HACKTRADE AI

Este é um projeto de Trading Dashboard que utiliza TensorTrade para criar uma inteligência artificial que analisa gráficos junto com a API da Binance. Ele fornece análises em tempo real, sinais de compra ou venda, bem como informações sobre o ativo, timeframe e horário, exibidos em uma página HTML.

Estrutura do Projeto

trading-project/
│
├── binance_data.py # Script para coletar dados da Binance
├── trading_env.py # Script para configurar o ambiente de trading e treinar o modelo
├── app.py # Backend Flask para servir a API e a página HTML
├── models/ # Diretório para armazenar modelos treinados
│   └── trading_model.zip # Modelo treinado pelo TensorTrade
│
├── templates/ # Diretório para arquivos HTML
│   └── index.html # Página HTML para exibir gráficos e sinais
│
├── static/ # Diretório para arquivos estáticos (CSS, JS, imagens)
│   ├── css/
│   │   └── styles.css # Arquivo CSS para estilos
│   └── js/
│       └── main.js # (Opcional) Arquivo JavaScript separado se necessário
│
├── requirements.txt # Arquivo com lista de dependências
└── README.md # Arquivo de documentação do projeto.

Requisitos

• Python 3.6 ou superior
• pip

Instalação

1. Faça o Fork e Clone o repositório:

git clone git@github.com:username/hackTrade-ai.git
cd hackTrade-ai

Certifique-se de substituir username pelo seu nome de usuário no GitHub.

2. Crie e ative um ambiente virtual:

python -m venv trading-env

source trading-env/bin/activate  # Para Linux/Mac
trading-env\Scripts\activate  # Para Windows

Use este comando no terminal para ativar o ambiente virtual no Linux ou Mac. No Windows, use trading-env\Scripts\activate.

3. Instale as dependências:

pip install -r requirements.txt

Este comando instalará todas as dependências necessárias listadas no arquivo requirements.txt.

Coletar Dados e Treinar o Modelo

1. Coletar dados da Binance:

O script 'binance_data.py' coleta dados históricos da Binance. Certifique-se de que está configurado corretamente para o ativo e timeframe desejados.

2. Treinar o modelo

Execute o script 'trading_env.py' para configurar o ambiente de trading e treinar o modelo:

python trading_env.py

Isso criará e salvará o modelo treinado no diretório 'models/'.

Executar o Servidor

1. Inicie o servidor Flask:

python app.py

2. Acesse a aplicação:

Abra o navegador e vá para http://localhost:5000 para ver o dashboard de trading.

Estrutura de Arquivos

1. binance_data.py: Script para coletar dados históricos da Binance.
2. trading_env.py: Script para configurar o ambiente de trading com TensorTrade e treinar o modelo.
3. app.py: Script principal do Flask que serve a API e a página HTML.
4. models/: Diretório para armazenar modelos treinados.
5. templates/index.html: Página HTML para exibir gráficos e sinais de trading.
6. static/css/styles.css: Arquivo CSS para estilos.
7. requirements.txt: Arquivo que lista todas as dependências do projeto.

Funcionalidades

1. Análise em Tempo Real: A IA analisa gráficos em tempo real usando dados da Binance.
2. Sinais de Trading: Fornece sinais de compra ou venda baseados em aprendizado por reforço.
3. Dashboard Interativo: Exibe gráficos de preços e sinais de trading em uma página HTML.

Contribuição

1. Faça um fork do projeto.
2. Crie uma branch para sua feature (git checkout -b feature/nova-feature).
3. Faça commit das suas alterações (git commit -am 'Adiciona nova feature').
4. Faça push para a branch (git push origin feature/nova-feature).
5. Abra um Pull Request.

Licença

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

Este README cobre os principais aspectos do seu projeto, desde a instalação e configuração até a execução e contribuição. Sinta-se à vontade para ajustá-lo conforme necessário para melhor se adequar ao seu projeto e suas necessidades.