Nikita Aull Nikita Aull

Crypto Data Analysis

Python pandas scikit-learn mplfinance ClickHouse
Veroeffentlicht

Ein quantitatives Analysesystem fuer Kryptowaehrungsmaerkte zur Erkennung von Handelsanomalien aus Binance-Daten.

Analysemodule

  • Walls-Detektor - erkennt grosse Auftraege und Ungleichgewichte im Orderbuch
  • Strike-Detektor - erkennt schnelle Preisspitzen (>8% in Millisekunden)
  • Feature-Extraktion - lineare Regressionsanalyse, Preisrauschen und Schwankungsmetriken
  • Ungleichgewichtsanalyse - Erkennung von Bid/Ask-Ungleichgewichten im Orderbuch
  • Unterstuetzungsniveaus - automatische Identifikation signifikanter Preisniveaus

Datenpipeline

Laedt OHLC- und aggregierte Handelsdaten ueber die Binance-REST-API herunter. Multi-Thread-Verarbeitung ueber 1m-, 5m-, 1h-Zeitrahmen. ClickHouse-Integration fuer grossflaechige historische Analyse.

Visualisierung

Candlestick-Charts ueber mplfinance. Overlay von Level- und Strike-Markern. Jupyter-Notebooks fuer interaktive Exploration.