Проект требует доработки, настройки и отладки.
CryptoForecastBotAI — это аналитический бот для прогнозирования движений криптовалютного рынка на бирже Binance с использованием машинного обучения (LightGBM). Бот анализирует рыночные данные, технические индикаторы (VWAP, ROC, ATR, ADX, Momentum, RSI, MACD, Bollinger Bands, OBV, EMA) и свечные паттерны для генерации торговых сигналов. Сигналы отправляются в Telegram-канал с указанием точек входа, стоп-лосса и тейк-профита. Бот поддерживает анализ на таймфреймах 5m и 15m, фильтрацию пар по ликвидности, спреду и объёму, а также адаптивное переобучение модели каждые 2 дня или при смене рыночных условий (тренд/флэт/волатильность). Он не выполняет сделки автоматически, а предоставляет аналитику для принятия торговых решений.
- Анализ торговых пар USDT (настраиваемый список, включает BTC/USDT, ETH/USDT, BNB/USDT и др.).
- Поддержка таймфреймов: 5m, 15m.
- Машинное обучение с LightGBM для прогнозирования сигналов (покупка/продажа).
- Адаптивное переобучение модели каждые 2 дня или при смене рыночного состояния.
- Технические индикаторы с фильтрацией по волатильности, объёму и спреду.
- Подтверждение сигналов на старшем таймфрейме.
- WebSocket для получения рыночных данных в реальном времени.
- Логирование с ротацией файлов и красивым выводом в консоль.
- Сохранение моделей и скейлеров в папке
models.
-
Клонируйте репозиторий:
git clone https://github.com/your-username/CryptoForecastBot.git cd CryptoForecastBot -
Установите зависимости: Убедитесь, что у вас установлен Python 3.8+. Создайте виртуальное окружение и установите зависимости:
python -m venv venv source venv/bin/activate # Для Windows: venv\Scripts\activate pip install -r requirements.txt
Содержимое
requirements.txt:ccxt>=2.0.0 pandas>=1.5.0 numpy>=1.23.0 python-telegram-bot>=13.7 websockets>=10.0 TA-Lib>=0.4.24 rich>=12.0.0 lightgbm>=3.3.0 scikit-learn>=1.0.0 -
Установите TA-Lib: Для работы индикаторов требуется библиотека TA-Lib. Следуйте инструкциям для вашей ОС:
- Ubuntu/Debian:
sudo apt-get install libta-lib0 libta-lib-dev pip install TA-Lib
- Windows:
Скачайте pre-built бинарники с Unofficial Windows Binaries for Python и установите:
pip install TA_Lib‑0.4.24‑cp39‑cp39‑win_amd64.whl
- MacOS:
brew install ta-lib pip install TA-Lib
- Ubuntu/Debian:
-
Обновите конфигурацию в коде: Откройте файл
crypto_forecast_bot.pyи обновите словарьCONFIGс вашими ключами и настройками:CONFIG = { 'BINANCE_API_KEY': 'your_binance_api_key', 'BINANCE_API_SECRET': 'your_binance_api_secret', 'TELEGRAM_BOT_TOKEN': 'your_telegram_bot_token', 'TELEGRAM_CHAT_ID': 'your_telegram_chat_id', 'TRADING_PAIRS': ['BTC/USDT', 'ETH/USDT', 'BNB/USDT', ...], 'TIMEFRAMES': ['5m', '15m'], ... }
- Binance API Key: Получите на Binance API Management.
- Telegram Bot Token: Создайте бота через @BotFather и получите токен.
- Telegram Chat ID: ID вашего Telegram-канала или группы (можно узнать через бота @getidsbot).
-
Создайте папку для моделей: Убедитесь, что папка
modelsсуществует в корне проекта:mkdir models
-
Запустите бота:
python crypto_forecast_bot.py
-
Мониторинг:
- Логи записываются в
crypto_forecast_bot.logс ротацией (макс. 10 МБ, 5 резервных копий). - Модели и скейлеры сохраняются в папке
models. - Прогнозы отправляются в указанный Telegram-канал в формате:
📩 BTC/USDT 5m | Краткосрочный 💰 Цена: $45000.000 🔥 Сила сигнала: 0.65 📉 Вход: $45225.000–$44775.000 🔥 Сигнал: Покупка ⏳ Тейк-профит: $46000.000 ❌ Стоп-лосс: $44500.000
- Логи записываются в
-
Остановка: Завершите выполнение с помощью
Ctrl+C.
CryptoForecastBot/
├── crypto_forecast_bot.py # Основной скрипт бота
├── models/ # Папка для моделей и скейлеров
├── crypto_forecast_bot.log # Лог работы бота
├── requirements.txt # Зависимости
└── README.md # Документация
Для поддержки автора: TFbR9gXb5r6pcALasjX1FKBArbKc4xBjY8 (USDT, сеть TRC-20)
- Форкните репозиторий.
- Создайте ветку для вашей фичи (
git checkout -b feature/your-feature). - Сделайте коммиты с понятными сообщениями.
- Отправьте Pull Request в
main.
Проект распространяется под лицензией MIT. Подробности в файле LICENSE.
Торговля криптовалютами сопряжена с высокими рисками. Прогнозы бота не являются финансовыми рекомендациями. Используйте бота на свой страх и риск. Автор не несёт ответственности за финансовые убытки.
The project requires further development, customization, and debugging.
CryptoForecastBotAI is an analytical bot designed for forecasting cryptocurrency market movements on the Binance exchange using machine learning (LightGBM). It analyzes market data, technical indicators (VWAP, ROC, ATR, ADX, Momentum, RSI, MACD, Bollinger Bands, OBV, EMA), and candlestick patterns to generate trading signals. The signals are sent to a Telegram channel, including entry points, stop-loss, and take-profit levels. The bot supports analysis on 5m and 15m timeframes, filters pairs by liquidity, spread, and volume, and retrains its model adaptively every 2 days or upon market condition changes. It does not execute trades automatically but provides analytics for informed trading decisions.
- Analysis of trading pairs (configurable, includes BTC/USDT, ETH/USDT, BNB/USDT, etc.).
- Supported timeframes: 5m, 15m.
- Machine learning with LightGBM for predicting signals (buy/sell).
- Adaptive model retraining every 2 days or when market conditions change (trend/flat/volatility).
- Technical indicators with filtering by volatility, volume, and spread.
- Signal confirmation on higher timeframes.
- WebSocket for real-time market data.
- Logging with file rotation and formatted console output.
- Model and scaler storage in the
modelsdirectory.
-
Clone the repository:
git clone https://github.com/your-username/CryptoForecastBot.git cd CryptoForecastBot -
Install dependencies: Ensure you have Python 3.8+ installed. Create a virtual environment and install dependencies:
python -m venv venv source venv/bin/activate # On Windows: venv\Scripts\activate pip install -r requirements.txt
Contents of
requirements.txt:ccxt>=2.0.0 pandas>=1.5.0 numpy>=1.23.0 python-telegram-bot>=13.7 websockets>=10.0 TA-Lib>=0.4.24 rich>=12.0.0 lightgbm>=3.3.0 scikit-learn>=1.0.0 -
Install TA-Lib: The TA-Lib library is required for technical indicators. Follow the instructions for your OS:
- Ubuntu/Debian:
sudo apt-get install libta-lib0 libta-lib-dev pip install TA-Lib
- Windows:
Download pre-built binaries from Unofficial Windows Binaries for Python and install:
pip install TA_Lib‑0.4.24‑cp39‑cp39‑win_amd64.whl
- macOS:
brew install ta-lib pip install TA-Lib
- Ubuntu/Debian:
-
Update configuration in code: Open
crypto_forecast_bot.pyand update theCONFIGdictionary with your keys and settings:CONFIG = { 'BINANCE_API_KEY': 'your_binance_api_key', 'BINANCE_API_SECRET': 'your_binance_api_secret', 'TELEGRAM_BOT_TOKEN': 'your_telegram_bot_token', 'TELEGRAM_CHAT_ID': 'your_telegram_chat_id', 'TRADING_PAIRS': ['BTC/USDT', 'ETH/USDT', 'BNB/USDT', ...], 'TIMEFRAMES': ['5m', '15m'], ... }
- Binance API Key: Obtain from Binance API Management.
- Telegram Bot Token: Create a bot via @BotFather and get the token.
- Telegram Chat ID: Find your channel or group ID using @getidsbot.
-
Create a models directory: Ensure the
modelsdirectory exists in the project root:mkdir models
-
Run the bot:
python crypto_forecast_bot.py
-
Monitoring:
- Logs are written to
crypto_forecast_bot.logwith rotation (max 10 MB, 5 backups). - Models and scalers are saved in the
modelsdirectory. - Forecasts are sent to the specified Telegram channel in the format:
📩 BTC/USDT 5m | Short-Term 💰 Price: $45000.000 🔥 Signal Strength: 0.65 📉 Entry: $45225.000–$44775.000 🔥 Signal: Buy ⏳ Take-Profit: $46000.000 ❌ Stop-Loss: $44500.000
- Logs are written to
-
Stopping: Terminate the bot with
Ctrl+C.
CryptoForecastBot/
├── crypto_forecast_bot.py # Main bot script
├── models/ # Directory for models and scalers
├── crypto_forecast_bot.log # Bot operation log
├── requirements.txt # Dependencies
└── README.md # Documentation
To support the author: TFbR9gXb5r6pcALasjX1FKBArbKc4xBjY8 (USDT, TRC-20 network)
- Fork the repository.
- Create a feature branch (
git checkout -b feature/your-feature). - Commit your changes with clear messages.
- Submit a Pull Request to the
mainbranch.
This project is licensed under the MIT License. See the LICENSE file for details.