ربات ترید چیست و چرا C# بهترین انتخاب است؟

اگر در بازارهای مالی مثل فارکس، ارزهای دیجیتال یا بورس ایران فعالیت می‌کنی، حتماً اسم ربات ترید یا ربات معاملاتی خودکار به گوشت خورده. ربات ترید یک برنامه کامپیوتری است که طبق استراتژی از پیش تعریف‌شده، به‌صورت خودکار خرید و فروش انجام می‌دهد؛ بدون احساسات، بدون خستگی، ۲۴ ساعت شبانه‌روز.

حالا چرا C#؟ خیلی از تریدرهای ایرانی از پایتون شروع می‌کنند، اما C# مزایای جدی دارد:

• سرعت اجرا بسیار بالا: در معاملات HFT (High Frequency Trading) سرعت حرف اول را می‌زند.
• یکپارچگی با پلتفرم‌های معاملاتی: اکثر بروکرها و صرافی‌ها API سازگار با .NET ارائه می‌دهند.
• پشتیبانی از تایپ قوی: خطاهای منطقی در معاملات به حداقل می‌رسد.
• اکوسیستم غنی .NET: کتابخانه‌های آماده برای تحلیل تکنیکال، مدیریت داده و ارتباط با API فراوان است.
• توسعه حرفه‌ای: برای ساخت سیستم‌های پیچیده تریدینگ، C# انتخاب صنعت است.

پیش‌نیازهای ساخت ربات ترید با C#

قبل از اینکه وارد کد بشیم، باید مطمئن بشیم که ابزارها و دانش لازم را داری:

۱. دانش پایه C# و .NET

نیازی نیست یک برنامه‌نویس حرفه‌ای باشی، اما باید مفاهیم پایه مثل کلاس، متد، async/await، و کار با JSON را بلد باشی. اگر تازه‌کار هستی، دوره‌های رایگان Microsoft Learn نقطه شروع خوبیه.

۲. ابزارهای مورد نیاز

• Visual Studio 2022 یا VS Code با افزونه C#
• .NET SDK 7 یا 8 (نسخه LTS توصیه می‌شود)
• حساب کاربری در یک صرافی یا بروکر که API ارائه می‌دهد (مثل Binance، Nobitex یا MetaTrader)
• دانش پایه از استراتژی معاملاتی که می‌خواهی ربات را بر اساس آن بسازی

۳. درک استراتژی معاملاتی

ربات بدون استراتژی، فقط یک کد بی‌معنی است. قبل از کدنویسی، استراتژی خودت را روی کاغذ بنویس. مثلاً: «وقتی میانگین متحرک ۲۰ روزه، میانگین ۵۰ روزه را قطع کرد از پایین، خرید کن و با ۲٪ ضرر، استاپ بزن.»

معماری کلی یک ربات ترید حرفه‌ای

یک ربات معاملاتی استاندارد از بخش‌های زیر تشکیل شده است:

• Data Feed (دریافت داده): اتصال به API صرافی و دریافت قیمت‌های لحظه‌ای و تاریخی
• Strategy Engine (موتور استراتژی): پردازش داده‌ها و تولید سیگنال خرید/فروش
• Risk Manager (مدیریت ریسک): تعیین حجم معامله، استاپ‌لاس و تیک‌پروفیت
• Order Executor (اجرای سفارش): ارسال سفارش به صرافی از طریق API
• Logger & Monitor (لاگ و مانیتورینگ): ثبت تمام عملیات و نظارت بر عملکرد ربات

آموزش گام به گام: ساخت ربات ترید ساده با C#

گام اول: ایجاد پروژه و نصب کتابخانه‌های لازم

یک Console Application جدید در Visual Studio بساز و پکیج‌های زیر را از NuGet نصب کن:

dotnet new console -n TradingBot

cd TradingBot

dotnet add package Newtonsoft.Json

dotnet add package RestSharp

dotnet add package Binance.Net

dotnet add package Serilog.Sinks.Console

گام دوم: ساختار پروژه

پروژه را به این شکل سازماندهی کن:

TradingBot/

├── Models/

│ ├── Candle.cs

│ ├── TradeSignal.cs

│ └── OrderResult.cs

├── Services/

│ ├── DataService.cs

│ ├── StrategyService.cs

│ ├── RiskManager.cs

│ └── OrderExecutor.cs

├── Strategies/

│ └── MovingAverageCrossStrategy.cs

└── Program.cs

گام سوم: مدل داده کندل (Candle Model)

// Models/Candle.cs

public class Candle

{

public DateTime OpenTime { get; set; }

public decimal Open { get; set; }

public decimal High { get; set; }

public decimal Low { get; set; }

public decimal Close { get; set; }

public decimal Volume { get; set; }

public DateTime CloseTime { get; set; }

}

گام چهارم: سرویس دریافت داده از API

// Services/DataService.cs

using Binance.Net.Clients;

using Binance.Net.Enums;

public class DataService

{

private readonly BinanceRestClient _client;

public DataService()

{

_client = new BinanceRestClient();

}

public async Task> GetCandlesAsync(

string symbol,

KlineInterval interval,

int limit = 100)

{

var result = await _client.SpotApi.ExchangeData

.GetKlinesAsync(symbol, interval, limit: limit);

if (!result.Success)

throw new Exception($“خطا در دریافت داده: {result.Error?.Message}”);

return result.Data.Select(k => new Candle

{

OpenTime = k.OpenTime,

Open = k.OpenPrice,

High = k.HighPrice,

Low = k.LowPrice,

Close = k.ClosePrice,

Volume = k.Volume,

CloseTime = k.CloseTime

}).ToList();

}

public async Task GetCurrentPriceAsync(string symbol)

{

var result = await _client.SpotApi.ExchangeData

.GetPriceAsync(symbol);

if (!result.Success)

throw new Exception($“خطا در دریافت قیمت: {result.Error?.Message}”);

return result.Data.Price;

}

}

گام پنجم: پیاده‌سازی استراتژی کراس میانگین متحرک

این یکی از محبوب‌ترین و ساده‌ترین استراتژی‌های الگوریتمیک است که برای شروع عالی است:

// Strategies/MovingAverageCrossStrategy.cs

public enum SignalType { Buy, Sell, Hold }

public class TradeSignal

{

public SignalType Signal { get; set; }

public decimal Price { get; set; }

public DateTime Time { get; set; }

public string Reason { get; set; } = string.Empty;

}

public class MovingAverageCrossStrategy

{

private readonly int _fastPeriod;

private readonly int _slowPeriod;

public MovingAverageCrossStrategy(int fastPeriod = 20, int slowPeriod = 50)

{

_fastPeriod = fastPeriod;

_slowPeriod = slowPeriod;

}

private decimal CalculateSMA(List candles, int period, int endIndex)

{

if (endIndex < period - 1)

throw new ArgumentException(“داده کافی نیست”);

return candles

.Skip(endIndex - period + 1)

.Take(period)

.Average(c => c.Close);

}

public TradeSignal Analyze(List candles)

{

if (candles.Count < _slowPeriod + 1)

return new TradeSignal { Signal = SignalType.Hold };

int lastIndex = candles.Count - 1;

int prevIndex = candles.Count - 2;

// میانگین‌های دوره فعلی

decimal currentFastMA = CalculateSMA(candles, _fastPeriod, lastIndex);

decimal currentSlowMA = CalculateSMA(candles, _slowPeriod, lastIndex);

// میانگین‌های دوره قبلی برای تشخیص کراس

decimal prevFastMA = CalculateSMA(candles, _fastPeriod, prevIndex);

decimal prevSlowMA = CalculateSMA(candles, _slowPeriod, prevIndex);

var lastCandle = candles[lastIndex];

// کراس صعودی (Golden Cross) = سیگنال خرید

if (prevFastMA <= prevSlowMA && currentFastMA > currentSlowMA)

{

return new TradeSignal

{

Signal = SignalType.Buy,

Price = lastCandle.Close,

Time = lastCandle.CloseTime,

Reason = $“Golden Cross: MA{_fastPeriod} از MA{_slowPeriod} عبور کرد”

};

}

// کراس نزولی (Death Cross) = سیگنال فروش

if (prevFastMA >= prevSlowMA && currentFastMA < currentSlowMA)

{

return new TradeSignal

{

Signal = SignalType.Sell,

Price = lastCandle.Close,

Time = lastCandle.CloseTime,

Reason = $“Death Cross: MA{_fastPeriod} زیر MA{_slowPeriod} رفت”

};

}

return new TradeSignal { Signal = SignalType.Hold };

}

}

گام ششم: مدیریت ریسک (بخش حیاتی!)

این بخش را هرگز نادیده نگیر. بیشترین ضررهای معامله‌گران الگوریتمی به خاطر نداشتن مدیریت ریسک است:

// Services/RiskManager.cs

public class RiskManager

{

private readonly decimal _accountBalance;

private readonly decimal _riskPerTradePercent; // مثلاً 2%

private readonly decimal _stopLossPercent; // مثلاً 1.5%

private readonly decimal _takeProfitPercent; // مثلاً 3%

public RiskManager(

decimal accountBalance,

decimal riskPercent = 2m,

decimal stopLossPercent = 1.5m,

decimal takeProfitPercent = 3m)

{

_accountBalance = accountBalance;

_riskPerTradePercent = riskPercent;

_stopLossPercent = stopLossPercent;

_takeProfitPercent = takeProfitPercent;

}

public (decimal Quantity, decimal StopLoss, decimal TakeProfit)

CalculatePosition(decimal entryPrice, bool isBuy)

{

decimal riskAmount = _accountBalance * (_riskPerTradePercent / 100);

decimal stopLossPrice = isBuy

? entryPrice * (1 - _stopLossPercent / 100)

: entryPrice * (1 + _stopLossPercent / 100);

decimal takeProfitPrice = isBuy

? entryPrice * (1 + _takeProfitPercent / 100)

: entryPrice * (1 - _takeProfitPercent / 100);

decimal priceRisk = Math.Abs(entryPrice - stopLossPrice);

decimal quantity = Math.Round(riskAmount / priceRisk, 4);

return (quantity, stopLossPrice, takeProfitPrice);

}

public bool IsMaxDrawdownExceeded(decimal currentBalance, decimal maxDrawdownPercent = 10m)

{

decimal drawdown = (_accountBalance - currentBalance) / _accountBalance * 100;

return drawdown >= maxDrawdownPercent;

}

}

گام هفتم: حلقه اصلی ربات (Main Loop)

// Program.cs

using Binance.Net.Enums;

using Serilog;

Log.Logger = new LoggerConfiguration()

.WriteTo.Console()

.CreateLogger();

var dataService = new DataService();

var strategy = new MovingAverageCrossStrategy(fastPeriod: 9, slowPeriod: 21);

var riskManager = new RiskManager(accountBalance: 1000m, riskPercent: 2m);

Log.Information(“ربات ترید شروع به کار کرد…”);

while (true)

{

try

{

// دریافت داده‌های کندل

var candles = await dataService.GetCandlesAsync(

“BTCUSDT”,

KlineInterval.OneHour,

limit: 100);

// تحلیل استراتژی

var signal = strategy.Analyze(candles);

if (signal.Signal != SignalType.Hold)

{

Log.Information(“سیگنال دریافت شد: {Signal} | قیمت: {Price} | دلیل: {Reason}”,

signal.Signal, signal.Price, signal.Reason);

// محاسبه حجم و قیمت‌های هدف

bool isBuy = signal.Signal == SignalType.Buy;

var (qty, sl, tp) = riskManager.CalculatePosition(signal.Price, isBuy);

Log.Information(“حجم معامله: {Qty} | استاپ‌لاس: {SL} | تیک‌پروفیت: {TP}”,

qty, sl, tp);

// اینجا کد ارسال سفارش به صرافی قرار می‌گیرد

// await orderExecutor.PlaceOrderAsync(signal, qty, sl, tp);

}

else

{

Log.Information(“سیگنالی نیست. در انتظار فرصت بعدی…”);

}

// صبر تا کندل بعدی (هر ۱ ساعت)

await Task.Delay(TimeSpan.FromMinutes(60));

}

catch (Exception ex)

{

Log.Error(“خطا: {Error}”, ex.Message);

await Task.Delay(TimeSpan.FromMinutes(5)); // بعد از خطا ۵ دقیقه صبر کن

}

}

بک‌تست (Backtesting): قبل از سرمایه واقعی، تست کن!

یکی از مهم‌ترین مراحل توسعه ربات الگوریتمیک، بک‌تست است. یعنی استراتژی‌ات را روی داده‌های تاریخی آزمایش کنی تا ببینی اگر ربات در گذشته اجرا می‌شد، چه نتیجه‌ای داشت.

برای بک‌تست در C#، می‌توانی:

• داده‌های تاریخی را از API بگیری و در فایل CSV ذخیره کنی
• همان موتور استراتژی را روی این داده‌ها اجرا کنی
• معیارهایی مثل Sharpe Ratio، Max Drawdown و Win Rate را محاسبه کنی
• از کتابخانه Lean (QuantConnect) که با C# کار می‌کند برای بک‌تست حرفه‌ای استفاده کنی

بهینه‌سازی و نکات حرفه‌ای

استفاده از WebSocket برای دریافت داده لحظه‌ای

برای ربات‌های تایم‌فریم کوتاه، به جای REST API از WebSocket استفاده کن. کتابخانه Binance.Net به‌خوبی از WebSocket پشتیبانی می‌کند و می‌توانی کندل‌ها را به‌صورت Real-time دریافت کنی.

ذخیره لاگ در دیتابیس

از SQLite یا PostgreSQL با Entity Framework Core برای ذخیره‌سازی تمام معاملات و لاگ‌ها استفاده کن. این کار تحلیل عملکرد ربات را بسیار آسان می‌کند.

استفاده از الگوی Design Pattern

• Strategy Pattern: برای سوئیچ آسان بین استراتژی‌های مختلف
• Observer Pattern: برای رویداد-محور کردن سیستم
• Repository Pattern: برای مدیریت بهتر داده‌ها

اتصال ربات به صرافی‌های ایرانی

اگر می‌خواهی ربات را به صرافی‌های ایرانی مثل نوبیتکس، والکس یا بیت‌پین وصل کنی، مراحل اینطور است:

• API Key از پنل کاربری صرافی دریافت کن
• مستندات API آن صرافی را مطالعه کن (همه صرافی‌های معتبر مستندات REST API دارند)
• با RestSharp یا HttpClient در C# درخواست‌ها را بساز
• احراز هویت HMAC-SHA256 که اکثر صرافی‌ها استفاده می‌کنند را پیاده‌سازی کن

مثال کد احراز هویت HMAC-SHA256 برای امضای درخواست‌ها:

using System.Security.Cryptography;

using System.Text;

public static string CreateHmacSignature(string secretKey, string data)

{

using var hmac = new HMACSHA256(Encoding.UTF8.GetBytes(secretKey));

byte[] hash = hmac.ComputeHash(Encoding.UTF8.GetBytes(data));

return BitConverter.ToString(hash).Replace(“-”, “”).ToLower();

}

استقرار (Deployment) ربات در سرور

وقتی ربات آماده شد، نباید فقط روی لپ‌تاپ خودت اجرا بشه. باید آن را روی یک سرور ابری (VPS) مستقر کنی:

• Linux VPS با Ubuntu روی هاست‌های ایرانی یا DigitalOcean
• نصب .NET Runtime روی سرور
• استفاده از systemd برای اجرای ربات به عنوان سرویس دائمی
• راه‌اندازی Docker Container برای ایزوله کردن محیط اجرا
• اتصال Telegram Bot برای ارسال نوتیفیکیشن معاملات به گوشی

اشتباهات رایج که باید از آن‌ها پرهیز کنی

• بدون بک‌تست وارد بازار شدن: قبل از هر اقدام، استراتژی را روی داده‌های تاریخی تست کن.
• نداشتن مدیریت ریسک: حتی یک معامله بد بدون استاپ‌لاس می‌تواند کل سرمایه را نابود کند.
• Over-optimization (Curve Fitting): بهینه کردن بیش از حد روی داده‌های تاریخی باعث می‌شود ربات در شرایط واقعی شکست بخورد.
• نداشتن Exception Handling مناسب: یک خطای کوچک می‌تواند ربات را از کار بیندازد و معاملات باز بمانند.
• نادیده گرفتن کارمزدها: کارمزد تراکنش در بک‌تست حتماً محاسبه شود.

سوالات متداول (FAQ)