Алготрейдинг на Python: API, фьючерсы и библиотека CCXT

Написать скрипт, который по сигналу покупает монету - дело нехитрое: взяли библиотеку, вызвали метод, улетел buy. На бумаге или в Jupyter Notebook на исторических данных всё выглядит идеально: стрелочка на графике, виртуальный ордер открыт, кривая доходности красиво ползёт вверх.

А теперь представьте реальный бой.

Вы отправляете на биржу ордер на покупку. Запрос дошёл, биржа радостно исполнила сделку и списала маржу. Но на обратном пути сетевой пакет застрял где-то на магистральном узле, и в Python прилетает обычный TimeoutError. Что в этот момент делает простенький код в блоке except? «Ответа нет - значит, ничего не купили, надо повторить!» Через секунду улетает второй ордер. Потом третий. А если сигнал залип ночью на минутном таймфрейме? К утру вместо одной аккуратной сделки вы рискуете обнаружить набитую под завязку позицию с плечом, висящую в паре центов от ликвидации. Если баланс вообще уцелеет.

Или другой сценарий. Бот держит открытые сделки просто в питоновском словарике positions = {} прямо в оперативной памяти. В три часа ночи провайдер перезагружает ваш VPS ради обновления ядра (или Linux тихо прибивает скрипт через OOM Killer за утечку памяти). Сервис перезапускается через systemd, создаёт чистый пустой словарь и искренне считает, что никаких сделок нет. А на бирже тем временем болтается реальная позиция с 20-м плечом. Стоп-лосс на биржу не выставлялся — вы же планировали закрыть её программно из кода! В итоге рынок разворачивается, присматривать за сделкой некому, а бот по новому сигналу радостно открывает следующую.

На бумаге стратегия всегда выглядит гладко. Ровно до тех пор, пока мы не упираемся в суровую реальность сетевых задержек, перезагрузок и рассинхрона состояния.

В этом курсе мы постепенно соберём своего бота и разберём, как он должен вести себя в таких ситуациях. Сначала освежим Python и механику рынка: откуда берутся цены, как исполняются ордера, что делают комиссии и почему плечо может закончиться ликвидацией. Затем начнём проект my_bot с запроса публичной цены BTC.

Дальше этот же проект будет расти от урока к уроку. Научим его получать свечи, проверять свежесть данных, находить сигнал и выполнять бумажную сделку. Подключим потоки WebSocket, разберём потерянные ответы и повторные события, сохраним состояние в SQLite. В конце запустим бота через Docker, чтобы он продолжал работать после закрытия терминала.

Каждое усложнение появляется по конкретной причине. Пришли старые данные - бот должен остановить новые входы. Потерялось соединение - нужно восстановить состояние. Сработал сигнал - ещё предстоит проверить, хватает ли средств и подходит ли заявка под правила рынка. Вы увидите эти ситуации в коде и проверочных запусках.

Основной бот использует живые публичные данные и учебный счёт: покупки, продажи, комиссии и остатки рассчитываются внутри программы. Отдельные сценарии помогут разобраться с сеткой тейк-профитов, стопами, таймерами и добором позиции.

Задача курса - научить вас собирать и проверять торговую систему. Доходность стратегии придётся исследовать отдельно; для этого мы разберём бэктест, расходы на сделки и ошибки, из-за которых красивая история превращается в неудачный запуск.