Разработка индикатора Open Interest

Разработка индикатора Open Interest

Open Interest (OI) — это суммарное количество открытых позиций по фьючерсным контрактам. В отличие от объёма (который считает каждую сделку), OI показывает сколько позиций остаётся открытыми. Рост OI = новые деньги входят в рынок. Падение OI = позиции закрываются. Это один из немногих реально ведущих индикаторов.

Интерпретация Open Interest

Высокий OI + резкое движение = риск большого liquidation cascade. Именно так происходят самые жёсткие дампы: накопленные шорты или лонги ликвидируются цепной реакцией.

Получение данных OI

Binance Futures API

import httpx
from decimal import Decimal
import asyncio

class OpenInterestCollector:
    BINANCE_FUTURES = "https://fapi.binance.com"
    BYBIT_API = "https://api.bybit.com"

    async def get_binance_oi(self, symbol: str) -> dict:
        """Текущий OI и исторические данные"""
        async with httpx.AsyncClient() as client:
            # Текущий OI
            current = await client.get(
                f"{self.BINANCE_FUTURES}/fapi/v1/openInterest",
                params={"symbol": symbol}
            )
            current_data = current.json()

            # Исторический OI (до 500 точек по 5-минутным интервалам)
            history = await client.get(
                f"{self.BINANCE_FUTURES}/futures/data/openInterestHist",
                params={
                    "symbol": symbol,
                    "period": "5m",
                    "limit": 500
                }
            )
            history_data = history.json()

        return {
            "current_oi": float(current_data["openInterest"]),
            "current_oi_usd": float(current_data["openInterest"]) * self.get_price(symbol),
            "history": [
                {
                    "time": h["timestamp"],
                    "oi": float(h["sumOpenInterest"]),
                    "oi_usd": float(h["sumOpenInterestValue"])
                }
                for h in history_data
            ]
        }

    async def get_aggregated_oi(self, symbol: str) -> dict:
        """Агрегируем OI со всех бирж для единого взгляда"""
        tasks = [
            self.get_binance_oi(symbol),
            self.get_bybit_oi(symbol),
            self.get_okx_oi(symbol),
        ]
        results = await asyncio.gather(*tasks, return_exceptions=True)

        total_oi_usd = sum(
            r.get("current_oi_usd", 0)
            for r in results
            if not isinstance(r, Exception)
        )

        return {
            "total_oi_usd": total_oi_usd,
            "by_exchange": {
                "binance": results[0].get("current_oi_usd", 0) if not isinstance(results[0], Exception) else 0,
                "bybit": results[1].get("current_oi_usd", 0) if not isinstance(results[1], Exception) else 0,
                "okx": results[2].get("current_oi_usd", 0) if not isinstance(results[2], Exception) else 0,
            }
        }

OI Change Rate индикатор

Скорость изменения OI часто важнее абсолютного значения:

def calculate_oi_change_rate(oi_history: list[dict], window: int = 12) -> list[dict]:
    """
    OI Change Rate: % изменение OI за последние N периодов.
    Аномальный рост → потенциальный liquidation event.
    """
    result = []
    for i in range(window, len(oi_history)):
        current_oi = oi_history[i]['oi_usd']
        past_oi = oi_history[i - window]['oi_usd']
        change_rate = (current_oi - past_oi) / past_oi * 100

        # Флаг аномалии: изменение больше 2 стандартных отклонений
        all_changes = [
            (oi_history[j]['oi_usd'] - oi_history[j-window]['oi_usd']) / oi_history[j-window]['oi_usd'] * 100
            for j in range(window, i+1)
        ]
        mean_change = sum(all_changes) / len(all_changes)
        std_change = (sum((x - mean_change)**2 for x in all_changes) / len(all_changes)) ** 0.5
        z_score = (change_rate - mean_change) / std_change if std_change > 0 else 0

        result.append({
            'time': oi_history[i]['time'],
            'oi': current_oi,
            'change_rate': change_rate,
            'z_score': z_score,
            'is_anomaly': abs(z_score) > 2.0
        })

    return result

Liquidation Heatmap

Комбинирование OI с ценовыми уровнями позволяет строить liquidation heatmap — карту уровней, где сконцентрированы liquidation orders:

def estimate_liquidation_levels(
    open_positions: list[dict],  # данные о позициях (средний leverage, сторона)
    current_price: float
) -> dict:
    """
    Оцениваем ценовые уровни ликвидаций.
    Источник данных: биржи иногда публикуют агрегированные данные об уровнях.
    """
    long_liquidations = {}
    short_liquidations = {}

    for position in open_positions:
        if position['side'] == 'long':
            liq_price = position['avg_entry'] * (1 - 1/position['leverage'] + 0.005)
            bucket = round(liq_price / 100) * 100  # группируем по $100
            long_liquidations[bucket] = long_liquidations.get(bucket, 0) + position['size_usd']
        else:
            liq_price = position['avg_entry'] * (1 + 1/position['leverage'] - 0.005)
            bucket = round(liq_price / 100) * 100
            short_liquidations[bucket] = short_liquidations.get(bucket, 0) + position['size_usd']

    return {
        "long_liquidation_levels": long_liquidations,   # ниже текущей цены
        "short_liquidation_levels": short_liquidations,  # выше текущей цены
        "largest_long_liq": max(long_liquidations.items(), key=lambda x: x[1]) if long_liquidations else None,
        "largest_short_liq": max(short_liquidations.items(), key=lambda x: x[1]) if short_liquidations else None
    }

Коресиляция OI с ценой: практические паттерны

Long squeeze: OI высокий, преимущественно лонги → резкое падение цены → лонги ликвидируются → ещё больше падение. Признак: перед движением OI аномально высокий, Funding Rate положительный.

Short squeeze: противоположное. Много шортов, цена резко растёт, шорты ликвидируются — ракета вверх.

OI накопление в боковике: OI растёт при флэтовой цене → рынок накапливает позиции → будет движение (direction неизвестен заранее, но будет взрывное).

Мониторинг OI вместе с Funding Rate и ценой даёт значительно более полную картину рыночного состояния, чем только технический анализ. Профессиональные трейдеры используют эти данные как ключевые inputs при принятии решений.