Retour au Portfolio
Projet

Bot de rééquilibrage sur ATR

Bot de trading connecté à l’API Binance pour maintenir un équilibre 50/50 BTC/USDT, avec gestion intelligente de la volatilité via l’ATR

Personnel

Technologies utilisées

PythonPythonBinance APIBinance APIAPI RESTAPI REST

Détails du projet

À propos du projet

Projet personnel né de ma passion pour les crypto-monnaies et les systèmes de trading automatisés. Ce bot, connecté à l’API Binance, maintient un portefeuille équilibré à 50 % BTC / 50 % USDT en réagissant aux variations de prix — achat en cas de baisse, vente en cas de hausse — tout en intégrant une gestion adaptative de la volatilité via l’Average True Range (ATR).

Problématique

Une stratégie de rééquilibrage naïf (achat/vente systématique dès qu’un seuil est franchi) présente plusieurs faiblesses :

  • Marchés en tendance prolongée : le bot peut s’épuiser à acheter pendant une chute continue ou à vendre en pleine hausse.
  • Mouvements brusques : un pic de volatilité peut déclencher des ordres inutiles.
  • Bruit de marché : de petites fluctuations génèrent des frais de transaction sans gain significatif.

Solution proposée

Implémentation d’un système de sensibilité dynamique basé sur l’ATR :

  • Calcul de l’ATR sur une fenêtre glissante (ex : 14 périodes) pour mesurer la volatilité réelle du marché.
  • Seuil d’action proportionnel : le bot n’intervient que si l’écart de répartition dépasse un multiple de l’ATR (ex : 1.5 × ATR).
  • Filtrage du bruit : les micro-mouvements inférieurs à un seuil minimal (ex : 0.5 × ATR) sont ignorés.
  • Protection contre les flash moves : pause temporaire des ordres en cas de volatilité extrême (> 3 × ATR moyen).

Fonctionnalités clés

  • Connexion sécurisée à l’API Binance (clés chiffrées, IP whitelist)
  • Exécution conditionnelle d’ordres market ou limit selon la liquidité
  • Journalisation détaillée (trades, seuils, état du portefeuille)
  • Mode simulation (backtesting sur données historiques)

Impact & enseignements

  • Performance robuste en conditions réelles (testé sur 6+ mois)
  • Réduction significative des frais grâce au filtrage intelligent
  • Adaptabilité : le paramètre ATR rend la stratégie résiliente aux changements de régime de volatilité
  • Base évolutive : prêt à intégrer d’autres paires, des stratégies multi-actifs ou du machine learning

Ce projet allie finance quantitative, développement système et gestion du risque — une excellente illustration de l’automatisation intelligente appliquée aux marchés financiers.

Expérience:Personnel