python窗口动态实时显示时间_量化交易实时动态监视系统（纯Python，只需要浏览器就能用）-直接GitHub开源可下载...

APP demo（还在优化）：http://silverzy.com/tradings/

Github：https://github.com/jianwang0212/Dash_eth（如果可以star的话我会非常非常非常开心的！五一更新：安装运行步骤（pip install -r requirements.txt）和文件作用）

一个在TOP5对冲基金的朋友和一个在TOP3的高频交易公司都告诉我这是他们自己做“秘密个人交易系统”的监视器和提醒器 - Dash & Plotly。监视什么？你有没有问过自己，你确定你挂的是限价单最后交易所就会让你用限价单成交？为什么做回测时赚巨多钱一到实盘亏成狗？自己的真实交易费用/费率真的是像交易所官方介绍的交易费用/费率么？你的实时挂单的价格和数量真的跟你的理论计算数值一样么？精确到小数点5位？你的每笔成交是一次性被打到的还是被多个单试探打到的？作为做市商你真的需要挂多少单？

为什么要做一个实时监视器？

一：让自己更熟悉Python，在不使用css和JS的情况下尝试编写网页app

让自己学习新的技术栈：Dash，plotly，flask，dask（提高处理GB数据速度）。
复习已经学过的技术栈：sqlite3，pandas，datetime，logging

二：监视自己在不同市场的即时交易状况

First：自己的即时挂单（买单，卖单）

交易量是多少 - 我想知道是否跟自己的交易理论一致

交易价格是多少 - 我想知道我成交的价格在当时的订单薄的哪个位置 - 如果是买单那就应该在best bid以下，如果是卖单就应该在best ask以上。

市场的5档买卖单，我自己的买单卖单的价格情况

交易类型是什么 - 因为是做市策略所以在任何时刻都应该是两个限价单：一个买单一个卖单。

Second：自己的最新成交单：交易费是多少，交易费的比例是多少，交易量是多少，交易价格是多少，原始挂单类型是什么，真正成交的单类型是什么。

以上的表格告诉了我最新几个成交单的：

时间 - 我在意成交单的频率是不是符合我的预期。

交易费/费率是多少 - 我想知道是不是和官方文档里写的交易费用一致。强烈建议你仔细去看看你在交易所的费率，一般没有人会去看，计算实际费率和文档费率是否一致。但是很多情况下你就被交易所坑了。像表格里的前两个单因为是限价单，费率是0.00191（官方费率是0.0019），后两个单是市价单，费率是0.0028（官方是0.0028）。

交易量是多少 - 我想知道是否跟自己的交易理论一致，我的策略有一边倒情况下减少交易量的设置，所以可以看到amount一览越来越小。最后两栏数量都是1.4028，这代表我被逆向选择了 - 策略想撤单没撤成。

交易价格是多少 - 我想知道我成交的价格在当时的订单薄的哪个位置 - 如果是买单那就应该在best bid以下，如果是卖单就应该在best ask以上。

初始挂单类型是不是限价单 - 策略是做市策略所以应该全部是limit order

真正成交的单类型是什么 - 我希望每一笔单都是限价单成交。但可以从以上表格看到下午三点的单即使初始类型是限价，最终还是以市价单成交。我估计这是因为隐藏单和特殊对手盘的单导致的（可以看之前写的黑池交易）。

Third：自己的持仓

作为做市策略我希望自己的持仓是50%法币，50%虚拟货币。

我同样希望看到正在使用的法币和虚拟货币是符合交易策略的理论值的（代表我正在挂买单和卖单）。

Fourth：自己的历史挂单情况，市场订单薄的对比，自己的成交单信息，以及自己的总资金变化情况（细分到法币和虚拟货币）

第一行的图表画出了自己的历史挂单情况和市场订单薄的对比。红色倒三角代表在15:08我以839.85的价格卖出了1.1187个虚拟货币。紧接着市场价格开始下跌。

第二行画出了总资金变化情况。Stack Bar 图表表示细分到法币和虚拟货币的持仓。

P.s 这是动态图表，可以随时放大缩小查看每一个数据点的具体数据的（鼠标漂浮到数据点上就有那一分钟的所有数据细节）。以上画出的是缩小到每分钟的版本。每天的版本如下：

为什么要用Py和基于HTML？

我觉得Python是最容易上手并且有很多优秀的库和开源社区的。很多繁琐的编程都可以通过搬砖直接拿来用，很方便。整个APP用Python写就500行（前端后端一起，包括API爬数据，数据处理，SQL的读写输出等等等），作为一个新手自己花了两天时间做出来。我认为数据可视化，动态数据库输入输出里Python里的库是最全的。强烈推荐Dash。

我认为以后HTML5是APP，特别是数据可视化的最主流平台。任何一台电脑都有浏览器，任何一个手机也都有浏览器，但不是每一个电脑都有python，jupyter，r，shinny app，或者其他需要安装的exe可执行文件。所以今后应该编写的所有程序和文章都会基于HTML5。方便自己阅读也方便其他人拷贝。

如何实现？

我认为任何一个app都可以分为前端后端。对于这个监视器。

后端主要是用API（我用的CCXT）来爬各个交易所的数据。

举个例子：

然后再把所有的数据储存到SQL数据库里面然后。。。后端就完成了。

前端就是展现数据：首先连到SQL database 然后我用的Dash和plotly做的动态展示。

前端 python code：

import dash
import dash_core_components as dcc
import dash_html_components as html
from dash.dependencies import Input, Output
import dash_table
import plotly.graph_objs as go
from plotly.subplots import make_subplots
import colorlover as cl
import datetime as dt
import flask
import os
import pandas as pd
import time
import sqlite3
import numpy as np
import mathapp = dash.Dash()# data
exchange_name = 'bitbay'
conn = sqlite3.connect('/Users/Zi/Projects/Dash_eth/test.db', check_same_thread=False)
df1 = pd.read_sql_query("SELECT * from {}_merge_td_bal_ods".format(exchange_name), conn)
df2 = pd.read_sql_query("SELECT * from {}_open_order".format(exchange_name), conn)
df3 = pd.read_sql_query("SELECT * from {}_trades".format(exchange_name), conn)
conn.close()def fig1_producer(df1, df2, df3):# setuprgba_bid = ['rgba(132, 132, 239, .9)','rgba(28, 28, 221, .7)','rgba(28, 28, 221, .5)','rgba(28, 28, 221, .4)','rgba(28, 28, 221, .2)']rgba_ask = ['rgba(221, 28, 86, .9)','rgba(221, 28, 86, .7)','rgba(221, 28, 86, .5)','rgba(221, 28, 86, .4)','rgba(221, 28, 86, .2)']rgba_bal = ['rgba(10, 10, 162, .9)','rgba(10, 10, 162, .4)','rgba(235, 64, 52, .9)','rgba(235, 64, 52, .4)']# Open orders: create buy & sell columnfor side in ['buy', 'sell']:df2[side + '_OpenOrder_price'] = df2['OpenOrder_price']condition = df2['OpenOrder_side'] != sidedf2.loc[condition, side + '_OpenOrder_price'] = None# Trades: create buy & sell columnfor side in ['buy', 'sell']:df1[side + '_executed'] = df1['price']condition = df1['side'] != sidedf1.loc[condition, side + '_executed'] = None# Graph - setup traces# Market orderbookfor i in [1]:trace_bid = go.Scatter(x=df1['time_x'],y=df1[str(i) + '_bid_px'],name='bid_' + str(i),line={"shape": 'hv'},marker_color=rgba_bid[i - 1],customdata=df1[str(i) + '_bid_sz'],hovertemplate="mkt_px:" + "%{y}; ""sz:" + "%{customdata:.3f}<br>")trace_ask = go.Scatter(x=df1['time_x'],y=df1[str(i) + '_ask_px'],name='ask_' + str(i),line={"shape": 'hv'},marker_color=rgba_ask[i - 1],customdata=df1[str(i) + '_ask_sz'],hovertemplate="mkt_px:" + "%{y}; ""sz:" + "%{customdata:.3f}<br>")# My open orderstrace_open_orders_buy = go.Scatter(x=df2['time'],y=df2['buy_OpenOrder_price'],mode='markers',name='my_bid',opacity=0.8,marker=dict(color='Yellow',size=10,opacity=0.6,symbol='line-ew',line=dict(color='LightSkyBlue',width=4)),hovertemplate="my_bid:" + "%{y}")trace_open_orders_sell = go.Scatter(x=df2['time'],y=df2['sell_OpenOrder_price'],mode='markers',name='my_ask',opacity=0.8,marker=dict(color='gold',size=10,opacity=0.6,symbol='line-ew',line=dict(color='violet',width=4)),hovertemplate="my_ask:" + "%{y}")# My trades# my trades - marker setup: create a size var for markersz = df1['amount'].tolist()sz1 = [0 if pd.isnull(x) else math.log10(float(x) + 10) * 5 for x in sz]trace_trades_buy = go.Scatter(x=df1['time_x'],y=df1['buy_executed'],name='bid_executed',mode='markers',marker=dict(color='LightSkyBlue',size=sz1,line=dict(color='blue',width=2)),marker_symbol='triangle-up',customdata=df1['amount'],hovertemplate="buy_px:" + "%{y}; ""sz:" + "%{customdata}<br>")trace_trades_sell = go.Scatter(x=df1['time_x'],y=df1['sell_executed'],name='ask_executed',mode='markers',marker=dict(color='LightSkyBlue',size=sz1,line=dict(color='red',width=2)),marker_symbol='triangle-down',customdata=df1['amount'],hovertemplate="sell_px:" + "%{y}; ""sz:" + "%{customdata}<br>")# balancetrace_bal_ff = go.Bar(x=df1['time_x'],y=df1['bal_fiat_free'] / df1['1_bid_px'],name='bal_fiat_free',marker_color=rgba_bal[0])trace_bal_fu = go.Bar(x=df1['time_x'],y=df1['bal_fiat_used'] / df1['1_bid_px'],name='bal_fiat_used',marker_color=rgba_bal[1])trace_bal_ef = go.Bar(x=df1['time_x'],y=df1['bal_eth_free'],name='bal_eth_free',marker_color=rgba_bal[2])trace_bal_eu = go.Bar(x=df1['time_x'],y=df1['bal_eth_used'],name='bal_eth_used',marker_color=rgba_bal[3])trace_bal_all = go.Scatter(x=df1['time_x'],y=(df1['bal_eth_total'] * df1['1_bid_px'] +df1['bal_fiat_total']) / df1['fx_x'],name='bal_all($)')# Group traces to figfig1_sub1_traces = [trace_bid, trace_ask, trace_open_orders_buy, trace_open_orders_sell,trace_trades_buy, trace_trades_sell]fig1_sub2_traces = [trace_bal_ff, trace_bal_fu,trace_bal_ef, trace_bal_eu]fig1 = make_subplots(rows=2, cols=1, shared_xaxes=True, vertical_spacing=0.1,specs=[[{"secondary_y": True}],[{"secondary_y": True}]],subplot_titles=("Market orderbook & my orders/trades (Local currency)", "My total balance & holding position (USD)"))for i in range(len(fig1_sub1_traces)):fig1.add_trace(fig1_sub1_traces[i],row=1, col=1)for i in range(len(fig1_sub2_traces)):fig1.add_trace(fig1_sub2_traces[i],row=2, col=1)fig1.add_trace(trace_bal_all,row=2, col=1, secondary_y=True)fig1.update_layout(barmode='stack')return fig1fig1 = fig1_producer(df1, df2, df3)def fig2_producer(df1, df2, df3):# Fig 2 Current dash board# Bal pie chartpie_labels = ['fiat_free', 'fiat_used', 'eth_free', 'eth_used']pie_values = [df1['bal_fiat_free'].iloc[-1] / df1['1_bid_px'].iloc[-1], df1['bal_fiat_used'].iloc[-1] / df1['1_bid_px'].iloc[-1],df1['bal_eth_free'].iloc[-1], df1['bal_eth_used'].iloc[-1]]trace_pie_bal = go.Pie(labels=pie_labels, values=pie_values, title='Balance in ETH', hole=0.4,textinfo='label+percent')# order book infoboop = df2['buy_OpenOrder_price']c_boop = boop.loc[~boop.isnull()].iloc[-1]soop = df2['sell_OpenOrder_price']c_soop = soop.loc[~soop.isnull()].iloc[-1]ob_y_bid = [df1['1_bid_px'].iloc[-1], df1['2_bid_px'].iloc[-1],df1['3_bid_px'].iloc[-1], df1['4_bid_px'].iloc[-1], df1['5_bid_px'].iloc[-1]]ob_y_ask = [df1['1_ask_px'].iloc[-1], df1['2_ask_px'].iloc[-1],df1['3_ask_px'].iloc[-1], df1['4_ask_px'].iloc[-1], df1['5_ask_px'].iloc[-1]]trace_c_ords_bid = go.Scatter(x=[1] * len(ob_y_bid), y=ob_y_bid, mode="markers", marker_symbol='line-ew',marker_line_color="midnightblue", marker_color="lightskyblue",marker_line_width=3, marker_size=150, name='mkt_bid')trace_c_ords_ask = go.Scatter(x=[1] * len(ob_y_ask), y=ob_y_ask, mode="markers", marker_symbol='line-ew',marker_line_color="red", marker_color="red",marker_line_width=3, marker_size=150, name='mkt_ask')trace_c_ords_my_bid = go.Scatter(x=[1], y=[c_boop], mode="markers", marker_symbol='diamond-wide',marker_line_color="gold", marker_color="blue",marker_line_width=2, marker_size=15, name='my_bid')trace_c_ords_my_ask = go.Scatter(x=[1], y=[c_soop], mode="markers", marker_symbol='diamond-wide',marker_line_color="gold", marker_color="red",marker_line_width=2, marker_size=15, name='my_ask')fig2 = make_subplots(rows=1, cols=2,specs=[[{"type": "domain"}, {"type": "xy"}]],subplot_titles=("Holdings", "Order book position"))fig2.add_trace(trace_pie_bal, row=1, col=1)fig2.add_trace(trace_c_ords_bid, row=1, col=2)fig2.add_trace(trace_c_ords_ask, row=1, col=2)fig2.add_trace(trace_c_ords_my_bid, row=1, col=2)fig2.add_trace(trace_c_ords_my_ask, row=1, col=2)fig2.update_layout(title='Current orders and positions')return fig2fig2 = fig2_producer(df1, df2, df3)# Tables# tbl_my_trades = df3[['time', 'type', 'type', 'takerOrMaker', 'side', 'amount', 'price',
#                      'fee_fiat', 'fee_pct']]# tbl_my_orders = df2[['time', 'OpenOrder_side', 'OpenOrder_price',
#                      'OpenOrder_amount', 'OpenOrder_filled', 'OpenOrder_remaining',
#                      'OpenOrder_fee']]
# tbl_my_trades = tbl_my_trades.tail().iloc[::-1]
# tbl_my_orders = tbl_my_orders.tail().iloc[::-1]# plot
app.layout = html.Div(children=[html.H1('Trading Dashboard'),dcc.Graph(id='g1',figure=fig1),dcc.Graph(id='g2',figure=fig2),html.H2('My latest trades'),dash_table.DataTable(id='table_trades',# columns=[{"name": i, "id": i}#          for i in tbl_my_trades.columns],# data=tbl_my_trades.to_dict('records'),style_as_list_view=True,style_cell={'padding': '5px'},style_header={'backgroundColor': 'white','fontWeight': 'bold'}),html.H2('My latest open orders'),dash_table.DataTable(id='table_openorders',# columns=[{"name": i, "id": i}#          for i in tbl_my_orders.columns],# data=tbl_my_orders.to_dict('records'),style_as_list_view=True,style_cell={'padding': '5px'},style_header={'backgroundColor': 'white','fontWeight': 'bold'}),dcc.Interval(id='interval-component',interval=70 * 1000,  # in millisecondsn_intervals=0)]
)@app.callback([Output('table_openorders', 'data'),Output('table_trades', 'data'),Output('table_openorders', 'columns'),Output('table_trades', 'columns'),Output('g1', 'figure'),Output('g2', 'figure')],[Input('interval-component', 'n_intervals')])
def update_tables_graphs(n):conn = sqlite3.connect('/Users/Zi/Projects/Dash_eth/test.db', check_same_thread=False)df1 = pd.read_sql_query("SELECT * from {}_merge_td_bal_ods".format(exchange_name), conn)df2 = pd.read_sql_query("SELECT * from {}_open_order".format(exchange_name), conn)df3 = pd.read_sql_query("SELECT * from {}_trades".format(exchange_name), conn)conn.close()# tables## tables - datatbl_my_trades = df3[['time', 'type', 'takerOrMaker', 'side', 'amount', 'price','fee_fiat', 'fee_pct']]tbl_my_orders = df2[['time', 'OpenOrder_side', 'OpenOrder_price','OpenOrder_amount', 'OpenOrder_filled', 'OpenOrder_remaining','OpenOrder_fee']]tbl_my_trades = tbl_my_trades.tail().iloc[::-1]tbl_my_orders = tbl_my_orders.tail().iloc[::-1]# tables - columncolumns_trades = [{"name": i, "id": i} for i in tbl_my_trades.columns]columns_orders = [{"name": i, "id": i} for i in tbl_my_orders.columns]# graphsfig1 = fig1_producer(df1, df2, df3)fig2 = fig2_producer(df1, df2, df3)return tbl_my_orders.to_dict('records'), tbl_my_trades.to_dict('records'), columns_orders, columns_trades, fig1, fig2if __name__ == '__main__':app.run_server(debug=True)