Umgebung

- MacOS Sierra 10.12.6
- Python 3.5.3 :: Anaconda 4.4.0 (x86_64)
- Jupyter 4.3.0

Hintergrund

――In den letzten Monaten habe ich verschiedene Altcoins (andere virtuelle Währungen als Bitcoin) gekauft und verkauft, in der Hoffnung, dass der Preis höher als Bitcoin sein wird, aber rückblickend diejenigen, die zuerst Bitcoin gekauft und es so belassen haben, wie es ist Mir wurde klar, dass ich Geld verdiente **.

Problem

――Es gibt viele Arten von virtuellen Währungen, von denen die meisten nur paarweise mit Bitcoin gekauft werden können, nicht mit japanischen Yen oder US-Dollar. Daher ist die Performance schwer zu verstehen.

Da die Preisspanne für virtuelle Währungen unterschiedlich ist (ab September 2017 liegt Bitcoin bei etwa 450.000 Yen, Ripple bei etwa 22 Yen usw.), ist es schwierig, die Performance nebeneinander zu vergleichen.

Lösung

――Um uns auf die Anstiegs- / Abnahmerate und nicht auf den Preis zu konzentrieren, setzen wir den Preis auf einen bestimmten Punkt auf 0 und zeichnen die Anstiegs- / Abnahmerate ab diesem Punkt für mehrere virtuelle Währungen auf, deren Leistung wir vergleichen möchten.

** Klicken Sie hier für das erstellte (Diagramm wird alle 10 Minuten aktualisiert): ** https://cryptocurrencynews.hatenablog.com/

Spezifikation

Importieren Sie erforderliche Module wie Pandas, Matplotlib, Poloniex usw.

import pandas as pd
from pandas import Series,DataFrame
from datetime import datetime
import time
import matplotlib.pyplot as plt
from matplotlib.pylab import rcParams
%matplotlib inline
import seaborn as sns
sns.set_style('whitegrid')
rcParams['figure.figsize'] = 20, 10
#Modul zur Verwendung der Poloniex-API
import poloniex

Erhalten Sie den Preis für die vergangene Woche alle 30 Minuten mithilfe der Poloniex-API (im Folgenden wird nur BTC beschrieben, dies gilt auch für andere virtuelle Währungen).

polo = poloniex.Poloniex()
#Erhalten Sie Preise für die letzten 7 Tage
d = 7
#Preis alle 30 Minuten erhalten (Einheit ist Sekunden)
p = 1800
#Preis von Poloniex erhalten
btc_chart_data = polo.returnChartData('USDT_BTC', period=p, start=time.time()-polo.DAY*d, end=time.time())
btc_df = pd.DataFrame(btc_chart_data)

Berechnen Sie die Zu- / Abnahmerate aus dem erworbenen Preis (Im Folgenden wird nur BTC beschrieben, dies gilt auch für andere virtuelle Währungen.)

#Berechnen Sie die Zu- / Abnahmerate gegenüber dem vorherigen Wert
btc_list = [0]
j = len(btc_df.index) - 1
for i in range(j ):
    l = (float(btc_df['close'].iloc[i + 1]) / float(btc_df['close'].iloc[i ]) -1) * 100
    btc_list.append(l)
#Berechnen Sie die Zu- / Abnahmerate von Anfang an
m = 0
btc0_list = []
for i in range(j):
    m = m + float(btc_list[i])
    btc0_list.append(m)
btc_losers_df = pd.DataFrame(btc0_list)

Zeigen Sie die Zu- / Abnahmerate jeder virtuellen Währung von vor einer Woche in einem Diagramm an (im Folgenden wird nur BTC beschrieben, dasselbe gilt für andere virtuelle Währungen).

#Zeigen Sie die Anstiegs- / Abnahmerate von BTC im Diagramm an
plt.plot(btc_losers_df.astype(float), label = 'BTC')
#Beschreiben Sie andere virtuelle Währungen auf die gleiche Weise (plt.plot(eth_losers_df.astype(float), label = 'ETH')　...Eine solche)
plt.legend(loc='best',
           fontsize=14,
           borderaxespad=0.,)
plt.tick_params(labelsize=14)
#Speichern Sie das generierte Diagramm als Bild
plt.savefig("/var/www/html/all.png ")
plt.show()

Angezeigtes Diagramm (beim Vergleich der Anstiegs- / Abnahmerate von vor einer Woche von 12 Arten virtueller Währungen, die mit USDT an Poloniex gehandelt wurden)

Zusammenfassung

Aus dem Beispiel in der obigen Tabelle können Sie ersehen, dass Sie beim Kauf von ** BCH oder LTC vor einer Woche etwa 10 bis 15% ** gewonnen hätten. ―― Abhängig von der Jahreszeit sind die relativen Preisbewegungen zwischen BTC und Altcoin stark. Wenn Sie also in diesem Sinne in BTC kaufen und verkaufen, können Sie die Anzahl der BTC erhöhen, die Sie bereits haben, ohne japanische Yen zu investieren. Es gibt eine Möglichkeit.
** Klicken Sie hier für das aktuelle Diagramm (das Diagramm wird alle 10 Minuten aktualisiert): ** http://www.cryptocurrencies.tokyo/