# Crypto Spot TradeBot Spot-бот для демо-торговли криптовалютой на реальных данных Bybit. По умолчанию работает только в `paper`-режиме со стартовым балансом `100 USDT`; live-режим заблокирован до явного включения через env-переменные. ## Что реализовано - Реальные market data Bybit Spot: REST bootstrap и WebSocket-обновления. - Автовыбор популярных USDT spot-пар по `turnover24h`. - Paper trading с учетом cash, комиссий, проскальзывания, stop-loss, take-profit и trailing stop. - Spot-only логика: покупка базовой монеты за USDT и продажа обратно, без short и без плеча. - Live spot-ордеры явно отправляются без плеча: `category=spot`, `isLeverage=0`. - Анализ шаблонов рынка: трендовый откат, пробой вверх/вниз, ускоренное падение, боковик, перепроданность с разворотом и объемный всплеск. - Обучение на закрытых сделках: статистика PnL и win rate по символам и шаблонам входа корректирует уверенность новых входов в заданных пределах. - LLM Advisor выключен по умолчанию; стратегия, обучение, grid и rebound работают без запросов к Ollama. - Динамический размер позиции: стратегия записывает в сигнал размер входа в пределах `MIN_POSITION_USDT`..`MAX_POSITION_USDT`, а брокер ограничивает суммарную экспозицию по паре через `MAX_SYMBOL_EXPOSURE_USDT`. - Автоматический grid-режим: бот включает grid-входы на боковике, покупает только в нижней части диапазона и выключает grid при падающих/опасных режимах. - Вероятностный rebound-вход: после снижения бот отдельно оценивает стабилизацию, отскок от локального low, RSI, объем и рыночные ограничения; такой вход ограничен меньшим размером позиции. - Прогнозирование временных рядов: walk-forward выбор между `naive`, `drift`, `EWMA`, `AR(1)`, `AR(3)` и легким `lstm`-кандидатом для ожидаемой доходности плюс EWMA/GARCH-like прогноз волатильности. Прогноз влияет и на новые покупки, и на раннюю продажу при ухудшении ожидаемого движения. - Защитные блокировки входа: явно отрицательные LONG-шаблоны и setups с сильной отрицательной статистикой обучения запрещают новые покупки. - Быстрый режим торговли: отдельный короткий интервал цикла, короткий cooldown после выхода и лимит новых входов в минуту; выходы по риску этим лимитом не блокируются. - Веб-dashboard на русском: equity, cash, PnL, позиции, сделки, сигналы, события, свечные графики, переключатель быстрой торговли и индикаторы работы обучения. - SQLite runtime-хранилище в `runtime/tradebot.sqlite3`. - Health endpoint `/api/health` и Prometheus-compatible `/metrics`. - Docker Compose для установки на Raspberry Pi 5 или другой Linux-хост. - Live trading guard: live не стартует без `ENABLE_LIVE_TRADING=true`, `LIVE_TRADING_CONFIRM=I_ACCEPT_REAL_RISK` и Bybit API-ключей. ## Источники и принятые параметры Официальная документация Bybit V5 указывает, что единый V5 API использует параметр `category`, включая `spot`; поэтому бот везде запрашивает `category=spot` и не использует futures/linear endpoints: . Список инструментов Bybit Spot берется из `/v5/market/instruments-info`; документация Bybit описывает для Spot поля `baseCoin`, `quoteCoin`, `status`, `priceFilter`, `lotSizeFilter`, `basePrecision` и `minOrderAmt`, поэтому размеры paper/live-ордеров в коде валидируются по данным инструмента: . Популярность пар определяется через `/v5/market/tickers`, потому что Bybit Spot ticker возвращает `turnover24h`, `volume24h`, `bid1Price`, `ask1Price` и `lastPrice`: . Лучшие bid/ask берутся из `/v5/market/orderbook`; документация Bybit описывает `GET /v5/market/orderbook` с `category=spot`: . WebSocket-стакан использует topic `orderbook.{depth}.{symbol}`; Bybit документирует snapshot/delta-поведение и частоты push для Spot depth 1/50/200/1000: . Live market orders используют `/v5/order/create`; Bybit документирует для Spot `orderType=Market`, `side`, `qty`, `category=spot`, а для market buy по умолчанию qty может быть в quote currency через `marketUnit=quoteCoin`: . Функции уровня коммерческих automated trading systems взяты из проверяемых источников: - Investopedia перечисляет важные свойства algo trading software: real-time market data, low latency, configurability, backtesting, broker/exchange integration, fees/costs и APIs: . - Investopedia отдельно указывает, что automated trading systems задают правила entry/exit/money management, но требуют мониторинга и несут риск mechanical failures и over-optimization: . - QuantInsti описывает типовой путь разработки: стратегия, backtesting, paper trading, затем live trading, плюс GUI, order management и risk management: . - Документация `statsmodels` описывает ARIMA как общий интерфейс для AR/MA/ARMA/ARIMA/SARIMA-моделей; в боте используется легкий AR(1)/AR(3) вариант без добавления тяжелой зависимости `statsmodels`: . - Документация `arch` описывает GARCH(p,q) как модель для прогнозирования волатильности; в боте используется фиксированная GARCH(1,1)-подобная рекурсия без MLE-оценки параметров, чтобы сохранить легкий runtime на Raspberry Pi: . - RiskMetrics описывает EWMA-подход к оценке волатильности через коэффициент затухания; в боте `TIME_SERIES_EWMA_LAMBDA=0.94` используется как настраиваемое значение по умолчанию: . - Hochreiter и Schmidhuber описали LSTM как recurrent neural network architecture для последовательностей; в боте используется легкая LSTM-reservoir рекурсия с ridge-readout, а не полноценное PyTorch/TensorFlow обучение внутри Docker: . Я не могу подтвердить, что эта стратегия будет прибыльной. Источники выше описывают технические свойства и риски автоматической торговли, но не гарантируют прибыль. ## Быстрый старт локально ```powershell python -m venv .venv .venv\Scripts\Activate.ps1 pip install -r requirements.txt Copy-Item .env.example .env python -m crypto_spot_bot.main ``` Dashboard: ## Локальное обучение LSTM-кандидата Обучение можно запускать на основной машине, а Raspberry Pi оставлять только для исполнения торгового цикла. Команда ниже берет spot-свечи Bybit, перебирает `lookback`, `units` и `ridge`, оценивает LSTM-кандидат через walk-forward MAE и сохраняет параметры в `runtime/lstm_forecaster.json`: ```powershell python tools\train_lstm_forecaster.py --symbols BTCUSDT,ETHUSDT,SOLUSDT,XRPUSDT,LTCUSDT --limit 1000 ``` Файл из `TIME_SERIES_LSTM_MODEL_PATH` читается ботом автоматически. Даже если LSTM-параметры сохранены, сделка меняется только тогда, когда текущая walk-forward проверка в `crypto_spot_bot/time_series.py` показывает качество лучше baseline. Для более тяжелого локального обучения можно использовать настоящий PyTorch `LSTM/GRU` trainer. PyTorch нужен только на машине обучения; в JSON экспортируются веса, а runtime на Raspberry Pi считает inference обычным Python-кодом: ```powershell .\.venv\Scripts\python.exe -m pip install torch --index-url https://download.pytorch.org/whl/cpu .\.venv\Scripts\python.exe tools\train_torch_recurrent_forecaster.py ` --symbols BTCUSDT,ETHUSDT,SOLUSDT,XRPUSDT,LTCUSDT ` --limit 1000 ` --architectures lstm,gru ` --lookbacks 32,64 ` --hidden-sizes 16,32 ` --layers 1 ` --epochs 60 ``` Экспортированные модели появляются в dashboard как `torch_lstm` или `torch_gru`; легкий `lstm`-кандидат остается доступен как fallback. Автопереобучение запускает тот же train-скрипт, пишет лог в `runtime/lstm_retrain.log` и защищается от параллельных запусков: ```powershell powershell -ExecutionPolicy Bypass -File tools\run_lstm_retrain.ps1 powershell -ExecutionPolicy Bypass -File tools\install_windows_lstm_retrainer.ps1 ``` На Linux/Raspberry Pi можно включить user systemd timer: ```bash bash tools/run_lstm_retrain.sh bash tools/install_lstm_retrainer_systemd.sh ``` По умолчанию Windows-расписание переобучает PyTorch `LSTM/GRU` каждые 6 часов с `--limit 1000`; Windows-установщик фиксирует пары `BTCUSDT,ETHUSDT,SOLUSDT,XRPUSDT,LTCUSDT`, чтобы первый scheduled run был предсказуемым. Параметры можно переопределить через env: `LSTM_RETRAIN_SYMBOLS`, `LSTM_RETRAIN_LIMIT`, `LSTM_RETRAIN_LOOKBACKS`, `LSTM_RETRAIN_ARCHITECTURES`, `LSTM_RETRAIN_HIDDEN_SIZES`, `LSTM_RETRAIN_LAYERS`, `LSTM_RETRAIN_DROPOUTS`, `LSTM_RETRAIN_EPOCHS`, `LSTM_RETRAIN_PATIENCE`, `LSTM_RETRAIN_INTERVAL`, `LSTM_RETRAIN_ENV`. Для старого легкого trainer можно запустить `tools\run_lstm_retrain.ps1 -Trainer reservoir`. ## Docker ```bash cp .env.example .env docker compose up -d --build docker compose logs -f tradebot ``` Dashboard: `http://:8787/` Для Raspberry Pi 5 проект использует `python:3.12-slim`, без Node.js build step. Runtime-данные лежат в volume `./runtime:/app/runtime`; на внешнем диске можно разместить папку проекта или заменить volume на абсолютный путь внешнего диска. ## Основные env-параметры ```env TRADING_MODE=paper STARTING_BALANCE_USDT=100 AUTO_SELECT_SYMBOLS=true TOP_SYMBOLS_COUNT=6 BASE_INTERVAL=1 LOOP_INTERVAL_SECONDS=5 FAST_TRADING_ENABLED=false FAST_LOOP_INTERVAL_SECONDS=1 FAST_ENTRY_COOLDOWN_SECONDS=20 MAX_ENTRIES_PER_MINUTE=12 WEBSOCKET_ENABLED=true MIN_SIGNAL_CONFIDENCE=0.64 PATTERN_ANALYSIS_ENABLED=true PATTERN_SCORE_WEIGHT=0.18 LEARNING_ENABLED=true LEARNING_LOOKBACK_TRADES=120 LEARNING_MIN_SAMPLES=3 LEARNING_MAX_ADJUSTMENT=0.12 MIN_POSITION_USDT=1 MAX_POSITION_USDT=20 MAX_SYMBOL_EXPOSURE_USDT=20 MAX_TOTAL_EXPOSURE_USDT=80 MAX_OPEN_POSITIONS=80 MAX_POSITIONS_PER_SYMBOL=20 GRID_TRADING_ENABLED=true GRID_ENTRY_CONFIDENCE=0.58 GRID_BUY_ZONE=0.45 GRID_MAX_POSITION_USDT=8 REBOUND_TRADING_ENABLED=true REBOUND_ENTRY_CONFIDENCE=0.58 REBOUND_MIN_PROBABILITY=0.58 REBOUND_MAX_POSITION_USDT=6 TIME_SERIES_FORECAST_ENABLED=true TIME_SERIES_MIN_CANDLES=120 TIME_SERIES_VALIDATION_WINDOW=30 TIME_SERIES_FORECAST_HORIZON=3 TIME_SERIES_EWMA_LAMBDA=0.94 TIME_SERIES_MIN_EDGE_PERCENT=0.04 TIME_SERIES_MAX_ADJUSTMENT=0.08 TIME_SERIES_LSTM_ENABLED=true TIME_SERIES_LSTM_LOOKBACK=32 TIME_SERIES_LSTM_UNITS=6 TIME_SERIES_LSTM_RIDGE=0.0001 TIME_SERIES_LSTM_MODEL_PATH=runtime/lstm_forecaster.json STOP_LOSS_PERCENT=0.02 TAKE_PROFIT_PERCENT=0.035 TRAILING_STOP_PERCENT=0.015 MIN_HOLD_SECONDS=180 ENTRY_COOLDOWN_SECONDS=180 MAX_DAILY_DRAWDOWN_USDT=6 TAKER_FEE_RATE=0.001 SLIPPAGE_RATE=0.0003 ``` ## Быстрая торговля Быстрый режим включается через web-переключатель или через `FAST_TRADING_ENABLED=true`. Тогда фактический цикл принятия решений берется из `FAST_LOOP_INTERVAL_SECONDS`, а cooldown после закрытия позиции — из `FAST_ENTRY_COOLDOWN_SECONDS`. Параметр `MAX_ENTRIES_PER_MINUTE` ограничивает только новые покупки; продажи по stop-loss, take-profit, trailing stop и другим правилам выхода не блокируются этим лимитом. Для быстрого режима рекомендуется оставлять `WEBSOCKET_ENABLED=true`: WebSocket дает частые рыночные обновления, а REST используется как периодическая сверка. Я не могу подтвердить, что быстрый режим повысит прибыльность; он только уменьшает техническую задержку реакции стратегии. ## Live-режим Live-режим специально заблокирован. Для включения нужны все значения: ```env TRADING_MODE=live ENABLE_LIVE_TRADING=true LIVE_TRADING_CONFIRM=I_ACCEPT_REAL_RISK BYBIT_API_KEY=... BYBIT_API_SECRET=... LIVE_ORDER_MAX_USDT=10 ``` Текущее live-исполнение отправляет market buy/sell в Bybit и ведет локальную shadow-позицию для dashboard и правил выхода. Для промышленной торговли реальными средствами следующий обязательный шаг — reconciliation с реальным wallet/order history Bybit, чтобы локальное состояние сверялось с фактическими fills и балансами. ## API - `GET /api/health` — healthcheck. - `GET /api/status` — статус бота, account snapshot, позиции. - `GET /api/markets` — пары, ticker, свечи, инструменты. - `GET /api/trades` — последние сделки. - `GET /api/signals` — последние сигналы стратегии. - `GET /api/events` — события. - `GET /api/config` — безопасная конфигурация без секретов. - `POST /api/config/fast-trading` — включение/выключение быстрой торговли из dashboard. - `POST /api/control/start` — старт цикла. - `POST /api/control/stop` — остановка цикла. - `GET /metrics` — Prometheus-compatible метрики. ## Проверка ```bash python -m pytest ```