Repolode
Enviar
tradingstrategy-ai

tradingstrategy-ai/getting-started

Ejemplos de notebooks de Jupyter para desarrollar y probar estrategias de trading algorítmico con datos de DEX, DeFi y Binance CEX mediante Trading Strategy SDK.

Ver en GitHubSitio web
Estrellas
265
Forks
39
Issues abiertos
7
Último commit
hace 12 días

Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.

¿Qué es?

Este repositorio es un kit de inicio con notebooks de Jupyter para Trading Strategy SDK, un conjunto de herramientas de Python para crear estrategias de trading algorítmico que se ejecutan en exchanges descentralizados y mercados DeFi. Abarca feeds de datos de mercado, backtesting, desarrollo de estrategias y ejecución de operaciones en vivo.

Los notebooks van desde estrategias sencillas con indicadores técnicos —como cruces de medias móviles y rupturas basadas en ATR para BTC, ETH y MATIC— hasta la creación de carteras con múltiples pares, estrategias de rendimiento DeFi y conjuntos de memecoins filtrados por liquidez en Uniswap y Base. Varios ejemplos comparan los feeds de precios de Uniswap con datos del exchange centralizado Binance. Una sección aparte explica la búsqueda en cuadrícula y los optimizadores de procesos gaussianos mediante scikit-optimize.

El repositorio se puede ejecutar en GitHub Codespaces, en contenedores de desarrollo de VS Code o en un entorno local de Python administrado con Poetry. Todos los notebooks siguen una estructura común: configurar el cliente, definir los parámetros, crear un universo de trading, generar indicadores, escribir una función decide_trades, ejecutar el backtest y revisar los resultados de rendimiento.

Funciones clave

  • 01Prueba estrategias con datos de pares DEX de Uniswap v2/v3 y Polygon, además de datos de Binance CEX.
  • 02Incluye estrategias de ruptura, medias móviles y RSI/Bollinger para un solo activo y para varios pares.
  • 03Incluye ejemplos de creación de carteras con rebalanceo diario y filtros de liquidez o TVL.
  • 04Ofrece búsqueda en cuadrícula y optimizadores de procesos gaussianos para los parámetros de las estrategias.
  • 05Exporta archivos CSV con datos OHLCV de los pares más líquidos para usarlos en otras herramientas de trading.

Casos de uso

  • Aprender a escribir y probar una estrategia de trading de criptomonedas en notebooks de Python.
  • Probar una estrategia basada en indicadores técnicos con datos históricos de precios de DEX o CEX.
  • Comparar la calidad de los datos de DEX y de exchanges centralizados para una misma estrategia.
  • Ajustar los parámetros de una estrategia mediante búsqueda en cuadrícula u optimización de tipo bayesiano.

Inicio rápido

  1. 1

    Abre el repositorio en GitHub Codespaces desde el enlace del README

  2. 2

    Abre y ejecuta un único notebook de backtesting en el navegador

Antes de usarlo

  • No se especifica ninguna licencia en los metadatos del repositorio.
  • El README indica que Codespaces es lento, así que la configuración local es más rápida.

Temas

#algorithmic-trading#backtesting#defi#jupyter-notebook#python#pandas#ethereum#dex#solana#trading-strategies

Preguntas frecuentes

¿Qué es getting-started?
Ejemplos de notebooks de Jupyter para desarrollar y probar estrategias de trading algorítmico con datos de DEX, DeFi y Binance CEX mediante Trading Strategy SDK. Este repositorio es un kit de inicio con notebooks de Jupyter para Trading Strategy SDK, un conjunto de herramientas de Python para crear estrategias de trading algorítmico que se ejecutan en exchanges descentralizados y mercados DeFi. Abarca feeds de datos de mercado, backtesting, desarrollo de estrategias y ejecución de operaciones en vivo.
¿getting-started es gratuito? ¿Qué licencia tiene?
getting-started no declara ninguna licencia. Su código es público, pero sin licencia no tienes permiso explícito para reutilizarlo; consulta al autor antes de depender de él.
¿getting-started sigue mantenido?
Mantenimiento activo. El último commit de getting-started fue el 26 oct 2026.
¿Para qué puedo usar getting-started?
Aprender a escribir y probar una estrategia de trading de criptomonedas en notebooks de Python. Probar una estrategia basada en indicadores técnicos con datos históricos de precios de DEX o CEX. Comparar la calidad de los datos de DEX y de exchanges centralizados para una misma estrategia. Ajustar los parámetros de una estrategia mediante búsqueda en cuadrícula u optimización de tipo bayesiano.
¿Cómo se instala getting-started?
Abre el repositorio en GitHub Codespaces desde el enlace del README Abre y ejecuta un único notebook de backtesting en el navegador
¿Dónde consigo getting-started?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/tradingstrategy-ai/getting-started

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados