CryptoBot

Bot di trading crypto basato su Machine Learning che opera su Binance Demo Trading (soldi finti, dati di mercato reali).

Dual-model LONG + SHORT: scarica candele OHLCV, genera 25 feature tecniche multi-timeframe, ottimizza iperparametri con Optuna (separatamente per BUY e SHORT), allena due classificatori XGBoost con walk-forward validation (~41 fold), backtesta la strategia, e gira in loop live piazzando ordini LONG su Spot Demo e SHORT su Futures Demo. Include dashboard web con signal log dettagliato.

Come funziona

Binance API (dati OHLCV reali, 10000 candele ~ 416 giorni)
        |
build_features() - 25 feature (1h + 4h + 1d multi-timeframe) + target dinamico ATR
        |
optimize_hyperparams() - 2x Optuna bayesian search (50 trial ciascuno, cache 48h)
        |
walk_forward_train() - dual XGBoost (BUY + SHORT), ~41 fold scorrevoli
        |
backtest() - backtesting.py LONG+SHORT - stats + P&L + plot interattivo
        |
run_bot() - loop live: LONG su Spot Demo + SHORT su Futures Demo, ogni 15 min

Segnali BUY generati dal modello ML (XGBoost) con filtro di confidenza (>55%) + trend filter (prezzo > EMA20). Segnali SHORT generati dal secondo modello ML con filtro di confidenza (>60%) + trend filter (prezzo < EMA20). Chiusura LONG tramite regole tecniche (RSI > 75, MACD 2-bar, EMA20 break) - non dal modello ML. Chiusura SHORT tramite regole tecniche cover (RSI < 30, MACD bullish, prezzo > EMA20). Stop loss automatico al 2% per LONG e SHORT, sempre attivo. Hold minimo 5h per LONG, 3h per SHORT, per evitare uscite premature.

Performance (backtest walk-forward LONG+SHORT, 342 giorni)

Metrica	LONG+SHORT	B&H
Return	+67.6%	-8.9%
Sharpe	2.04	—
Sortino	6.70	—
Calmar	7.05	—
Profit Factor	1.87	—
Win Rate	48.5%	—
Trade	194	—
Max Drawdown	-10.1%	—
Avg Trade	+0.35%	—
Exposure	38.3%	100%
SQN	2.48	—
P&L netto	+$337.91 (su $500)	—

Alpha: +76 punti percentuali rispetto a Buy & Hold.

Quick Start

1. Clona e installa

git clone https://github.com/YOUR_USERNAME/CryptoBot.git
cd CryptoBot
python -m venv .venv
source .venv/Scripts/activate   # Windows bash
pip install -r requirements.txt

2. Configura le credenziali

cp .env.example .env

Inserisci le tue API key di Binance Demo Trading nel file .env:

• Vai su https://demo.binance.com/ (richiede account Binance reale)
• Accedi con il tuo account Binance
• Genera API Key dal pannello Demo Trading
• Assicurati che "Enable Futures" sia spuntato (per abilitare SHORT)
• Copia API Key e Secret nel .env

Per le notifiche Telegram (opzionale):

• Crea un bot su @BotFather e copia il token
• Avvia il bot, poi visita https://api.telegram.org/bot<TOKEN>/getUpdates per trovare il chat_id

3. Lancia il backtest

python cryptobot.py

Il bot esegue: download dati -> ottimizzazione Optuna (BUY + SHORT) -> walk-forward training -> backtest LONG+SHORT.

# Per rieseguire solo il backtest senza retraining:
python cryptobot.py --backtest

4. Attiva il live trading (demo)

Apri cryptobot.py e decommenta l'ultima riga nel blocco __main__:

run_bot(model_buy, model_short)

5. Avvia la dashboard (opzionale)

# In un terminale separato:
python dashboard.py
# Apri http://localhost:5050

Configurazione

Tutte le variabili sono nel blocco CONFIG in cima a cryptobot.py:

Variabile	Default	Descrizione
SYMBOL	BTC/USDT	Coppia di trading
TIMEFRAME	1h	Timeframe delle candele
FETCH_LIMIT	10000	Candele storiche da scaricare (~416 giorni)
FUTURE_BARS	5	Candele in avanti per il label
MIN_PROBA	0.55	Confidenza minima XGBoost per BUY
SHORT_MIN_PROBA	0.60	Confidenza minima per SHORT (piu' alta)
TRADE_SIZE	0.95	% del capitale per LONG
SHORT_TRADE_SIZE	0.70	% del capitale per SHORT (piu' conservativo)
STOP_LOSS	0.02	Stop loss LONG (2%)
SHORT_STOP_LOSS	0.02	Stop loss SHORT (2%)
MIN_HOLD_BARS	5	Hold minimo 5h prima di CLOSE LONG
SHORT_MIN_HOLD	3	Hold minimo 3h prima di CLOSE SHORT
INITIAL_CASH	500	Capitale iniziale per il backtest (USD)
RETRAIN_HOURS	24	Riaddestra i modelli ogni N ore
SLEEP_SECONDS	900	Pausa tra i cicli del bot (15 min)
OPTUNA_TRIALS	50	Trial per ottimizzazione bayesiana (per modello)
ENABLE_SHORT	True	Abilita/disabilita modello e trading SHORT

Feature del modello (25 totali)

Entrambi i modelli usano le stesse feature su tre timeframe:

• 1h (base): RSI, MACD, MACD signal, MACD hist, Bollinger Width, volume change, price change, EMA cross, ATR, OBV change, Stochastic K, RSI slope, hour, ADX, Williams %R, VWAP distance
• 4h (resampled): RSI, MACD, EMA cross, trend
• 1d (resampled): RSI, ADX
• Regime: ATR ratio (7/28), volume regime
• Trend: trend_down (prezzo < EMA20)

Architettura ML

• Dual classification: BUY model (BUY vs NO-BUY) + SHORT model (SHORT vs NO-SHORT)
• Target dinamico: soglia basata su ATR — max(0.7%, ATR% * 0.5)
• Ottimizzazione Optuna: 50 trial bayesiani per modello, cache su disco 48h
• Walk-forward validation: ~41 fold scorrevoli (train=1500, test=200 candele)
• Degenerate fold guard: usa modello del fold precedente come fallback
• Filtro trend: BUY bloccati in downtrend, SHORT bloccati in uptrend
• Conflict resolution: se BUY e SHORT sparano insieme -> HOLD
• Hold minimo: CLOSE LONG soppresso per 5h, CLOSE SHORT per 3h (stop loss sempre attivo)

Dashboard

La dashboard web include:

• Decisione Corrente: azione presa + motivo dettagliato + trend EMA20 + posizione
• Modelli ML: barre di confidenza BUY e SHORT con soglie visualizzate
• Signal Log: cronologia scrollabile ultimi 50 cicli con motivo di ogni decisione
• Grafico candlestick BTC/USDT (Lightweight Charts)
• Equity curve, radar feature, activity feed, tabella trade
• Toast notification per nuovi trade, countdown al prossimo ciclo

Funzionalita'

• Download dati OHLCV paginato (10000 candele, exchange cached + fallback)
• Feature engineering multi-timeframe (25 feature: 1h + 4h + 1d)
• Dual model BUY + SHORT con Optuna separata
• Walk-forward validation ~41 fold con fallback degeneri
• Backtest LONG+SHORT con backtesting.py
• Stop loss 2% per LONG e SHORT
• Hold minimo: 5h LONG, 3h SHORT
• Filtro trend EMA20 + conflict resolution
• Loop live: LONG su Spot Demo + SHORT su Futures Demo (leva 1x)
• try/except su ogni ordine, no double-trade per ciclo
• Retraining automatico ogni 24h
• Persistenza modello (dual joblib) e stato (position_type)
• Retry con backoff per errori di rete (3 tentativi)
• Notifiche Telegram (trade, stop loss, errori, status giornaliero)
• Dashboard web con signal log (action + reason per ogni ciclo)
• Flag --backtest per skip training
• Deploy su VPS

Stack tecnico

Componente	Libreria
Dati di mercato	ccxt + Binance API
Feature engineering	pandas-ta
Modello ML	XGBClassifier (xgboost) x2
Ottimizzazione HP	optuna
Backtest	backtesting.py
Esecuzione ordini	ccxt + Binance Demo (Spot + Futures)
Dashboard	flask + Chart.js + Tailwind CSS
Notifiche	Telegram Bot API

Struttura file

CryptoBot/
  cryptobot.py          # bot completo (dual model LONG+SHORT)
  dashboard.py          # dashboard web Flask (porta 5050)
  templates/
    dashboard.html      # template dashboard (dark theme, signal log)
  .env.example          # template per le credenziali
  requirements.txt      # dipendenze Python
  .gitignore
  CONTEXT.md            # documentazione tecnica dettagliata
  CLAUDE.md             # istruzioni per Claude Code
  README.md

File generati a runtime (non committati):

• model_buy.joblib — modello XGBoost BUY
• model_short.joblib — modello XGBoost SHORT
• best_params_buy.json — iperparametri Optuna BUY (cache 48h)
• best_params_short.json — iperparametri Optuna SHORT (cache 48h)
• bot_state.json — stato posizione + position_type
• dashboard_data.json — snapshot ciclo + signal_log per dashboard
• trades_log.csv — log di tutti i trade
• price_history.json — ultime 100 candele per chart
• MLStrategy.html — plot interattivo del backtest

Disclaimer

Questo bot e' un progetto educativo. Anche se opera su Binance Demo Trading (soldi finti), le performance passate non garantiscono risultati futuri. Non usare con soldi reali senza comprendere i rischi del trading algoritmico.

License

MIT