记录和分享抓取的数字货币和大A时序数据

最近抓取了一些数字货币1小时和大A截止到目前的日度数据，可以用于量化研究，数据和代码分享给大家，可以从后台回复“资源”，然后从数据集中找到。

下面是调用API获取BTC数据的代码，注意要自己安装第三方依赖库。安装好后，通过传入需要下载的coin_name、时间周期、数据条数就可以保存到本地csv文件。另外推荐大家安装pandas_ta库，可以很方便的计算各类指标。

from binance import Client
import datetime
import pandas as pd
# 初始化客户端
client = Client()
# 获取历史k线数据
def get_binance_btc_data(symbol='BTCUSDT', interval='1h', lookback_days=365*3):
    end_time = datetime.datetime.now()
    start_time = end_time - datetime.timedelta(days=lookback_days)
    klines = client.get_historical_klines(
        symbol,
        interval,
        start_str=start_time.strftime("%d %b %Y %H:%M:%S"),
        end_str=end_time.strftime("%d %b %Y %H:%M:%S")
    )
    df = pd.DataFrame(klines, columns=[
        'timestamp', 'open', 'high', 'low', 'close', 'volume',
        'close_time', 'quote_asset_volume', 'number_of_trades',
        'taker_buy_base_asset_volume', 'taker_buy_quote_asset_volume', 'ignore'
    ])
    df['datetime'] = pd.to_datetime(df['timestamp'], unit='ms')
    df.set_index('datetime', inplace=True)
    df = df[['open', 'high', 'low', 'close', 'volume']].astype(float)
    return df
symbol = 'RENDER'
df = get_binance_btc_data(symbol+'USDT')
df.to_csv(symbol+'_1h.csv')

然后配合alphalen第三方工具包，注：alphalens是Quantopian开发的Python工具包，用于量化金融中Alpha因子的评估、分析和可视化，其核心功能包括因子收益率分析、分层回测、风险分析、交易成本分析及可视化展示。可以做很多有意思的因子分析工作。

如IC分析：

Return 分析