从零开始搭建链上dex自动化价差套利程序（7）

本期分析一下两个平台的价差

之前收集过订单薄数据和交易数据，请见：

从零开始搭建链上dex自动化价差套利程序（3）

从零开始搭建链上dex自动化价差套利程序（4）

价差图分析

首先清洗数据，保留前3的ask和bid

import os
import pandas as pd

# 输入文件夹和输出文件夹的相对路径
input_folder = 'D:\DYDX_data\depthdata'  # 输入文件夹位于当前工作目录下
output_folder = 'D:\DYDX_data\depthdata\datafilter'  # 输出文件夹位于当前工作目录下

# 获取输入文件夹中的所有CSV文件
input_files = [f for f in os.listdir(input_folder) if f.endswith('.csv')]

# 遍历每个CSV文件
for input_file in input_files:
    input_file_path = os.path.join(input_folder, input_file)

    # 从CSV文件加载数据
    df = pd.read_csv(input_file_path)

    # 使用groupby和cumcount来分组并获取前3个bid和ask
    df['row_num'] = df.groupby(['Timestamp', 'Type']).cumcount() + 1
    result = df[df['row_num'] <= 3]

    # 删除辅助列row_num
    result = result.drop(columns=['row_num'])

    # 更改输出文件名，加上'_filter'前缀
    output_file = input_file.replace('.csv', '_filter.csv')
    output_file_path = os.path.join(output_folder, output_file)

    # 确保输出文件夹存在
    os.makedirs(output_folder, exist_ok=True)

    # 将处理后的数据保存到新的CSV文件
    result.to_csv(output_file_path, index=False)

    print(f"Processed {input_file} and saved as {output_file}")

print("All files processed.")

而后生成价差图

import pandas as pd
import matplotlib.pyplot as plt

# 读取第一个表的数据
data1 = pd.read_csv("order_book_BTC-USD_dydx_filter.csv")  # 替换为第一个表格文件的路径

# 读取第二个表的数据
data2 = pd.read_csv("order_book_BTCUSDC_apex_filter.csv")  # 替换为第二个表格文件的路径

# 分别获取ask和bid的数据
ask_data1 = data1[data1["Type"] == "ask"]
ask_data2 = data2[data2["Type"] == "ask"]
bid_data1 = data1[data1["Type"] == "bid"]
bid_data2 = data2[data2["Type"] == "bid"]

# 确定处理的数据量，以数据较少的表为基准
min_data_length = min(len(ask_data1), len(ask_data2), len(bid_data1), len(bid_data2))

# 仅保留相同数量的数据，并按每3个ask和3个bid为一组
ask_data1 = ask_data1[:min_data_length].iloc[::3]
bid_data1 = bid_data1[:min_data_length].iloc[::3]
ask_data2 = ask_data2[:min_data_length].iloc[::3]
bid_data2 = bid_data2[:min_data_length].iloc[::3]

# 将Unix时间戳转换为标准时间
ask_data1["Timestamp"] = pd.to_datetime(ask_data1["Timestamp"], unit='s')
bid_data2["Timestamp"] = pd.to_datetime(bid_data2["Timestamp"], unit='s')
ask_data2["Timestamp"] = pd.to_datetime(ask_data2["Timestamp"], unit='s')
bid_data1["Timestamp"] = pd.to_datetime(bid_data1["Timestamp"], unit='s')

# 计算价格差值
dydx_apex_diff = ask_data1["Price"].values - bid_data2["Price"].values
apex_dydx_diff = ask_data2["Price"].values - bid_data1["Price"].values

# 绘制价差图
plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.plot(ask_data1["Timestamp"], dydx_apex_diff, label="Price Difference")
plt.title("DYDX-APEX Price Difference Chart")
plt.xlabel("Timestamp")
plt.legend()

plt.subplot(2, 1, 2)
plt.plot(ask_data2["Timestamp"], apex_dydx_diff, label="Price Difference")
plt.title("APEX-DYDX Price Difference Chart")
plt.xlabel("Timestamp")
plt.legend()

plt.tight_layout()
plt.show()

小问题：

价差应是A的买一价-B的卖一价，一开始我写的A的买一价-B的买一价。

BTC价差图如下图：

ETH价差图如下图：

对价差分布区间进行分析：

import pandas as pd
import matplotlib.pyplot as plt

# 读取第一个表的数据
data1 = pd.read_csv("order_book_ETH-USD_dydx_filter.csv")  # 替换为第一个表格文件的路径

# 读取第二个表的数据
data2 = pd.read_csv("order_book_ETHUSDC_apex_filter.csv")  # 替换为第二个表格文件的路径

# 分别获取ask和bid的数据
ask_data1 = data1[data1["Type"] == "ask"]
ask_data2 = data2[data2["Type"] == "ask"]
bid_data1 = data1[data1["Type"] == "bid"]
bid_data2 = data2[data2["Type"] == "bid"]

# 确定处理的数据量，以数据较少的表为基准
min_data_length = min(len(ask_data1), len(ask_data2), len(bid_data1), len(bid_data2))

# 仅保留相同数量的数据，并按每3个ask和3个bid为一组
ask_data1 = ask_data1[:min_data_length].iloc[::3]
bid_data1 = bid_data1[:min_data_length].iloc[::3]
ask_data2 = ask_data2[:min_data_length].iloc[::3]
bid_data2 = bid_data2[:min_data_length].iloc[::3]

# 将Unix时间戳转换为标准时间
ask_data1["Timestamp"] = pd.to_datetime(ask_data1["Timestamp"], unit='s')
bid_data2["Timestamp"] = pd.to_datetime(bid_data2["Timestamp"], unit='s')
ask_data2["Timestamp"] = pd.to_datetime(ask_data2["Timestamp"], unit='s')
bid_data1["Timestamp"] = pd.to_datetime(bid_data1["Timestamp"], unit='s')

# 计算价格差值
dydx_apex_diff = ask_data1["Price"].values - bid_data2["Price"].values
apex_dydx_diff = ask_data2["Price"].values - bid_data1["Price"].values

# 绘制价差直方图 ，range根据具体品种调整
plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.hist(dydx_apex_diff, bins=100, range=(-5, 5), edgecolor='k')
plt.title("DYDX-APEX Price Difference Distribution ")
plt.xlabel("Price Difference")
plt.ylabel("Frequency")

plt.subplot(2, 1, 2)
plt.hist(apex_dydx_diff, bins=100, range=(-5, 5), edgecolor='k')
plt.title("APEX-DYDX Price Difference Distribution ")
plt.xlabel("Price Difference")
plt.ylabel("Frequency")

plt.tight_layout()
plt.show()

生成的价差分布图如下：

ETH：

BTC：

由于DYDX和APEX基于以太坊二层，gas费用较低，故而是有利可图的，具体gas得发交易测试一下。

gas费

ETH-USDC swap ~10U

DYDX

authorization ~5U （一次性花费）

deposit 8~15U （ >500U的存款免gas费，每周限免3次）

交易费率（无gas费，只收手续费）：

APEX

authorization ~5U

deposit 8~15U

交易费率（无gas费，只收手续费）：

Maker fees are at 0.02% and taker fees are at 0.05%.