使用 Python 通过 K 线计算技术指标，并用 LLM 预测趋势

经常混币圈、股票和外汇的朋友们都知道有一个东西叫 K 线，大概长这样

同时你也可以选择添加更多的图表，如布林线、MACD、RSI 等，用这些技术指标来辅助决策。

这些技术参数很有用，如果能把一段时间的结果交给 LLM 去分析，应该比凭着感觉瞎买更靠谱吧！

那这些技术参数是怎么来的呢……？

去花钱买！这个世界上还有什么是钞能力无法解决的事情吗？

https://taapi.io/ 已经有人做好了！有股票 也有加密货币的数据。就是…… 免费版频率限制有些严重，想要获取多点数据就等几个小时吧。一下子升级个 Pro 要花 14.99 欧元，在 PoC 阶段好像也不太值得……

实际上，这些技术参数，全部都是使用 K 线数据，由客户端计算出来的。K 线数据很容易获取，很多交易所都提供 API，但是计算这些参数需要比较强的数学知识😅

还好已经有人写好了相关的库，虽然是 C/C++ 写的，但是不怕啦早就有人写好了 Python 的 wrapper

TA-Lib - Technical Analysis Library

我们需要这个东西来计算数据，这个库支持 200 多个技术指标，包括 RSI，MACD

安装方式可以参考官方文档

获取 K 线数据

以币安的合约数据为例，非常简单

pip install binance-futures-connector
from binance.um_futures import UMFutures
um_client = UMFutures()
candles=um_client.klines(symbol=‘BTCUSDT’, interval=‘1m’)

这样我们就获取到了 1 分钟时间间隔的数据

转换成 pandas 的DataFrame 方便后续处理

pd.DataFrame(candles)

计算布林线

布林线使用收盘价格进行计算，而且需要多组数据才可以计算出来

upperband, middleband, lowerband = talib.BBANDS(self.df["close"], timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)

计算 RSI

同样也是收盘价

rsi6 = talib.RSI(self.df["close"], timeperiod=6)
rsi12 = talib.RSI(self.df["close"], timeperiod=12)
rsi24 = talib.RSI(self.df["close"], timeperiod=24)

MACD

收盘价

dif, dea, macd = talib.MACD(self.df["close"], fastperiod=12, slowperiod=26, signalperiod=9)

MA

包括 SMA 和 EMA

sma7 = talib.SMA(self.df["close"], timeperiod=7)
sma25 = talib.SMA(self.df["close"], timeperiod=25)
sma99 = talib.SMA(self.df["close"], timeperiod=99)
 
ema7 = talib.EMA(self.df["close"], timeperiod=7)
ema25 = talib.EMA(self.df["close"], timeperiod=25)
ema99 = talib.EMA(self.df["close"], timeperiod=99)

转换数据为 json

LLM 更适合处理 json 数据，pandas 就很方便啦

self.df.to_json(orient="records", date_format="epoch", date_unit="s")

调用 LLM 接口

有了数据之后就可以把他们导出成 json，然后调用 LLM 进行处理。

这里需要找一个可用的 LLM，比如 Mistral AI、OpenAI 、Gemini 或者 Claude。由于国内注册比较麻烦，而且风控很严格，建议大家使用「头顶冒火」的 API 接口

• OpenAI 专场：https://burn.hair/
• Claude、MistralAI 和 OpenAI：https://api.burn.hair/

使用什么模型因人而异，一次数据量比较大，gpt-4o 可能是比较好的选择，Claude Opus 和 o1-preview 比较贵，但是也可以考虑，头顶冒火网站也都有的

然后要做的事情就是写提示词，让 AI 分析结果了！🧐

很麻烦是不是…… 不要怕，我已经写好并且开源了。使用方式详见下一页！⬇️⬇️⬇️ 部分 RSS 阅读器可能无法显示下一页的内容，请点击链接打开网站阅读