Dans ce tutoriel, nous verrons comment créer des clés d’API sur Coinbase Pro, afin de connecter votre compte Coinbase à des services tiers. Il peut s’agir de robots de trading de bitcoins comme Botcrypto, mais également d’outils liés à la fiscalité ou la visualisation de vos actifs.

Qu’est-ce qu’une API ?

Une API est une interface de programmation qui permet de se « brancher » sur une application pour échanger des données.

Dans notre cas, l’API permet d’accéder à une plateforme de trading et d’effectuer différentes actions. Il est possible de restreindre les accès à un tiers via une clé API. Exemple : permettre de consulter les fonds de votre compte Coinbase Pro mais empêcher les retraits.

Comment créer ses clés d’API sur Coinbase Pro ?

Vous devez tout d’abord créer un compte Coinbase puis vous rendre sur Coinbase Pro.

Une fois connecté sur Coinbase Pro, cliquez sur le menu en haut à droite, puis sur API. Vous arrivez devant votre liste des clés d’API.

Cliquez sur + New Api Key pour ouvrir le formulaire de création de clé. On vous demande alors de remplir plusieurs champs.

Vous devez choisir lequel de vos portfolios sera la cible de cette clé d’API. Si vous n’en avez qu’un seul, laissez Default Portfolio comme réponse.

Ajouter un nom à votre clé est optionnel mais je vous recommande de le faire. Dans mon cas je la nomme « tuto ». C’est utile pour s’y retrouver si l’on a plusieurs clés d’API.

Cochez ensuite quelles permissions vous affectez à cette clé d’API. Dans le cadre des bots de trading, je vais lui donner la permission de « View » donc de consulter le montant des actifs présents sur le portfolio et « Trade » pour autoriser les actions de trading (ouverture de position/achat/vente). Je ne donne pas la permission de « Transfer » car je ne veux pas que le service que j’utilise pour automatiser mon trading ait la possibilité de retirer mon argent.

Une PassPhrase a automatiquement été générée. Vous pouvez la changer où la garder telle quelle. Si vous ne savez pas à quoi elle sert, laissez celle d’origine.

Le dernier champ est IP Whitelist si vous voulez restreindre l’utilisation de cette clé à une liste d’IP pour plus de sécurité. Ce n’est pas forcément possible dans tous les cas.

Cliquez sur Create API key pour finaliser la création de la clé d’API.

Vous aurez sûrement une demande d’authentification via SMS ou sur votre application d’authentification à double facteur.

Vous devriez ensuite avoir un message de validation de la création de la clé.

Garder précieusement la clé privée API Secret affichée, il ne sera pas possible de la récupérer. C’est bon, vous avez créé une clé d’API !

Pour utiliser cette clé sur un service, l’on vous demandera une clé publique et une clée privée. La clé publique est affichée sur la carte d’une clé API soit comme sur la capture d’écran précédente 7ce2d5fe2ad78d9a4688d0f5af509ac6 et la clé privée est l’API Secret que vous avez sauvegardé précieusement auparavant.

Quand on découvre les robots de trading, on veut tout de suite savoir quels seront les résultats. Même si ce n’est pas possible de garantir des résultats (voir nos 3 règles pour ne pas se faire avoir par des bots de trading), on peut tout de même utiliser des outils pour essayer de prévoir le comportement d’une stratégie. Dans cet article, nous présenterons les backtests, un des outils les plus connus !

Qu’est-ce qu’un backtest ?

Le mot backtest vient de l’anglais back, qui signifie « arrière », et test, qui signifie … « test » 😄. Il s’agit donc d’un test en arrière, en arrière signifiant dans le passé. Quand on backteste un robot de trading, on va tester le comportement du robot de trading sur les données des 3 derniers jours, des 6 derniers mois, voir même des 3 dernières années avec des fonds virtuels. Il n’y a donc aucun risque. Un backtest permet de répondre à la question « Qu’est-ce qu’aurait donné mon robot de trading si je l’avais lancé il y a 3 jours, il y a 6 mois, il y a 3 ans ?« .

Voici un exemple d’un backtest exécuté sur la plateforme Botcrypto, avec la stratégie vortex-bull que vous pouvez importer gratuitement depuis le store de stratégie. J’ai configuré le backtest pour tester la stratégie sur toute l’année 2020 sur la paire bitcoin/euro sur la plateforme d’échange Kraken. On peut voir d’un coup d’oeil les différents moments où le backtest a acheté et vendu.

Pourquoi vous devez faire des backtests ?

Les backtests permettent d’obtenir de nombreuses informations sur l’efficacité d’une stratégie, et de répondre notamment à plusieurs questions :

• Est-ce que la stratégie a été correctement configuré ?
• Est-ce qu’elle est efficace durant la période testée ?
• Quelles sont ses caractéristiques durant la période testée ?

Vous pouvez en général voir de nombreuses statistiques et les détails de tous les ordres. Voici les détails du backtest précédent. On peut y avoir des statistiques globales, comme les profits réalisés ou le taux de réussite. On peut également y voir le détails de tous les ordres, avec notamment les commissions prises (virtuellement) par la plateforme d’échange.

Vous pouvez ainsi vérifier si la stratégie est efficace durant la période testée. Est-ce qu’elle a pris des trades perdants ? Si oui, comment les éviter ? Est-ce qu’elle est sensible aux commissions ? Avec ces informations, vous pouvez la modifier et ainsi améliorez vos résultats.

Quelles sont les limites des backtests ?

Tout d’abord, il ne faut pas oublier qu’un backtest ne teste une stratégie que sur une période donnée. Les résultats ne sont ainsi pas universels, et si votre backtest a eu lieu dans une tendance haussière, il ne donne aucune information intéressante pour une tendance baissière. Ce n’est donc pas parce qu’un backtest de votre robot de trading a fait +300% dans les 6 derniers mois, que votre robot de trading fera +300% dans les 6 prochains mois. En fait, il ne faut tout simplement pas oublier que les résultats passés ne garantissent pas les résultats futurs.

De plus, les backtests ne correspondent jamais complètement à ce qui ce serait passé en réalité, car ils dépendent de facteurs qu’on ne peut pas prendre en compte comme le délai d’exécution de l’ordre ou le spread (la différence de prix entre le cours d’achat et le cours de vente). Tous les logiciels qui effectuent des backtests sont ainsi obligés de procéder à des raccourcis et des simplifications. Le backtest montre comment tout se passe en théorie.

Ces différentes limites n’empêchent pas les backtests d’être très utiles pour avoir une vue d’ensemble du fonctionnement et du potentiel d’une stratégie.

Comment faire des backtests ?

Un backtest consiste simplement à analyser chaque bougie d’une période donnée avec sa stratégie. Rien ne vous empêche d’analyser les graphiques à la main sur TradingView pour reproduire le fonctionnement de votre stratégie. Mais la plupart des robots de trading, qu’il soit clé-en-main, à personnaliser ou à installer, permettent de faire des backtests de manière quasi instantanée. Vous gagnez ainsi un temps considérable.

Évidemment, si vous voulez faire des backtests de vos propres stratégies, il faudrait passer par des plateformes qui permettent de concevoir des stratégies, comme notre plateforme Botcrypto où aucune connaissance technique n’est requise, ou Freqtrade où nous avons écrit un tutoriel d’installation et de configuration.

Nos conseils pour configurer les meilleurs backtests

Pour finir, voici quelques conseils pour configurer les meilleurs backtests :

• Reproduisez les backtests avec les conditions les plus proches de vos conditions de trading pour obtenir les résultats les plus pertinents. Si vous pouvez configurer les fonds initials du backtest, configurez un montant réaliste. Si vous pouvez configurer la commission prise par la plateforme, configurez-la également.

• Effectuez plusieurs backtest dans des conditions de marchés différentes. Si vous cherchez à construire une stratégie qui profite de la volatilité du bitcoin, ne vous contentez pas d’un seul backtest. Essayez au contraire d’en faire plusieurs, sur différentes tendances, de différentes durées, pour obtenir les résultats les plus représentatifs possibles.

• Quand vous construisez une stratégie, ne modifiez qu’un paramètre à la fois entre chaque backtest. Ce sera plus facile de comprendre les résultats des backtests.

• Et si vous êtes satisfait du résultat de votre stratégie, alors sauvegardez-la, avec une copie par exemple. Vous éviterez ainsi de perdre vos avancées dans le processus de recherche.

Introduction

Zenbot est un robot de trading de bitcoin et de crypto gratuit et open source. Il s’utilise en ligne de commande et s’appuie sur Node.js et MongoDB. C’est un concurrent sérieux de Freqtrade que nous avons déjà évoqué. Il s’utilise en ligne de commande et est donc plutôt réservé à des utilisateurs confirmés. Pour créer des bots de trading sans connaissance technique, n’hésitez pas à faire un tour sur Botcrypto !

Prérequis

Ce tutoriel a été réalisé sur un serveur Ubuntu 20.04.

Nous allons avoir besoin de Node.js, MongoDB et de git.

• Pour installer les différents prérequis, exécutez la commande suivante :

sudo apt update && sudo apt install git && sudo apt install nodejs && sudo apt install npm && sudo apt-get install build-essential mongodb

Installation de Zenbot

• Tout d’abord, nous allons cloner le dépôt git en exécutant la commande ci-dessous :

git clone https://github.com/deviavir/zenbot.git

• Une fois le téléchargement terminé, nous allons nous rendre dans le dossier zenbot :

cd zenbot

• Puis nous allons installer les dépendances avec les deux commandes suivantes :

npm install

sudo npm link

Configuration de Zenbot

Zenbot peut être configurer de différentes façons. Nous allons créer un fichier de configuration basé sur l’exemple fourni.

• Exécutez cette commande pour créer votre fichier de configuration conf.js.

cp conf-sample.js conf.js

Vous pouvez si vous le voulez arpenter les différentes configurations possibles de Zenbot en ouvrant ce fichier mais pour ce tutoriel nous garderons les paramètres de base.

Utilisation de Zenbot

Nous allons voir comment faire un backtest, un test dans le passé.

Vous pouvez tout d’abord utiliser la commande ./zenbot.sh list-selector pour voir toutes les paires disponibles.

• Pour effectuer un backtest nous allons avoir besoin des données d’un marché. Nous allons récupérer le marché BTC/EUR de Coinbase Pro sur 1 jour avec cette commande : ./zenbot.sh backfill gdax.BTC-EUR –days 1.

Une fois les données téléchargées (cela peut prendre du temps), nous pouvons effectuer notre backtest. Mais il va falloir choisir quelle stratégie utiliser.

Vous pouvez accéder à la liste de toutes les stratégies préconfigurées de Zenbot en exécutant la commande suivante : ./zenbot.sh list-strategies.

Pour ce tutoriel, nous allons tester la strategie trend_ema qui s’appuie sur les moyennes mobiles exponentielles (nous avons d’ailleurs écrit un article sur cet indicateur).

• ./zenbot.sh sim gdax.BTC-EUR –strategy trend_ema

Après l’exécution du backtest, un fichier HTML commençant par « sim_result_gdax.BTC-EUR » a été écrit dans le dossier simulations de Zenbot. Vous pouvez l’ouvrir dans votre navigateur pour observer les résultats et le comportement de votre stratégie avec un graphique et quelques informations sur les trades du backtest. Cette visualisation est très intéressante. Le mien a 4 trades gagnants contre 6 trades perdants.

Avec Zenbot, vous pouvez aussi tester vos stratégies en temps réel sur le marché de manière fictive.

En exécutant cette commande ./zenbot.sh trade --paper --strategy trend_ema gdax.BTC-EUR je simule l’exécution de la stratégie trend_ema sur le marché BTC-EUR de Coinbase Pro. On appelle cette méthode le paper trading puisque c’est équivalent à simuler l’exécution de la stratégie sur du papier.

Votre initiation a Zenbot est maintenant terminée ! Vous avez découvert comment créer un backtest et une simulation en temps réel. Dans un prochain article, nous verrons comment créer sa propre stratégie pour personnaliser les actions. Et en attendant, n’hésitez pas à lire notre guide sur les bots de trading pour devenir un expert !

Introduction

Dans le précédent article, nous avions vu comment créer notre premier robot de trading avec Freqtrade, mais ses résultats n’était pas satisfaisant. Nous allons maintenant découvrir comment construire notre propre stratégie personnalisée.

Prérequis

• Une installation complète de Freqtrade, voir notre article.
• Notions de base en analyse technique.
• Notions de base dans le language informatique python.

Création d’une nouvelle stratégie sur Freqtrade

Les stratégies utilisables par Freqtrade sont stockées dans le dossier freqtrade/user_data/strategies et sont des fichiers python (.py).

Pour commencer, déplacez vous dans un terminal dans le dossier /freqtrade et activez son environnement virtuel avec cette commande :

source .env/bin/activate;

Puis, créez une nouvelle stratégie nommée MyStrategy.

freqtrade new-strategy --strategy MyStrategy

Après l’exécution de cette commande, un fichier MyStrategy.py a été créé dans /freqtrade/user_data/strategies. C’est ce fichier que nous allons personnaliser tout au long de cet article. Le fichier final est disponible à la fin de l’article.

Configuration de la stratégie sur Freqtrade

Configuration des paramètres de la stratégie

Ouvrez le fichier MyStrategy.py avec un éditeur de texte. Dans la classe, nous allons spécifier des paramètres que notre stratégie va devoir respecter.

Nous commençons par définir le minimal_roi, ROI signifiant retour sur investissement), qui permet de définir de vendre nos actif à n’importe quel moment de la stratégie si un pourcentage de bénéfice est atteint indépendamment du reste de la stratégie. Pour ce tutoriel, j’ai choisi un minimal_roi qui a n’importe quel moment de la stratégie engagera une vente si les bénéfices dépassent les 50%. De plus, si le trade est ouvert depuis plus de 40 minutes, alors une vente sera émise si les bénéfices dépassent 20%.

minimal_roi = {
  "40": 0.2,
  "0": 0.5
}

Nous allons également mettre en place un stop loss, pour éviter d’avoir des pertes trop importantes.

stoploss = -0.15

Avec ce stop loss, si un de mes trades enregistre des pertes supérieures à 15%, un ordre de vente sera émis.

Nous allons ensuite choisir une unité de temps pour notre robot de cette façon (ici, 5 minutes).

timeframe = '5m'

Ajout des indicateurs techniques à la stratégie

Pour ajouter des indicateurs techniques à la stratégie, nous allons modifier la fonction populate_indicators. Dans le cadre de ce tutoriel, je vais utiliser le Relative Strength Index, un indicateur technique dont nous avons déjà parlé à de nombreuses reprises.

dataframe['rsi'] = ta.RSI(dataframe)

Après avoir ajouté l’indicateur (vous pouvez évidemment en ajouter d’autres), je termine cette fonction par un return de dataframe.

return dataframe

Ajout des conditions d’achat/vente

Pour ajouter une condition d’achat, il faut modifier la fonction nommée populate_buy_trend puis ajouter notre condition à l’intérieur ainsi qu’un return de la dataframe comme ceci.

dataframe.loc[
(
(dataframe['rsi'] < 30)
),
'buy'] = 1

return dataframe

Dans cette exemple, je décide qu’un ordre achat est envoyé si le RSI est inférieur à 30.

Cela marche de la même façon pour les conditions de vente. Je décide qu’un un ordre de vente est émis quand le RSI est supérieur à 70.

dataframe.loc[
(
(dataframe['rsi'] > 70)
),
'sell'] = 1

return dataframe

Et voilà ! Il ne reste plus qu’à tester notre stratégie. Si vous ne savez pas comment faire, je vous redirige vers notre tutoriel sur l’utilisation de Freqtrade, où nous avons présenté son fonctionnement général. Cette stratégie n’a pas vocation a être mise en place avec vos fonds. Elle est très simple, et a pour principal intérêt de vous présenter comment construire votre propre stratégie avec Freqtrade. Vous avez maintenant toutes les cartes en main pour créer et personnaliser vos robots de trading avec Freqtrade ! La prochaine étape, c’est de booster les résultats de votre stratégie (15% sur la stratégie en exemple!) grâce à une fonctionnalité incroyable de Freqtrade, Hyperopt. Bon trading !

Dans cet article, je vais comparer différents bots de crypto trading open source. Les bots de trading open source ont plusieurs avantages. Ils sont particulièrement fiables car tout le monde peut vérifier et corriger leur code. On y retrouve également de nombreuses fonctionnalités variées. Il s’agit de produits très complets qui n’ont rien à envier aux solutions commerciales, alors qu’ils sont disponibles gratuitement. Plutôt intéressant, non ? Le principal inconvénient est lié à l’interface et à l’utilisation. Il faut en général des connaissances techniques assez avancées pour les comprendre et les déployer.

Vous avez entendu parlé des bots de trading, mais vous ne savez pas encore très bien ce que c’est et comment ça fonctionne ? Alors foncez lire notre guide ultime des bots de trading.

Pour chaque projet, le titre correspond au lieu du dépôt GitHub du bot.

Zenbot

Zenbot est un bot de trading de cryptomonnaies en ligne de commande. Il utilise node.js et MongoDB pour opérer. Zenbot supporte Windows/Linux /MacOS 10 (ou via Docker).

Zenbot supporte un grand nombre d’exchange et offre le moyen via un plugin d’en ajouter encore plus à la liste. Il possède la plupart des fonctionnalités normales et avancées que l’on peut demander à un bot de trading.

Hummingbot

Hummingbot est un logiciel qui vous permet de créer et d’exécuter des stratégies de trading personnalisables sous Windows/Linux/MacOS.

Hummingbot possède une documentation et une academy permettant un apprentissage rapide et complet de l’outil. Son installation ne peut pas être plus simple.

Gekko

Gekko est une plateforme permettant d’automatiser des stratégies de trading sur les marchés de cryptomonnaies et peut être utilisé sur les systèmes d’exploitation les plus connus (Windows, Linux et MacOS).

Gekko possède une interface web ce qui rend son utilisation plus simple, mais n’est malheureusement plus maintenu.

Freqtrade

Freqtrade est un logiciel de trading algorithmique de cryptomonnaies développé en python (3.6+) et supporté sur Windows, Linux et MacOS.

Il est conçu pour prendre en charge tous les principaux exchanges et être contrôlé par Telegram. Il contient des outils de backtesting et de gestion de portefeuille ainsi que l’optimisation des stratégies par machine learning. Vous pouvez retrouver notre article sur comment créer votre premier robot de trading avec Freqtrade à cette adresse.

Voilà pour ce comparatif ! Vous savez maintenant les avantages et les inconvénients des principaux bots de trading open source pour trader du bitcoin et des ethers. Vous en connaissez d’autres ? Vous avez développer le votre ? Dites-le nous en commentaire !