Kraken交易历史导出指南：轻松获取交易数据

• 时间范围： 选择你想要导出的交易历史的时间范围。你可以选择预设的时间段，如“过去30天”、“过去一年”等，也可以自定义开始和结束日期。
• 数据类型： 选择你想要导出的数据类型。Kraken通常提供以下选项：
  • 交易记录（Trades）： 包括所有买入和卖出交易的详细信息，如交易对、交易数量、交易价格、交易时间、交易费用等。
  • 充值记录（Deposits）： 包括所有加密货币和法币的充值记录，如充值金额、充值时间、充值来源地址、交易哈希等。
  • 提现记录（Withdrawals）： 包括所有加密货币和法币的提现记录，如提现金额、提现时间、提现目标地址、交易哈希等。
  • 费用记录（Fees）： 包括所有交易产生的费用记录，如费用类型、费用金额、费用时间等。
  • 订单记录（Orders）： 包括所有订单的详细信息，包括已成交和未成交的订单，如订单类型、订单价格、订单数量、订单状态等。
• 文件格式： 选择导出的文件格式。Kraken通常只提供CSV格式，因为这种格式兼容性好，易于处理。

以下是一个使用Python的示例代码：

import krakenex import pandas as pd

配置API密钥

在使用任何加密货币交易所的API之前，配置正确的API密钥至关重要。API密钥和密钥是您访问交易所数据和执行交易的凭证。妥善保管这些信息，防止泄露，因为泄露可能会导致资金损失或其他安全问题。

为了配置您的API密钥，您通常需要在交易所的网站上创建一个API密钥对。 创建API密钥时，请务必启用适当的权限。 常见的权限包括读取账户余额、获取市场数据和执行交易。为了降低风险，请根据您的需求设置最小的权限集。

配置示例如下，请将 "YOUR_API_KEY" 和 "YOUR_API_SECRET" 替换为您实际的API密钥和密钥：

api_key = "YOUR_API_KEY"
api_secret = "YOUR_API_SECRET"

注意： 某些交易所可能会使用不同的变量名称。 务必查阅您所使用交易所的API文档以获取准确的变量名称。

配置API密钥时，推荐的做法是将它们存储在环境变量或单独的配置文件中，而不是直接嵌入在您的代码中。 这样做有助于提高安全性并使密钥管理更加轻松。例如，您可以使用 Python 的 os 模块来访问环境变量：

import os

api_key = os.environ.get("YOUR_API_KEY")
api_secret = os.environ.get("YOUR_API_SECRET")

另一种方法是使用诸如 python-dotenv 之类的库从 .env 文件加载密钥：

from dotenv import load_dotenv
import os

load_dotenv()

api_key = os.getenv("YOUR_API_KEY")
api_secret = os.getenv("YOUR_API_SECRET")

绝不要将您的API密钥提交到公共代码仓库，例如 GitHub。 这样做可能会导致您的帐户被盗用。

创建 Kraken API 客户端

为了与 Kraken 加密货币交易所进行程序化交互，你需要创建一个 Kraken API 客户端。 这通常通过使用 Kraken 提供的官方 SDK 或第三方库来实现。 例如，使用 Python 中的 krakenex 库，你可以通过以下方式初始化 API 客户端：

k = krakenex.API(key=api_key, secret=api_secret)

在这里， krakenex.API() 函数使用你的 API 密钥 ( api_key ) 和私钥 ( api_secret ) 来实例化一个客户端对象 k 。 api_key 和 api_secret 是你在 Kraken 交易所创建 API 密钥时获得的凭证。 请务必妥善保管你的私钥，不要泄露给他人，因为它允许访问你的 Kraken 账户。

正确的 API 密钥和私钥对于身份验证至关重要。 错误的密钥将导致 API 请求被拒绝。 创建客户端对象后，你就可以使用 k 对象调用 Kraken API 的各种方法，例如获取市场数据、下订单和管理你的账户。

设置请求参数

在构建针对加密货币交易所或数据平台的API请求时，正确设置请求参数至关重要。以下是一个示例，展示了如何使用JSON格式定义请求参数，以便检索特定时间范围内的交易历史记录，并支持分页。

req_data = {

"trades": True, # 获取交易记录。此参数设置为 True 时，表示请求返回与账户相关的交易历史数据。如果设置为 False 或其他值，可能导致请求失败或返回其他类型的数据。

"start": "1609459200", # 开始时间戳。这是一个Unix时间戳，代表交易记录的起始时间。在本例中， 1609459200 对应于2021年1月1日00:00:00 UTC。务必确保时间戳的准确性，否则可能检索到错误的时间范围。不同的API对时间戳的精度要求可能不同，有些API可能需要毫秒级时间戳。

"end": "1640995200", # 结束时间戳。与 start 类似，这是一个Unix时间戳，代表交易记录的结束时间。 1640995200 对应于2022年1月1日00:00:00 UTC。请注意，某些API可能包含或排除结束时间戳所代表的时刻，具体行为取决于API的实现。

"ofs": 0, # 偏移量。用于分页显示交易记录。当交易记录数量庞大时，API通常会采用分页机制。 ofs 参数表示从第几条记录开始返回数据。例如， ofs: 0 表示从第一条记录开始，而 ofs: 100 表示从第101条记录开始。结合 limit 参数（未在此示例中显示，但通常存在）可以有效地浏览大量交易数据。

}

发送API请求

尝试通过API接口获取交易历史数据。 try 语句块用于捕获可能出现的异常，确保程序的健壮性。 详细步骤如下：

1. 构建API请求： 使用 k.query_private('Ledgers', req_data) 方法向交易所发送私有API请求， 其中 'Ledgers' 指定了要查询的API端点（即交易历史）， req_data 包含了请求所需的参数，如交易对、起始时间、结束时间等。 正确配置 req_data 对于获取所需的数据至关重要。
2. 错误处理： 检查API响应中是否包含错误信息。 如果 resp['error'] 不为空，则说明API请求失败， 使用 print(f"API Error: {resp['error']}") 打印错误信息，方便调试。 完善的错误处理机制可以帮助开发者快速定位问题。
3. 数据提取与转换： 如果API请求成功（ resp['error'] 为空），则从 resp['result'] 中提取交易历史数据。 通常，API返回的数据是JSON格式，需要将其转换为更易于处理的数据结构。 这里使用 ledgers = resp['result'] 将数据赋值给 ledgers 变量。
4. 转换为DataFrame： 使用 pd.DataFrame.from_dict(ledgers, orient='index') 将提取的交易历史数据转换为 Pandas DataFrame 对象。 orient='index' 参数指定使用字典的键作为DataFrame的索引。 DataFrame 是一种表格型数据结构，方便进行数据分析和处理。
5. 保存为CSV文件： 使用 df.to_csv("kraken_trade_history.csv") 将 DataFrame 对象保存为 CSV 文件。 CSV 文件是一种通用的数据存储格式，可以使用各种电子表格软件打开。 保存的文件名为 kraken_trade_history.csv ，可以根据需要修改。
6. 成功提示： 如果数据成功导出到 CSV 文件，则使用 print("交易历史已导出到 kraken_trade_history.csv") 打印成功提示信息。
7. 异常捕获： except Exception as e 语句块用于捕获代码执行过程中可能出现的任何异常。 使用 print(f"发生错误: {e}") 打印异常信息，方便调试。 建议根据实际情况，捕获更具体的异常类型，例如 KeyError , TypeError 等。

此代码段演示了如何通过API获取交易历史数据，并将其保存为CSV文件。 实际应用中，需要根据交易所的API文档调整请求参数和数据处理方式。 同时，需要注意API的调用频率限制，避免触发限流机制。