So erhalten Sie historische Marktdaten von der Kraken -API

Die Kraken -API liefert über ihren öffentlichen Endpunkt historische OHLC -Kryptowährungsdaten, die keinen API -Schlüssel erfordern, aber die Bewertungsgrenzen von 15 Anrufen pro Minute einhalten.

Aug 07, 2025 at 03:02 pm

Verständnis der Kraken -API und ihrer Datenfunktionen

Die Kraken-API ist eine leistungsstarke Schnittstelle, die es Entwicklern und Händlern ermöglicht, auf Echtzeit- und historische Marktdaten für eine Vielzahl von Kryptowährungspaaren zuzugreifen. Um historische Marktdaten abzurufen, müssen Benutzer mit den von Kraken bereitgestellten öffentlichen Endpunkten interagieren, insbesondere mit dem OHLC -Endpunkt (offen, hoch, niedrig, eng). Dieser Endpunkt gibt Candlestick-Daten in verschiedenen Zeitintervallen zurück. Die Daten umfassen Zeitstempel, offener Preis, hoher Preis, niedriger Preis, enger Preis, Volumen gewichteter Durchschnittspreis (VWAP), Volumen und die Anzahl der Geschäfte für jeden Zeitraum.

Der Zugriff auf die API erfordert keine Authentifizierung für öffentliche Daten, was bedeutet, dass keine API -Schlüssel erforderlich sind, um historische Preise zu erzielen. Die Ratenlimits gelten jedoch: Kraken ermöglicht bis zu 15 Anrufe pro Minute von einer einzelnen IP -Adresse. Das Überschreiten dieser Grenze führt zu einer vorübergehenden Blockierung. Um einen konsistenten Zugriff sicherzustellen, implementieren Sie Verzögerungen zwischen Anfragen oder verwenden Sie exponentielle Backoff -Strategien in Ihrem Code.

Identifizieren des richtigen Endpunkts für historische Daten

Der primäre Endpunkt für das Abrufen historischer Marktdaten ist:

 https://api.kraken.com/0/public/OHLC

Dieser Endpunkt erfordert zwei Parameter: pair und interval . Der pair gibt das Handelspaar wie XBT/USD für Bitcoin zu US -Dollar oder ETH/EUR für Ethereum zu Euro an. Der interval definiert den Zeitrahmen für jeden Kerzenstrang und muss einer der folgenden Werte sein: 1 (1 Minute), 5 (5 Minuten), 15 (15 Minuten), 30 (30 Minuten), 60 (1 Stunde), 240 (4 Stunden), 1440 (1 Tag), 10080 (1 Woche) oder 21600 (1 Monat).

Um Daten anzufordern, erstellen Sie eine URL mit diesen Parametern. Zum Beispiel 1-stündige OHLC-Daten für Bitcoin/USD:

 https://api.kraken.com/0/public/OHLC?pair=XBT/USD&interval=60

Die Antwort wird im JSON -Format erfolgen, das eine Reihe von OHLC -Datenpunkten und einen last Zeitstempel enthält, der den neuesten Datenpunkt anzeigt, der für die Pagination nützlich ist.

Verwenden von Python zum Abholen und Analysieren von Kraken OHLC -Daten

Um historische Daten programmatisch abzurufen, ist Python aufgrund seiner Einfachheit und leistungsstarken Bibliotheken eine beliebte Wahl. Die requests der Bibliothek übernimmt HTTP -Anrufe, während pandas die Daten zur Analyse strukturieren kann.

Installieren Sie die erforderlichen Pakete:

 pip install requests pandas

Unten finden Sie ein vollständiges Skript, um OHLC -Daten zu holen und zu analysieren:

 import requests
 import pandas as pd Def get_ohlc_data (Paar, Interval = 60, da = keine):

url = 'https://api.kraken.com/0/public/OHLC' params = {'pair': pair, 'interval': interval} if since: params['since'] = since response = requests.get(url, params=params) data = response.json() if data['error']: raise Exception(f'API Error: {data['error']}') ohlc_data = data['result'][pair] df = pd.DataFrame(ohlc_data, columns=[ 'timestamp', 'open', 'high', 'low', 'close', 'vwap', 'volume', 'count' ]) df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s') df.set_index('timestamp', inplace=True) last_timestamp = data['result']['last'] return df, last_timestamp Beispiel Verwendung url = 'https://api.kraken.com/0/public/OHLC' params = {'pair': pair, 'interval': interval} if since: params['since'] = since response = requests.get(url, params=params) data = response.json() if data['error']: raise Exception(f'API Error: {data['error']}') ohlc_data = data['result'][pair] df = pd.DataFrame(ohlc_data, columns=[ 'timestamp', 'open', 'high', 'low', 'close', 'vwap', 'volume', 'count' ]) df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s') df.set_index('timestamp', inplace=True) last_timestamp = data['result']['last'] return df, last_timestamp
 df, last = get_ohlc_data ('xbt/USD', Interval = 60)
 print (df.head ())

Dieses Skript gibt einen PANDAS -Datenframe mit ordnungsgemäß formatierten Zeitstempeln und numerischen Werten zurück, wodurch es für die Darstellung oder Analyse bereit ist. Der since dem Parameter seit einem bestimmten Zeitstempel abgerufenen Daten ermöglicht das Ermöglichen einer inkrementellen Datenerfassung.

Umgang mit Paginierung für erweiterte historische Daten

Kraken begrenzt jeden API -Anruf auf 720 Datenpunkte (z. B. 720 Stunden Kerzen = 30 Tage). Verwenden Sie die längere historische Reihe iterativ den since Parameter.

• Machen Sie die anfängliche Anforderung ohne den since -Parameter
• Extrahieren Sie den last Wert aus der Antwort
• Verwenden Sie diesen last Wert als since in der nächsten Anforderung
• Wiederholen Sie, bis keine neuen Daten zurückgegeben werden oder der gewünschte Datumsbereich abgedeckt ist

Beispielschleife:

 all_data = []
 last = None für _ im Bereich (5): # bis zu 5 Seiten abrufen

df, last_timestamp = get_ohlc_data('XBT/USD', interval=1440, since=last) all_data.append(df) last = last_timestamp time.sleep(1) # Respect rate limits full_history = pd.concat (All_data) df, last_timestamp = get_ohlc_data('XBT/USD', interval=1440, since=last) all_data.append(df) last = last_timestamp time.sleep(1) # Respect rate limits

Dieser Ansatz sorgt für eine vollständige historische Abdeckung, ohne die Zinstrimiten zu überschreiten.

Validierung und Reinigung von abgerufenen Daten

Nach dem Abholen von Daten ist die Validierung von entscheidender Bedeutung. Überprüfen Sie fehlende Werte, doppelte Zeitstempel oder inkonsistente Formatierung. Verwenden Sie Pandas -Methoden:

• df.isnull().sum() um fehlende Werte zu erkennen
• df.index.duplicated().any() um doppelte Zeitstempel zu finden
• df.sort_index() um eine chronologische Reihenfolge sicherzustellen

Lücken in Zeitreihen umgehen:

 full_range = pd.date_range(start=df.index.min(), end=df.index.max(), freq='H')
 df = df.reindex(full_range)

Dies schafft eine kontinuierliche Zeitleiste, die fehlende Perioden mit NAN füllt, die später interpoliert oder als Lücken markiert werden können.

Häufig gestellte Fragen

Welche Handelspaare werden vom Kraken OHLC -Endpunkt unterstützt?

Kraken unterstützt eine Vielzahl von Paaren, darunter wichtige Kryptowährungen wie XBT/USD- , ETH/USD- , ADA/EUR- und Stablecoin -Paare wie USDT/USD . Eine vollständige Liste kann erhalten werden, indem Sie den AssetPairs -Endpunkt aufrufen: https://api.kraken.com/0/public/AssetPairs .

Kann ich historische Daten auf Zeckenebene von Kraken erhalten?

Nein, die öffentliche API liefert nur 1-minütige Intervalle von Candlestick (OHLC) . Historische Daten auf Tick-Level (Trade-by-Trade) sind nicht über Standard-API-Endpunkte verfügbar. Betrachten Sie für detaillierte Handelsdaten Drittanbieter oder kommerzielle Datenanbieter.

Warum bekomme ich ein leeres Ergebnis oder Fehler beim Aufrufen des OHLC -Endpunkts?

Stellen Sie sicher, dass der Parameter pair das richtige Kraken -Symbolformat verwendet. Verwenden Sie beispielsweise XBT/USD , nicht BTC/USD. Überprüfen Sie auch, ob der interval einer der zulässigen Zahlen ist. Netzwerkprobleme oder überschreitende Zinsgrenzen können auch leere Antworten verursachen.

Gibt es eine Möglichkeit, Daten im CSV -Format direkt von Kraken abzurufen?

Die Kraken -API gibt nur Daten im JSON -Format zurück. Sie müssen die JSON -Antwort in CSV manuell mit Tools wie Pandas konvertieren:

 df.to_csv('kraken_xbtusd_hourly.csv')