневной high/low

- Следующая свеча возвращается внутрь диапазона

- Вход против пробоя, стоп — за экстремум

Условия стратегии:🧨

1. Уровни: дневной high/low (или экстремум за последние N часов)

2. Свеча пробивает уровень

3. Следующая свеча закрывается обратно внутри диапазона

4. Объём на пробойной свече выше среднего (подтверждение ликвидаций/паники)

5. Вход на открытии третьей свечи в обратную сторону

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Диапазон последних 20 свечей
range_high = df["high"][-20:-1].max()
range_low = df["low"][-20:-1].min()

# Последние две свечи
prev = df.iloc[-2]
curr = df.iloc[-1]

long_fail = (
    prev["high"] > range_high and
    curr["close"] < range_high and
    prev["volume"] > df["volume"].rolling(20).mean().iloc[-2]
)

short_fail = (
    prev["low"] < range_low and
    curr["close"] > range_low and
    prev["volume"] > df["volume"].rolling(20).mean().iloc[-2]
)

print(f"Диапазон: {range_low:.2f} – {range_high:.2f}")
if long_fail:
    print("🔻 ЛОЖНЫЙ ПРОБОЙ ВВЕРХ → СИГНАЛ НА ШОРТ")
elif short_fail:
    print("🔺 ЛОЖНЫЙ ПРОБОЙ ВНИЗ → СИГНАЛ НА ЛОНГ")
else:
    print("Нет ложного пробоя — без сигнала")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Realized Range Consistency Tracker – измеритель стабильности дневного диапазона🧑‍💻

Суть инструмента:🛠️

Многие стратегии (breakout, trend-following) работают лучше, когда у актива стабильный или расширяющийся дневной диапазон.

> Этот инструмент оценивает, насколько предсказуемо актив “ходит” каждый день, и позволяет:

- понять, когда актив теряет волатильность,

- выявить фазы сжатия перед пробоем,

- фильтровать "бесполезные" дни.

Что считает инструмент:🧨

- Средний дневной диапазон (high – low)

- Отклонение диапазона от среднего

- Коэффициент вариации: std / mean, как показатель стабильности

- Дни с экстремально узким или широким диапазоном (аномалии)

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "1d", limit=60),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Расчёт диапазонов
df["range"] = df["high"] - df["low"]

# Статистика
mean_range = df["range"].mean()
std_range = df["range"].std()
cv = std_range / mean_range * 100

print(f"Средний дневной диапазон: {mean_range:.2f}")
print(f"Отклонение: {std_range:.2f}")
print(f"Коэффициент вариации: {cv:.2f}%")

if cv < 20:
    print("✅ Стабильный диапазон — стратегия на диапазонах будет надёжной")
elif cv > 40:
    print("⚠️ Повышенная нестабильность — стоит использовать гибкие стопы или избегать входов")
else:
    print("ℹ️ Средняя волатильность — возможны фазы перехода")

#инструмент

📌 Подпишись  Crypto Python❗️

📌"Mid-Bar Rejection Strategy" – стратегия по реакции в середине свечи🧑‍💻

Суть стратегии:🛠️

Во время сильного движения трейдеры часто заходят "в догонку", но рынок:

> достигает середины предыдущей импульсной свечи и разворачивается.
Это зона, где часто находятся отложенные ордера или срабатывают контртрендовые заявки.

Цель стратегии — входить при отскоке от середины предыдущей сильной свечи.🧨

Условия входа:💸

1. Предыдущая свеча — импульсная (длинное тело, высокий объём)

2. Цена возвращается к её середине (midpoint)

3. В текущей свече — отбой от этой зоны (пинбар, хвост, слабый объём)

4. Вход в сторону первоначального импульса

5. Стоп — за хвост текущей свечи, тейк — по R:R или ближайшему уровню

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Предыдущая свеча
prev = df.iloc[-2]
curr = df.iloc[-1]

# Импульсная свеча: длинное тело и высокий объём
body = abs(prev["close"] - prev["open"])
range_ = prev["high"] - prev["low"]
vol_ok = prev["volume"] > df["volume"].rolling(20).mean().iloc[-2]
body_ok = body > range_ * 0.6

midpoint = (prev["open"] + prev["close"]) / 2

# Условия отката к середине и реакция
touched = curr["low"] <= midpoint <= curr["high"]
rejected = (curr["close"] > midpoint) if prev["close"] > prev["open"] else (curr["close"] < midpoint)

if body_ok and vol_ok and touched and rejected:
    direction = "LONG" if prev["close"] > prev["open"] else "SHORT"
    print(f"🔁 Отбой от середины импульсной свечи → Сигнал на {direction}")
    print(f"Уровень входа (midpoint): {midpoint:.2f}")
else:
    print("Нет сигнала по Mid-Bar Rejection")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌"Open Range Fakeout" – стратегия на ложный пробой утреннего диапазона🧑‍💻

Суть стратегии:🛠️

Первые 30–60 минут торговой сессии формируют утренний диапазон (Open Range).

> Часто рынок имитирует пробой вверх или вниз, привлекая трейдеров в ловушку,
а затем разворачивается в противоположную сторону — туда, где реальная ликвидность.

Цель стратегии — войти в разворот после ложного пробоя утреннего диапазона💸

Условия:🚀

1. Строим диапазон по первым 2–4 свечам (например, 5m × 4 = 20 минут)

2. Ждём пробоя вверх или вниз

3. Следующая свеча закрывается обратно внутрь диапазона

4. Входим в противоположную сторону пробоя

5. Стоп — за экстремум ложного пробоя, тейк — внутрь диапазона или в 1.5× ширину

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
tf = "5m"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, tf, limit=50),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Формируем Open Range по первым 4 свечам (пример — 20 минут)
open_range = df.iloc[:4]
high_range = open_range["high"].max()
low_range = open_range["low"].min()

# Последние 2 свечи
prev = df.iloc[4]
curr = df.iloc[5]

# Условия ложного пробоя вверх
fake_up = (
    prev["high"] > high_range and
    curr["close"] < high_range
)

# Ложный пробой вниз
fake_down = (
    prev["low"] < low_range and
    curr["close"] > low_range
)

print(f"Open Range: {low_range:.2f} – {high_range:.2f}")
if fake_up:
    print("🔻 Ложный пробой вверх — сигнал на ШОРТ")
elif fake_down:
    print("🔺 Ложный пробой вниз — сигнал на ЛОНГ")
else:
    print("Нет сигнала — диапазон не пробит или пробой подтверждён")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Intraday Range Compression Detector – детектор внутридневного сжатия волатильности🧑‍💻

Суть инструмента:🛠️

Перед сильными движениями рынок часто "сжимается" — диапазон между high/low уменьшается,
объём падает, волатильность падает. Это состояние часто предшествует импульсу или пробою.

> Этот инструмент отслеживает внутридневное сжатие диапазона и даёт сигнал,
когда оно достигает аномально низких значений по сравнению с предыдущими днями.

Что делает инструмент:💻

- Сравнивает текущий дневной диапазон с историческим (например, 10–20 последних дней)

- Считает % сжатия относительно среднего

- Выдаёт сигнал, если сжатие сильное (например, < 50% нормы)

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

# Получаем 1h свечи, группируем по дню
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "1h", limit=240),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")
df["date"] = df["ts"].dt.date

daily = df.groupby("date").agg({
    "high": "max",
    "low": "min"
})
daily["range"] = daily["high"] - daily["low"]

# Анализ последнего дня
current_range = daily["range"].iloc[-1]
avg_range = daily["range"].iloc[:-1].mean()
compression = current_range / avg_range * 100

print(f"Сегодняшний диапазон: {current_range:.2f}")
print(f"Средний диапазон:     {avg_range:.2f}")
print(f"Сжатие диапазона:     {compression:.1f}%")

if compression < 50:
    print("⚠️ Внутридневное сжатие! Возможен пробой или сильный импульс.")
else:
    print("Диапазон в норме — рынок активен.")

#инструмент

📌 Подпишись  Crypto Python❗️

📌"Liquidity Gap Sniper" — стратегия входа в незаполненные ценовые разрывы🧑‍💻

Суть стратегии:🛠️

Иногда в течение дня возникает резкое движение, оставляющее после себя
“пустую” область в стакане (или на графике) — почти без касания цен.

> Такие зоны рынок часто возвращается закрыть, особенно на умеренной волатильности.

Цель стратегии — войти в сторону “заполнения” этой зоны,
ориентируясь на структуру предыдущих свечей и объёмов.

Что считается "gap":🚀

- 2 свечи подряд, где минимум текущей свечи выше максимума предыдущей (или наоборот)

- Расстояние между свечами больше X% (например, 0.3%)

- Отсутствие свечей, перекрывающих этот диапазон в течение N свечей

Условия входа:🧨

1. Обнаружен gap (разрыв между свечами)

2. Цена приближается к gap, но ещё не закрыла его полностью

3. Вход на возврат в gap, с целью закрытия

4. Стоп — за границу gap или за ближайший экстремум

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "5m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

gaps = []

for i in range(1, len(df)):
    prev = df.iloc[i - 1]
    curr = df.iloc[i]

    # Проверка на gap вверх
    if curr["low"] > prev["high"]:
        gap_size = curr["low"] - prev["high"]
        gap_pct = gap_size / prev["high"] * 100
        if gap_pct > 0.3:
            gaps.append({
                "type": "up",
                "from": prev["high"],
                "to": curr["low"],
                "timestamp": curr["ts"]
            })

    # Gap вниз
    if curr["high"] < prev["low"]:
        gap_size = prev["low"] - curr["high"]
        gap_pct = gap_size / prev["low"] * 100
        if gap_pct > 0.3:
            gaps.append({
                "type": "down",
                "from": curr["high"],
                "to": prev["low"],
                "timestamp": curr["ts"]
            })

# Последний gap и текущая цена
if gaps:
    last_gap = gaps[-1]
    price = df.iloc[-1]["close"]

    print(f"Обнаружен GAP ({last_gap['type']}) от {last_gap['from']:.2f} до {last_gap['to']:.2f}")
    if last_gap["type"] == "up" and price < last_gap["from"]:
        print("📉 Возможен ретест GAP снизу → Сигнал на ЛОНГ")
    elif last_gap["type"] == "down" and price > last_gap["to"]:
        print("📈 Возможен ретест GAP сверху → Сигнал на ШОРТ")
    else:
        print("Цена ещё не вернулась в зону GAP")
else:
    print("GAP не найден")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌Session Volume Splitter — распределение объёма по торговым сессиям🧑‍💻

Суть инструмента:🛠️

Инструмент анализирует, в какой части суток (Азия, Европа, США) формируется основной объём.

> Это помогает понять, кто контролирует рынок: азиатские покупатели, европейские продавцы или американские спекулянты.

Что делает инструмент:💻

- Делит сутки на три торговые сессии:

Азия: 00:00–08:00 UTC

Европа: 08:00–16:00 UTC

США: 16:00–00:00 UTC

- Считает объём и среднюю цену внутри каждой

- Выдаёт процентное распределение активности

Как использовать:💸

- Понимать, какая сессия доминирует и в какое время лучше торговать

- Настроить стратегии под сессию с максимальной активностью

- Избегать сессий с минимальной волатильностью (например, между 2:00–6:00 UTC)

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "1h", limit=72),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")
df["hour"] = df["ts"].dt.hour

# Метки сессий
def label_session(hour):
    if 0 <= hour < 8:
        return "Asia"
    elif 8 <= hour < 16:
        return "Europe"
    else:
        return "US"

df["session"] = df["hour"].apply(label_session)
session_volume = df.groupby("session")["volume"].sum()
total_volume = session_volume.sum()
session_share = session_volume / total_volume * 100

print("Объём по сессиям (последние 3 дня):")
for s in ["Asia", "Europe", "US"]:
    print(f"{s}: {session_share.get(s, 0):.2f}%")

#инструмент

📌 Подпишись  Crypto Python❗️

📌Relative Volume Analyzer (RVol) — сравнение объёма текущей свечи с историческим🧑‍💻

Суть инструмента:🛠️

Объём сам по себе мало информативен — важно знать, насколько он необычный по сравнению с прошлым.

> Relative Volume (RVol) — это объём текущей свечи / средний объём за N свечей.

Инструмент показывает, когда объём резко выше нормы, что часто предшествует импульсам или разворотам.

Что делает:🚀

- Вычисляет RVol для каждой свечи

- Отмечает свечи с RVol > 2.0 (в 2+ раза выше среднего)

- Даёт сигнал: “⚠️ Аномальный объём — возможный импульс”

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Средний объём за последние 20 свечей
df["avg_volume"] = df["volume"].rolling(20).mean()
df["rvol"] = df["volume"] / df["avg_volume"]

# Последняя свеча
last = df.iloc[-1]
print(f"Объём: {last['volume']:.2f} | Средний: {last['avg_volume']:.2f} | RVol: {last['rvol']:.2f}")

if last["rvol"] > 2.0:
    print("⚠️ Аномальный объём — возможный сильный импульс!")
else:
    print("RVol в норме — рынок спокойный.")

#инструмент

📌 Подпишись  Crypto Python❗️

📌"Stop-Hunt Reversal" — стратегия разворота после сбора ликвидаций🧑‍💻

Суть стратегии:🛠️

Крупные игроки часто толкают рынок чуть за важные уровни, чтобы активировать:

- стоп-лоссы

- ликвидации с плечом

- отложенные ордера на импульсе

После чего рынок резко разворачивается, так как ликвидность уже собрана.
Эта стратегия ловит разворот сразу после “охоты за стопами”.

Условия стратегии:🧨

1. Цена делает резкий пробой ключевого уровня (high/low)

2. Следующая свеча возвращается обратно под уровень

3. Формируется разворотный паттерн (например, пинбар)

4. Вход в обратную сторону пробоя

5. Стоп — за экстремум, тейк — до ближайшего диапазона

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "5m", limit=50),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Последние 20 свечей — диапазон
range_high = df["high"].iloc[-20:-2].max()
range_low = df["low"].iloc[-20:-2].min()

# Предыдущая и текущая свеча
prev = df.iloc[-2]
curr = df.iloc[-1]

# Ложный пробой вверх
hunt_up = prev["high"] > range_high and curr["close"] < range_high

# Ложный пробой вниз
hunt_down = prev["low"] < range_low and curr["close"] > range_low

print(f"Диапазон: {range_low:.2f} – {range_high:.2f}")
if hunt_up:
    print("🔻 Stop-hunt вверх — сигнал на ШОРТ")
elif hunt_down:
    print("🔺 Stop-hunt вниз — сигнал на ЛОНГ")
else:
    print("Нет сигнала по стратегии Stop-Hunt Reversal")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌"Inside Bar Breakout Trap" — стратегия на ложном пробое внутренней свечи🧑‍💻

📌 Суть стратегии:🛠️

Внутренняя свеча ("inside bar") — это свеча, которая полностью находится в диапазоне предыдущей свечи.
Обычно это означает затишье, но:

> часто рынок делает ложный пробой такой свечи, а затем — сильный разворот.
Эта стратегия ловит момент выхода обратно внутрь диапазона.

✅ Условия стратегии:

1. Предыдущая свеча (mother bar) — широкая

2. Следующая свеча — внутри диапазона mother bar (inside bar)

3. Третья свеча пробивает high/low, но закрывается обратно в диапазон

4. Вход в обратную сторону пробоя

5. Стоп — за экстремум пробоя, тейк — 1.5×-2× риск или к opposite уровням

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

mother = df.iloc[-3]
inside = df.iloc[-2]
curr = df.iloc[-1]

# Проверка: inside бар внутри mother
is_inside = (
    inside["high"] < mother["high"] and
    inside["low"] > mother["low"]
)

# Ложный пробой вверх
false_break_up = (
    curr["high"] > inside["high"] and
    curr["close"] < mother["high"]
)

# Ложный пробой вниз
false_break_down = (
    curr["low"] < inside["low"] and
    curr["close"] > mother["low"]
)

if is_inside:
    print("🔎 Обнаружен Inside Bar")
    if false_break_up:
        print("🔻 Ложный пробой вверх → сигнал на ШОРТ")
    elif false_break_down:
        print("🔺 Ложный пробой вниз → сигнал на ЛОНГ")
    else:
        print("Нет подтверждения ложного пробоя")
else:
    print("Нет Inside Bar — условий нет")

#торговые_стратегии

📌 Подпишись  Crypto Python❗️

📌ATR Squeeze Detector — детектор фаз сжатия волатильности по ATR🧑‍💻

🔍 Суть инструмента:🛠️

Когда рынок входит в фазу низкой волатильности, это часто предшествует взрывному движению (breakout).

> Индикатор ATR (Average True Range) показывает, насколько активно движется цена.
Сжатие ATR относительно его среднего — надёжный сигнал приближающегося импульса.

📐 Что делает инструмент:💻

- Считает ATR на заданном таймфрейме (например, 15m или 1h)

- Сравнивает его с историческим средним ATR

- Выдаёт алерт, если текущий ATR ниже X% от среднего (например, < 60%)

- Опционально — логирует “зоны сжатия”

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"

# Загружаем данные
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=100),
                  columns=["ts", "open", "high", "low", "close", "volume"])
df["ts"] = pd.to_datetime(df["ts"], unit="ms")

# Расчёт ATR вручную
df["tr"] = df["high"] - df["low"]
df["tr"] = df["tr"].combine_first((df["high"] - df["close"].shift()).abs())
df["tr"] = df["tr"].combine_first((df["low"] - df["close"].shift()).abs())
df["atr"] = df["tr"].rolling(14).mean()

current_atr = df["atr"].iloc[-1]
mean_atr = df["atr"].mean()
ratio = current_atr / mean_atr * 100

print(f"Текущий ATR: {current_atr:.2f} | Средний ATR: {mean_atr:.2f} | Отношение: {ratio:.1f}%")

if ratio < 60:
    print("📉 Внимание: Сжатие волатильности (ATR Squeeze) — возможен скорый breakout!")
else:
    print("✅ Волатильность в норме")

#инструмент

📌 Подпишись  Crypto Python❗️

📌Candle Strength Scanner — сканер силы свечей по телу и тени🧑‍💻

🔍 Суть инструмента:🛠️

Сила и структура свечей (длина тела и тени) могут подсказать:

- Продолжится ли импульс

- Насколько уверенно прошёл пробой

- Есть ли давление покупателей или продавцов

> Инструмент сканирует последние свечи и оценивает преобладание одной стороны (быков/медведей).

📋 Что делает:🚀

- Анализирует последние N свечей на заданном таймфрейме

- Вычисляет долю тела от всей свечи

- Определяет "импульсные" свечи (большое тело, малая тень)

- Выводит вывод: "бычье давление", "медвежье давление", "баланс"

import ccxt
import pandas as pd

exchange = ccxt.binance()
symbol = "BTC/USDT"
df = pd.DataFrame(exchange.fetch_ohlcv(symbol, "15m", limit=20),
                  columns=["ts", "open", "high", "low", "close", "volume"])

# Расчёт силы свечей
df["body"] = abs(df["close"] - df["open"])
df["range"] = df["high"] - df["low"]
df["body_ratio"] = df["body"] / df["range"]

# Считаем количество бычьих и медвежьих сильных свечей
threshold = 0.6
bulls = ((df["close"] > df["open"]) & (df["body_ratio"] > threshold)).sum()
bears = ((df["close"] < df["open"]) & (df["body_ratio"] > threshold)).sum()

print(f"🟩 Сильные бычьи свечи: {bulls}")
print(f"🟥 Сильные медвежьи свечи: {bears}")

if bulls > bears:
    print("📈 Преобладает покупательское давление")
elif bears > bulls:
    print("📉 Преобладает продавец")
else:
    print("⚖️ Баланс между сторонами")

#инструмент

📌 Подпишись  Crypto Python❗️