Descargar binance_btcusdt_1h.csv para Backtrader

Descargar binance_btcusdt_1h.csv

Si buscás "binance_btcusdt_1h.csv", esta lección incluye un archivo CSV listo para descargar y usar en Backtrader. El archivo de práctica contiene 24 velas BTCUSDT de 1 hora tomadas del endpoint público de Binance el 2026-05-19. Sirve para validar formato, instalación y ejecución de Backtrader antes de trabajar con históricos más grandes.

Descargar binance_btcusdt_1h.csv

Archivo: binance_btcusdt_1h.csv

Columnas: datetime, open, high, low, close, volume

Uso: Backtrader GenericCSVData

Intervalo: BTCUSDT 1h

datetime,open,high,low,close,volume

2026-05-18T04:00:00Z,76924.66000000,77069.77000000,76772.01000000,77038.49000000,354.48166000

2026-05-18T05:00:00Z,77038.49000000,77080.93000000,76884.33000000,76931.40000000,586.83852000

Columnas que espera Backtrader

El CSV no incluye openinterest. Por eso se configura openinterest=-1.

Instalar Backtrader y preparar carpetas

python -m venv .venv

source .venv/bin/activate

pip install backtrader pandas matplotlib

mkdir -p data

# colocá el archivo descargado en:

# data/binance_btcusdt_1h.csv

Si estás en Windows, activá el entorno con .venv\Scripts\activate. La estructura mínima del proyecto queda así:

trading-backtest/

  data/

    binance_btcusdt_1h.csv

  backtest_btcusdt.py

Validar el CSV antes del backtest

Antes de abrir Backtrader, comprobá que el archivo tiene columnas, fechas y tipos numéricos correctos:

import pandas as pd



df = pd.read_csv("data/binance_btcusdt_1h.csv")

print(df.head())

print(df.dtypes)



required = ["datetime", "open", "high", "low", "close", "volume"]

missing = [column for column in required if column not in df.columns]

if missing:

    raise ValueError(f"Faltan columnas: {missing}")



df["datetime"] = pd.to_datetime(df["datetime"], utc=True)

for column in ["open", "high", "low", "close", "volume"]:

    df[column] = pd.to_numeric(df[column])



print(df[required].tail())

Este chequeo evita errores silenciosos: fechas como texto mal interpretado, columnas desordenadas, separadores incorrectos o valores vacíos.

Cargar binance_btcusdt_1h.csv con GenericCSVData

Backtrader lee el archivo con GenericCSVData. La parte importante es mapear cada columna a su índice real:

import backtrader as bt



data = bt.feeds.GenericCSVData(

    dataname="data/binance_btcusdt_1h.csv",

    dtformat="%Y-%m-%dT%H:%M:%SZ",

    datetime=0,

    open=1,

    high=2,

    low=3,

    close=4,

    volume=5,

    openinterest=-1,

)



cerebro = bt.Cerebro()

cerebro.adddata(data, name="BTCUSDT-1h")

Backtest completo con cruce de medias

Este ejemplo es intencionalmente simple. No es recomendación financiera: es una prueba técnica para confirmar que el entorno, el CSV y el motor de backtesting funcionan.

import backtrader as bt





class MovingAverageCross(bt.Strategy):

    params = (("fast", 6), ("slow", 12))



    def __init__(self):

        self.fast_ma = bt.indicators.SimpleMovingAverage(self.data.close, period=self.params.fast)

        self.slow_ma = bt.indicators.SimpleMovingAverage(self.data.close, period=self.params.slow)

        self.crossover = bt.indicators.CrossOver(self.fast_ma, self.slow_ma)



    def next(self):

        if not self.position and self.crossover > 0:

            self.buy(size=0.01)

        elif self.position and self.crossover < 0:

            self.close()





data = bt.feeds.GenericCSVData(

    dataname="data/binance_btcusdt_1h.csv",

    dtformat="%Y-%m-%dT%H:%M:%SZ",

    datetime=0,

    open=1,

    high=2,

    low=3,

    close=4,

    volume=5,

    openinterest=-1,

)



cerebro = bt.Cerebro()

cerebro.addstrategy(MovingAverageCross)

cerebro.adddata(data, name="BTCUSDT-1h")

cerebro.broker.setcash(10000)

cerebro.broker.setcommission(commission=0.001)



print(f"Capital inicial: {cerebro.broker.getvalue():.2f}")

cerebro.run()

print(f"Capital final: {cerebro.broker.getvalue():.2f}")

Generar tu propio CSV desde Binance

Binance expone velas con GET /api/v3/klines. Para BTCUSDT de 1 hora usás symbol=BTCUSDT, interval=1h y convertís open time, open, high, low, close y volume al formato que usa esta lección.

import csv

import requests

from datetime import datetime, timezone



url = "https://api.binance.com/api/v3/klines"

params = {"symbol": "BTCUSDT", "interval": "1h", "limit": 100}

rows = requests.get(url, params=params, timeout=20).json()



with open("data/binance_btcusdt_1h.csv", "w", newline="") as file:

    writer = csv.writer(file)

    writer.writerow(["datetime", "open", "high", "low", "close", "volume"])

    for row in rows:

        open_time = datetime.fromtimestamp(row[0] / 1000, tz=timezone.utc)

        writer.writerow([

            open_time.strftime("%Y-%m-%dT%H:%M:%SZ"),

            row[1],

            row[2],

            row[3],

            row[4],

            row[5],

        ])

Referencias oficiales: Binance Kline/Candlestick data y Backtrader Data Feeds.

Errores comunes con binance_btcusdt_1h.csv

Checklist para un backtest presentable

• El dataset tiene fuente, fecha de descarga, símbolo, intervalo y columnas documentadas.


• El script corre desde cero con instrucciones de instalación claras.


• La estrategia no usa datos futuros.


• El backtest incluye comisión y capital inicial explícitos.


• El README explica límites: muestra corta, sin recomendación financiera y sin garantía de rendimiento real.

Convertirlo en portfolio laboral

Para que esta práctica sirva en una entrevista o propuesta freelance, subí un repositorio con el CSV de muestra, el script de Backtrader, un README y una captura de salida. Después agregá una versión que descargue datos recientes desde Binance y compare dos estrategias simples.

Este tipo de proyecto conecta con rutas de empleos tech en data, automatización y finanzas, y también con servicios que podés ofrecer en el marketplace de profesionales: limpieza de datos, backtesting básico, dashboards de riesgo o automatizaciones Python.