Разработка бота на базе Volume Profile

Разработка бота на базе VWAP

VWAP (Volume Weighted Average Price) — средневзвешенная по объёму цена. Показывает справедливую цену инструмента с учётом объёма торгов. Трейдеры используют VWAP как динамический уровень поддержки/сопротивления и для оценки качества исполнения.

Что такое VWAP

VWAP рассчитывается накопительно с начала торговой сессии (или за период):

VWAP = Σ(Price × Volume) / Σ(Volume)

Цена выше VWAP → инструмент торгуется выше своей справедливой стоимости (потенциал продажи).
Цена ниже VWAP → ниже справедливой (потенциал покупки).

Реализация бота

import pandas_ta as ta
from decimal import Decimal

class VWAPBot:
    def __init__(self, symbol: str, session_start_hour: int = 0):
        self.exchange = ccxt.binance({'apiKey': API_KEY, 'secret': SECRET})
        self.symbol = symbol
        self.session_start_hour = session_start_hour
        
        # VWAP bounds — стандартные отклонения от VWAP
        self.upper_band_std = 2.0   # продаём при цене выше VWAP + 2σ
        self.lower_band_std = 2.0   # покупаем при цене ниже VWAP - 2σ
    
    async def calculate_vwap(self) -> tuple[Decimal, Decimal, Decimal]:
        """Возвращает (vwap, upper_band, lower_band)"""
        # Получаем данные с начала сессии
        ohlcv = await self.exchange.fetch_ohlcv(self.symbol, '1m', limit=480)  # 8 часов
        df = pd.DataFrame(ohlcv, columns=['ts','open','high','low','close','volume'])
        
        # Типичная цена
        df['typical_price'] = (df['high'] + df['low'] + df['close']) / 3
        
        # VWAP: накопительное взвешенное среднее
        df['tp_vol'] = df['typical_price'] * df['volume']
        df['cum_tp_vol'] = df['tp_vol'].cumsum()
        df['cum_vol'] = df['volume'].cumsum()
        df['vwap'] = df['cum_tp_vol'] / df['cum_vol']
        
        current_vwap = Decimal(str(df['vwap'].iloc[-1]))
        current_price = Decimal(str(df['close'].iloc[-1]))
        
        # Стандартное отклонение от VWAP
        deviation = df['close'] - df['vwap']
        std = Decimal(str(deviation.std()))
        
        upper_band = current_vwap + std * Decimal(str(self.upper_band_std))
        lower_band = current_vwap - std * Decimal(str(self.lower_band_std))
        
        return current_vwap, upper_band, lower_band
    
    async def get_signal(self) -> str:
        vwap, upper, lower = await self.calculate_vwap()
        current_price = await self.get_current_price()
        
        if current_price < lower:
            return 'BUY'   # цена сильно ниже VWAP
        elif current_price > upper:
            return 'SELL'  # цена сильно выше VWAP
        elif abs(current_price - vwap) / vwap < Decimal('0.001'):
            return 'CLOSE_POSITION'  # цена у VWAP — выходим
        
        return 'HOLD'

VWAP как инструмент исполнения (VWAP execution)

В институциональной торговле VWAP — это не только индикатор, но и алгоритм исполнения крупного ордера. Задача: исполнить 1000 BTC так, чтобы средняя цена исполнения была близка к рыночному VWAP.

class VWAPExecution:
    """Разбиваем крупный ордер на части пропорционально прогнозируемому объёму"""
    
    def __init__(self, total_qty: Decimal, start_time: datetime, end_time: datetime):
        self.total_qty = total_qty
        self.start_time = start_time
        self.end_time = end_time
        self.executed_qty = Decimal('0')
    
    def get_slice_quantity(self, current_time: datetime, 
                            predicted_volume_pct: Decimal) -> Decimal:
        """Сколько исполнить прямо сейчас"""
        remaining_qty = self.total_qty - self.executed_qty
        
        # Исполняем пропорционально ожидаемому объёму за следующий период
        slice_qty = self.total_qty * predicted_volume_pct
        
        # Не превышаем остаток
        return min(slice_qty, remaining_qty)

Разработка VWAP бота с bands strategy и мониторингом отклонения от VWAP: 2–3 недели.