XÂY DỰNG BOT AUTO TRADING DÙNG MACHINE LEARNING

Random Forest – XGBoost – ML-based Crypto Trading Bot

Trong các chiến lược nâng cao, Machine Learning (ML) đang trở thành vũ khí mạnh mẽ để cải thiện hiệu suất bot giao dịch:

• Dự đoán xu hướng
• Phân loại nến tăng/giảm
• Dự đoán breakout
• Đánh giá sức mạnh của xu hướng
• Giảm nhiễu thị trường

Trong bài này, ta sẽ xây dựng Bot Auto Trading bằng ML, kết hợp:

• Random Forest (RF)
• XGBoost (XGB)
• Feature Engineering
• Backtest chuẩn
• Bot giao dịch thật (Real Trading)

---

1. Machine Learning trong Trading là gì?

Machine Learning trong trading = mô hình học từ dữ liệu thị trường để:

• Dự đoán nến tiếp theo tăng/giảm
• Dự đoán xu hướng
• Dự đoán breakout
• Xác suất giá sẽ đi theo hướng nào

ML KHÔNG thay thế Price Action, nhưng là công cụ mạnh để nâng độ chính xác.

---

2. Chuẩn bị dữ liệu (Data Engineering)

Dùng Binance Futures:

import ccxt, pandas as pd

binance = ccxt.binance({'options': {'defaultType': 'future'}})

def fetch(symbol="BTC/USDT", tf="5m", limit=2000):
    df = pd.DataFrame(
        binance.fetch_ohlcv(symbol, tf, limit=limit),
        columns=["time","open","high","low","close","volume"]
    )
    return df

---

3. Tạo Feature ML (phần quan trọng nhất)

Ta tạo các feature:

• Returns
• MA5, MA10, MA20
• RSI
• MACD Histogram
• Volume change
• Price volatility

import numpy as np

def add_features(df):
    df["return"] = df["close"].pct_change()
    df["MA5"] = df["close"].rolling(5).mean()
    df["MA10"] = df["close"].rolling(10).mean()
    df["MA20"] = df["close"].rolling(20).mean()

    df["RSI"] = compute_rsi(df["close"])
    
    df["EMA12"] = df["close"].ewm(span=12).mean()
    df["EMA26"] = df["close"].ewm(span=26).mean()
    df["MACD"] = df["EMA12"] - df["EMA26"]
    df["Signal"] = df["MACD"].ewm(span=9).mean()
    df["Hist"] = df["MACD"] - df["Signal"]

    df["VolChange"] = df["volume"].pct_change()

    df["Target"] = (df["close"].shift(-1) > df["close"]).astype(int)

    return df.dropna()

Target = 1 → nến sau tăng
Target = 0 → nến sau giảm

---

4. Train Random Forest Model

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

features = ["return","MA5","MA10","MA20","RSI","MACD","Hist","VolChange"]

X = df[features]
y = df["Target"]

X_train, X_test, y_train, y_test = train_test_split(X, y, shuffle=False, test_size=0.2)

model_rf = RandomForestClassifier(n_estimators=200, max_depth=8)
model_rf.fit(X_train, y_train)

print("Accuracy:", model_rf.score(X_test, y_test))

---

5. Train XGBoost Model

pip install xgboost

import xgboost as xgb

dtrain = xgb.DMatrix(X_train, label=y_train)
dtest  = xgb.DMatrix(X_test,  label=y_test)

params = {
    "max_depth": 6,
    "eta": 0.1,
    "objective": "binary:logistic",
    "eval_metric": "logloss"
}

model_xgb = xgb.train(params, dtrain, num_boost_round=300)

---

6. Tạo tín hiệu ML để bot giao dịch

Random Forest:

def predict_rf(df):
    p = model_rf.predict(df[features].iloc[-1:].values)[0]
    return "BUY" if p == 1 else "SELL"

XGBoost:

def predict_xgb(df):
    d = xgb.DMatrix(df[features].iloc[-1:].values)
    prob = model_xgb.predict(d)[0]
    return "BUY" if prob > 0.55 else "SELL"

---

7. Kết hợp MA6–10–20 + ML (Bộ lọc Xu Hướng VIP)

BUY khi:

• MA6 > MA10 > MA20
• ML dự đoán BUY

SELL khi:

• MA6 < MA10 < MA20
• ML dự đoán SELL

Điều này giúp ML không vào lệnh ngược xu hướng.

---

8. Full Bot – Machine Learning + Trend Filter + Bitget Execution

symbol = "BTCUSDT_UMCBL"
size = 0.01

df = fetch("BTC/USDT")
df = add_features(df)

sig_ml = predict_xgb(df)
trend = trend_filter(df)

print("ML:", sig_ml, "| Trend:", trend)

if sig_ml == "BUY" and trend == "UP":
    print(bitget_order(symbol, "buy", size))

if sig_ml == "SELL" and trend == "DOWN":
    print(bitget_order(symbol, "sell", size))

---

9. Full Bot – Machine Learning Auto Trading

symbol = "BTC/USDT"
qty = 0.01

df = fetch(symbol)
df = add_features(df)

# ML prediction
sig_ml = predict_xgb(df)   # hoặc predict_rf(df)

# Trend Filter
c = df.iloc[-1]
if c["MA5"] > c["MA10"] > c["MA20"] and sig_ml == "BUY":
    execute(symbol, "BUY", qty)

if c["MA5"] < c["MA10"] < c["MA20"] and sig_ml == "SELL":
    execute(symbol, "SELL", qty)

---

10. Nâng cấp bản PRO — ML Auto Trading Pro

📌 1. Dùng WebSocket để cập nhật dữ liệu ML realtime (100ms)
📌 2. Thêm Stop-loss theo ATR
📌 3. Dùng mô hình LightGBM → nhanh hơn XGBoost
📌 4. Kết hợp Multi-symbol (20 coin)
📌 5. Backtest chuẩn với Walk-Forward Optimization
📌 6. Sử dụng Probability > 0.65 để tăng độ tin cậy
📌 7. Tự động re-train mô hình mỗi ngày