Sumário > Projeto de Gestão de Criptomoedas
📝 Operações Individuais
1. Estrutura do Registro
1.1 Campos Obrigatórios
interface Trade {
id: string;
data: Date;
par: string; // Ex: "BTCUSDT"
tipo: 'compra' | 'venda';
preco_entrada: number; // Preço de execução
preco_saida?: number; // Preenchido para vendas
volume: number; // Quantidade da moeda base
taxas: number; // Em USDT
lucro?: number; // Calculado automaticamente
motivo: 'estrategia' | 'rompimento' | 'manual';
}
2. Exemplo de Entrada
{
"id": "TRD-2023-0154",
"data": "2023-05-15T14:30:00Z",
"par": "ETHUSDT",
"tipo": "venda",
"preco_entrada": 1850.50,
"preco_saida": 1923.75,
"volume": 2.5,
"taxas": 1.20,
"lucro": 180.63,
"motivo": "rompimento",
"duracao_horas": 42
}
3. Queries de Análise
3.1 Busca por Período (SQL)
SELECT
id,
par,
tipo,
preco_entrada,
lucro,
motivo
FROM trades
WHERE data BETWEEN '2023-05-01' AND '2023-05-31'
ORDER BY data DESC
LIMIT 50;
3.2 Estatísticas por Motivo
# Pandas Analysis
df.groupby('motivo')['lucro'].agg(['count', 'mean', 'sum'])
| Motivo | Qtd Operações | Lucro Médio | Lucro Total |
|---|---|---|---|
| estratégia | 124 | +1.8% | +2230 USDT |
| rompimento | 37 | +0.5% | +185 USDT |
4. Visualizações
4.1 Timeline Interativa
gantt
title Operações BTCUSDT - Maio/2023
dateFormat YYYY-MM-DD
section Compras
C1 :2023-05-03, 1d
C2 :2023-05-12, 1d
section Vendas
V1 :2023-05-08, 1d
V2 :2023-05-17, 1d
4.2 Heatmap de Rentabilidade
# Matplotlib/Seaborn
sns.heatmap(
pd.crosstab(df['hora_dia'], df['dia_semana'], values=df['lucro'], aggfunc='mean'),
annot=True, fmt=".1%"
)
5. Exportação de Dados
5.1 Formatos Suportados
- CSV (Padrão)
- JSON (API)
- PDF (Relatório)
# Exemplo via CLI
python export_trades.py --format=json --date=2023-05 --output=may_trades.json
6. Auditoria e Ajustes
6.1 Fluxo de Correção
graph TD
A[Identificação] --> B[Registro de Erro]
B --> C{Automatizado?}
C -->|Sim| D[Reprocessar]
C -->|Não| E[Aprovação Manual]
7. Próximos Passos
✅ Checklist de Qualidade
- 100% das operações com motivo registrado
- Validação diária de lucro/taxas
- Backup automático mensal
# Verificar consistência
python -m validator trades_202305.csv --check=all
Este documento permite rastrear cada operação com granularidade, essencial para otimização da estratégia. Mantenha registros históricos por pelo menos 2 anos!