Forschung über Binance Futures Multi-Währung Hedging Strategie Teil 3

Sie können das Notizbuch herunterladen und es in die FMZ-Forschungsumgebung hochladen und den Code selbst ausführen.

Binance's Risikobewertung von Kurzverkauf über Anstieg und Kauf lang über Fall-Trendstrategien

Schauen Sie sich zunächst den ursprünglichen Bericht an:https://www.fmz.com/digest-topic/5584und der verbesserte Bericht:https://www.fmz.com/digest-topic/5588

Die Strategie wurde seit 4 Tagen öffentlich geteilt. Die frühe Phase lief sehr gut, mit hohen Renditen und wenigen Rückschlägen, so dass viele Benutzer einen sehr hohen Hebel nutzen, um eine Rendite von 10% pro Tag zu wetten. Wie im ersten Bericht angegeben, gibt es jedoch keine perfekte Strategie. Kurzverkauf über Anstieg und Kauf über Falltrend nutzen die Eigenschaften von Altcoins, um zusammen zu steigen und zu fallen. Wenn sich eine Währung aus einem einzigartigen Trend bewegt, wird sie viele Haltepositionen akkumulieren. Obwohl ein gleitender Durchschnitt verwendet wurde, um den Anfangspreis zu verfolgen, bestehen die Risiken immer noch. Dieser Bericht quantifiziert hauptsächlich die spezifischen Risiken und warum der empfohlene Parameter trade_value für 3% der Gesamtmittel verantwortlich ist.

Um den Code hervorzuheben, haben wir in diesem Teil vorgerückt, jeder sollte zuerst versuchen, den folgenden Code auszuführen (beginnend mit dem Import Bibliotheken Teil).

Um zu simulieren, gehen wir davon aus, dass es 20 Währungen gibt, müssen jedoch nur BTC und ETH hinzufügen und BTC verwenden, um 19 Währungen mit konstanten Preisen darzustellen. ETH repräsentiert die Währung mit unabhängiger Trendwährung. Da es sich nur um eine Simulation handelt, ist es nicht notwendig, den Anfangspreis hier durch gleitenden Durchschnitt zu verfolgen, vorausgesetzt, dass der Preis schnell steigt.

Zuerst simulieren Sie die Situation, in der der Preis einer einzelnen Währung weiter steigt. Stop_loss zeigt an, dass der Stop-Loss abweicht. Hier handelt es sich nur um eine Simulation. Die tatsächliche Situation wird intermittierende Retracement haben, es wird nicht so schlecht sein wie die Simulation.

Angenommen, es gibt keine Rücknahme zu dieser Währung, wenn die Stop-Loss-Abweichung 0,41 beträgt, ist ETH zu diesem Zeitpunkt um 44% gestiegen, und die Ergebnisse verloren schließlich 7 Mal den Handelswert, dh trade_value * 7. Wenn trade_value auf 3% des Gesamtbetrags festgelegt wird, dann ist der Verlust = Gesamtbetrag * 0,03 * 7. Der maximale Rückgriff beträgt etwa 0,03 * 7 = 21%.

Sie können Ihre eigene Risikotoleranz anhand der folgenden Ergebnisse einschätzen.

btc_price = [1]*500 # Bitcoin price, always unchanged
eth_price = [i/100. for i in range(100,500)] # Ethereum, up 1% in one cycle

for stop_loss in [i/1000. for i in range(10,1500,50)]:
    e = Exchange(['BTC','ETH'],initial_balance=10000,commission=0.0005,log=False)
    trade_value  = 300 # 300 transactions
    
    for i in range(200):

        index = (btc_price[i]*19+eth_price[i])/20. # index

        e.Update(i,{'BTC':btc_price[i], 'ETH':eth_price[i]}) 

        diff_btc = btc_price[i] - index # deviation
        diff_eth = eth_price[i] - index

        btc_value = e.account['BTC']['value']*np.sign(e.account['BTC']['amount'])
        eth_value = e.account['ETH']['value']*np.sign(e.account['ETH']['amount'])

        aim_btc_value = -trade_value*round(diff_btc/0.01,1)*19 # Here BTC replaces 19 currencies
        aim_eth_value = -trade_value*round(diff_eth/0.01,1)

        if aim_btc_value - btc_value > 20:
            e.Buy('BTC',btc_price[i],(aim_btc_value - btc_value)/btc_price[i])

        if aim_eth_value - eth_value < -20 and diff_eth < stop_loss:
            e.Sell('ETH',eth_price[i], (eth_value-aim_eth_value)/eth_price[i],diff_eth)

        if diff_eth > stop_loss and eth_value < 0: # Stop loss
            stop_price = eth_price[i]
            e.Buy('ETH',eth_price[i], (-eth_value)/eth_price[i],diff_eth)

    print('Currency price：',stop_price,' Stop loss deviation：', stop_loss,'Final balance：',e.df['total'].iloc[-1], ' Multiple of losing trade volume：',round((e.initial_balance-e.df['total'].iloc[-1])/300,1))

Currency price： 1.02  Stop loss deviation： 0.01 Final balance： 9968.840396  Multiple of losing trade volume： 0.1
Currency price： 1.07  Stop loss deviation： 0.06 Final balance： 9912.862738  Multiple of losing trade volume： 0.3
Currency price： 1.12  Stop loss deviation： 0.11 Final balance： 9793.616067  Multiple of losing trade volume： 0.7
Currency price： 1.17  Stop loss deviation： 0.16 Final balance： 9617.477263  Multiple of losing trade volume： 1.3
Currency price： 1.23  Stop loss deviation： 0.21 Final balance： 9337.527299  Multiple of losing trade volume： 2.2
Currency price： 1.28  Stop loss deviation： 0.26 Final balance： 9051.5166  Multiple of losing trade volume： 3.2
Currency price： 1.33  Stop loss deviation： 0.31 Final balance： 8721.285267  Multiple of losing trade volume： 4.3
Currency price： 1.38  Stop loss deviation： 0.36 Final balance： 8350.582251  Multiple of losing trade volume： 5.5
Currency price： 1.44  Stop loss deviation： 0.41 Final balance： 7856.720861  Multiple of losing trade volume： 7.1
Currency price： 1.49  Stop loss deviation： 0.46 Final balance： 7406.412066  Multiple of losing trade volume： 8.6
Currency price： 1.54  Stop loss deviation： 0.51 Final balance： 6923.898356  Multiple of losing trade volume： 10.3
Currency price： 1.59  Stop loss deviation： 0.56 Final balance： 6411.276143  Multiple of losing trade volume： 12.0
Currency price： 1.65  Stop loss deviation： 0.61 Final balance： 5758.736222  Multiple of losing trade volume： 14.1
Currency price： 1.7  Stop loss deviation： 0.66 Final balance： 5186.230956  Multiple of losing trade volume： 16.0
Currency price： 1.75  Stop loss deviation： 0.71 Final balance： 4588.802975  Multiple of losing trade volume： 18.0
Currency price： 1.81  Stop loss deviation： 0.76 Final balance： 3841.792751  Multiple of losing trade volume： 20.5
Currency price： 1.86  Stop loss deviation： 0.81 Final balance： 3193.215479  Multiple of losing trade volume： 22.7
Currency price： 1.91  Stop loss deviation： 0.86 Final balance： 2525.155765  Multiple of losing trade volume： 24.9
Currency price： 1.96  Stop loss deviation： 0.91 Final balance： 1837.699982  Multiple of losing trade volume： 27.2
Currency price： 2.02  Stop loss deviation： 0.96 Final balance： 988.009942  Multiple of losing trade volume： 30.0
Currency price： 2.07  Stop loss deviation： 1.01 Final balance： 260.639618  Multiple of losing trade volume： 32.5
Currency price： 2.12  Stop loss deviation： 1.06 Final balance： -483.509646  Multiple of losing trade volume： 34.9
Currency price： 2.17  Stop loss deviation： 1.11 Final balance： -1243.486107  Multiple of losing trade volume： 37.5
Currency price： 2.24  Stop loss deviation： 1.16 Final balance： -2175.438384  Multiple of losing trade volume： 40.6
Currency price： 2.28  Stop loss deviation： 1.21 Final balance： -2968.19255  Multiple of losing trade volume： 43.2
Currency price： 2.33  Stop loss deviation： 1.26 Final balance： -3774.613275  Multiple of losing trade volume： 45.9
Currency price： 2.38  Stop loss deviation： 1.31 Final balance： -4594.305499  Multiple of losing trade volume： 48.6
Currency price： 2.44  Stop loss deviation： 1.36 Final balance： -5594.651063  Multiple of losing trade volume： 52.0
Currency price： 2.49  Stop loss deviation： 1.41 Final balance： -6441.474964  Multiple of losing trade volume： 54.8
Currency price： 2.54  Stop loss deviation： 1.46 Final balance： -7299.652662  Multiple of losing trade volume： 57.7

Bei der Simulation der Situation des kontinuierlichen Rückgangs geht der Rückgang mit einer Abnahme des Vertragswerts einher, so dass das Risiko höher ist als der Anstieg, und wenn der Preis fällt, beschleunigt sich die Verluststeigerung. Wenn der Stopp-Loss-Abweichungswert -0,31 beträgt, sinkt der Währungspreis zu diesem Zeitpunkt um 33% und ein Verlust von 6,5 Transaktionen. Wenn der Handelsbetrag trade_value auf 3% des Gesamtbetrags festgelegt wird, beträgt der maximale Retracement etwa 0,03 * 6,5 = 19,5%.

btc_price = [1]*500 # Bitcoin price, always unchanged
eth_price = [2-i/100. for i in range(100,200)] # Ethereum

for stop_loss in [-i/1000. for i in range(10,1000,50)]:
    e = Exchange(['BTC','ETH'],initial_balance=10000,commission=0.0005,log=False)
    trade_value  = 300 # 300 transactions
    
    for i in range(100):

        index = (btc_price[i]*19+eth_price[i])/20. # index

        e.Update(i,{'BTC':btc_price[i], 'ETH':eth_price[i]}) 

        diff_btc = btc_price[i] - index # deviation
        diff_eth = eth_price[i] - index

        btc_value = e.account['BTC']['value']*np.sign(e.account['BTC']['amount'])
        eth_value = e.account['ETH']['value']*np.sign(e.account['ETH']['amount'])

        aim_btc_value = -trade_value*round(diff_btc/0.01,1)*19 # Here BTC replaces 19 currencies
        aim_eth_value = -trade_value*round(diff_eth/0.01,1)
        
        if aim_btc_value - btc_value < -20:
            e.Sell('BTC',btc_price[i],-(aim_btc_value - btc_value)/btc_price[i])
    
        if aim_eth_value - eth_value > 20 and diff_eth > stop_loss:
            e.Buy('ETH',eth_price[i], -(eth_value-aim_eth_value)/eth_price[i],diff_eth)

        if diff_eth < stop_loss and eth_value > 0:
            e.Sell('ETH',eth_price[i], (eth_value)/eth_price[i],diff_eth)
            stop_price = eth_price[i]
        
    print('Currency price：',round(stop_price,2),' Stop loss deviation：', stop_loss,'Final balance：',e.df['total'].iloc[-1], ' Multiple of losing trade volume：',round((e.initial_balance-e.df['total'].iloc[-1])/300,1))

Currency price： 0.98  Stop loss deviation： -0.01 Final balance： 9983.039091  Multiple of losing trade volume： 0.1
Currency price： 0.93  Stop loss deviation： -0.06 Final balance： 9922.200148  Multiple of losing trade volume： 0.3
Currency price： 0.88  Stop loss deviation： -0.11 Final balance： 9778.899361  Multiple of losing trade volume： 0.7
Currency price： 0.83  Stop loss deviation： -0.16 Final balance： 9545.316075  Multiple of losing trade volume： 1.5
Currency price： 0.77  Stop loss deviation： -0.21 Final balance： 9128.800213  Multiple of losing trade volume： 2.9
Currency price： 0.72  Stop loss deviation： -0.26 Final balance： 8651.260863  Multiple of losing trade volume： 4.5
Currency price： 0.67  Stop loss deviation： -0.31 Final balance： 8037.598952  Multiple of losing trade volume： 6.5
Currency price： 0.62  Stop loss deviation： -0.36 Final balance： 7267.230651  Multiple of losing trade volume： 9.1
Currency price： 0.56  Stop loss deviation： -0.41 Final balance： 6099.457595  Multiple of losing trade volume： 13.0
Currency price： 0.51  Stop loss deviation： -0.46 Final balance： 4881.767442  Multiple of losing trade volume： 17.1
Currency price： 0.46  Stop loss deviation： -0.51 Final balance： 3394.414792  Multiple of losing trade volume： 22.0
Currency price： 0.41  Stop loss deviation： -0.56 Final balance： 1575.135344  Multiple of losing trade volume： 28.1
Currency price： 0.35  Stop loss deviation： -0.61 Final balance： -1168.50508  Multiple of losing trade volume： 37.2
Currency price： 0.29  Stop loss deviation： -0.66 Final balance： -4071.007983  Multiple of losing trade volume： 46.9
Currency price： 0.25  Stop loss deviation： -0.71 Final balance： -7750.361195  Multiple of losing trade volume： 59.2
Currency price： 0.19  Stop loss deviation： -0.76 Final balance： -13618.366286  Multiple of losing trade volume： 78.7
Currency price： 0.14  Stop loss deviation： -0.81 Final balance： -20711.473968  Multiple of losing trade volume： 102.4
Currency price： 0.09  Stop loss deviation： -0.86 Final balance： -31335.965608  Multiple of losing trade volume： 137.8
Currency price： 0.04  Stop loss deviation： -0.91 Final balance： -51163.223715  Multiple of losing trade volume： 203.9
Currency price： 0.04  Stop loss deviation： -0.96 Final balance： -81178.565715  Multiple of losing trade volume： 303.9

# Libraries to import
import pandas as pd
import requests
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
%matplotlib inline

price_usdt = pd.read_csv('https://www.fmz.com/upload/asset/20227de6c1d10cb9dd1.csv ', index_col = 0)
price_usdt.index = pd.to_datetime(price_usdt.index)
price_usdt_norm = price_usdt/price_usdt.fillna(method='bfill').iloc[0,]
price_usdt_btc = price_usdt.divide(price_usdt['BTC'],axis=0)
price_usdt_btc_norm = price_usdt_btc/price_usdt_btc.fillna(method='bfill').iloc[0,]

class Exchange:
    
    def __init__(self, trade_symbols, leverage=20, commission=0.00005,  initial_balance=10000, log=False):
        self.initial_balance = initial_balance # Initial asset
        self.commission = commission
        self.leverage = leverage
        self.trade_symbols = trade_symbols
        self.date = ''
        self.log = log
        self.df = pd.DataFrame(columns=['margin','total','leverage','realised_profit','unrealised_profit'])
        self.account = {'USDT':{'realised_profit':0, 'margin':0, 'unrealised_profit':0, 'total':initial_balance, 'leverage':0, 'fee':0}}
        for symbol in trade_symbols:
            self.account[symbol] = {'amount':0, 'hold_price':0, 'value':0, 'price':0, 'realised_profit':0, 'margin':0, 'unrealised_profit':0,'fee':0}
            
    def Trade(self, symbol, direction, price, amount, msg=''):
        if self.date and self.log:
            print('%-20s%-5s%-5s%-10.8s%-8.6s %s'%(str(self.date), symbol, 'buy' if direction == 1 else 'sell', price, amount, msg))
            
        cover_amount = 0 if direction*self.account[symbol]['amount'] >=0 else min(abs(self.account[symbol]['amount']), amount)
        open_amount = amount - cover_amount
        
        self.account['USDT']['realised_profit'] -= price*amount*self.commission # Minus handling fee
        self.account['USDT']['fee'] += price*amount*self.commission
        self.account[symbol]['fee'] += price*amount*self.commission
        
        if cover_amount > 0: # close positions first
            self.account['USDT']['realised_profit'] += -direction*(price - self.account[symbol]['hold_price'])*cover_amount  # profit
            self.account['USDT']['margin'] -= cover_amount*self.account[symbol]['hold_price']/self.leverage # Free margin
            
            self.account[symbol]['realised_profit'] += -direction*(price - self.account[symbol]['hold_price'])*cover_amount
            self.account[symbol]['amount'] -= -direction*cover_amount
            self.account[symbol]['margin'] -=  cover_amount*self.account[symbol]['hold_price']/self.leverage
            self.account[symbol]['hold_price'] = 0 if self.account[symbol]['amount'] == 0 else self.account[symbol]['hold_price']
            
        if open_amount > 0:
            total_cost = self.account[symbol]['hold_price']*direction*self.account[symbol]['amount'] + price*open_amount
            total_amount = direction*self.account[symbol]['amount']+open_amount
            
            self.account['USDT']['margin'] +=  open_amount*price/self.leverage            
            self.account[symbol]['hold_price'] = total_cost/total_amount
            self.account[symbol]['amount'] += direction*open_amount
            self.account[symbol]['margin'] +=  open_amount*price/self.leverage
            
        self.account[symbol]['unrealised_profit'] = (price - self.account[symbol]['hold_price'])*self.account[symbol]['amount']
        self.account[symbol]['price'] = price
        self.account[symbol]['value'] = abs(self.account[symbol]['amount'])*price
        
        return True
    
    def Buy(self, symbol, price, amount, msg=''):
        self.Trade(symbol, 1, price, amount, msg)
        
    def Sell(self, symbol, price, amount, msg=''):
        self.Trade(symbol, -1, price, amount, msg)
        
    def Update(self, date, close_price): # Update assets
        self.date = date
        self.close = close_price
        self.account['USDT']['unrealised_profit'] = 0
        for symbol in self.trade_symbols:
            if np.isnan(close_price[symbol]):
                continue
            self.account[symbol]['unrealised_profit'] = (close_price[symbol] - self.account[symbol]['hold_price'])*self.account[symbol]['amount']
            self.account[symbol]['price'] = close_price[symbol]
            self.account[symbol]['value'] = abs(self.account[symbol]['amount'])*close_price[symbol]
            self.account['USDT']['unrealised_profit'] += self.account[symbol]['unrealised_profit']
        
        self.account['USDT']['total'] = round(self.account['USDT']['realised_profit'] + self.initial_balance + self.account['USDT']['unrealised_profit'],6)
        self.account['USDT']['leverage'] = round(self.account['USDT']['margin']/self.account['USDT']['total'],4)*self.leverage
        self.df.loc[self.date] = [self.account['USDT']['margin'],self.account['USDT']['total'],self.account['USDT']['leverage'],self.account['USDT']['realised_profit'],self.account['USDT']['unrealised_profit']]