암호화폐 데이터 분석은 트레이딩 전략 개발에 중요한 역할을 한다. 이번 포스팅에서는 Python과 CCXT 라이브러리를 사용하여 비트코인과 이더리움의 종가 데이터를 수집하고, 이들 간의 상관관계를 분석하는 방법을 알아본다.
우선, ccxt 모듈을 설치한다.
1. 데이터 수집을 위한 준비: ccxt 라이브러리를 사용하여 Binance 교환소에서 데이터를 수집한다.
import ccxt
import pandas as pd
import datetime
# 교환소 설정
exchange = ccxt.binance()
2. 종가 데이터 수집: 비트코인과 이더리움의 일별 종가 데이터를 지난 1년 동안 수집한다.
# 기간 설정
end_date = datetime.datetime.now()
start_date = end_date - datetime.timedelta(days=365)
since = exchange.parse8601(start_date.strftime('%Y-%m-%d'))
def fetch_closing_price(symbol):
ohlcv = exchange.fetch_ohlcv(symbol, '1d', since)
df = pd.DataFrame(ohlcv, columns=['Timestamp', 'Open', 'High', 'Low', 'Close', 'Volume'])
df['Date'] = pd.to_datetime(df['Timestamp'], unit='ms')
df.set_index('Date', inplace=True)
return df['Close']
3. 데이터 분석: 수집된 데이터를 Pandas 데이터프레임으로 변환하여 분석한다. 데이터프레임을 사용하면 데이터 처리와 분석이 용이하다.
btc_close = fetch_closing_price('BTC/USDT')
eth_close = fetch_closing_price('ETH/USDT')
4. 데이터 병합 및 상관계수 계산: 비트코인과 이더리움 종가 데이터의 상관계수를 계산하여 두 암호화폐 간의 관계를 이해한다.
merged_data = pd.DataFrame({'BTC_Close': btc_close, 'ETH_Close': eth_close})
correlation = merged_data.corr()
print("종가 데이터 상관계수:")
print(correlation)
(상관관계 : 통계적으로 어떤 것들 간의 관계로, 인과관계와 다르다.)
(상관계수 : 상관관계 분석에서 두 변수 간에 선형 관계의 정도를 수량화하는 측도이다.)
이 방법을 활용하여 다양한 암호화폐 간의 상관관계를 분석하고, 이를 투자 전략에 적용할 수 있다.
파이썬 matplotlib 모듈 그래프에서 날짜 표시 바꾸기 (0) | 2024.01.30 |
---|---|
파이썬에서 LSTM 모델로 삼성전자 일주일 주가 예측하기 (0) | 2024.01.30 |
파이썬과 CCXT를 활용한 비트코인 데이터 분석 및 시각화 (1) | 2024.01.29 |
파이썬과 CCXT로 비트코인 OHLCV 데이터 수집 및 CSV 파일로 저장하기 (0) | 2024.01.29 |
파이썬 실행 파일 만들기 에러 (pyinstaller : 'pyinstaller' 용어가 cmdlet, 함수, 스크립트 파일 또는 실행할 수 있는 프로그램 이름으로 인식되지 않습니다.) (0) | 2024.01.28 |