
Les articles précédents https://www.fmz.com/digest-topic/10283 et https://www.fmz.com/digest-topic/10287 ont discuté de la corrélation entre la hausse et la baisse des devises et du Bitcoin. , l’impact de lancer des contrats perpétuels sur les prix. Cet article continuera d’explorer un autre facteur important qui affecte les prix des devises : la capitalisation boursière. Les lecteurs familiers avec le trading quantitatif doivent savoir que le marché des actions A possède l’un des facteurs les plus efficaces : la faible capitalisation boursière. Les performances de rotation des actions à petite capitalisation sont extraordinaires, dépassant de loin celles de divers indices. Si cela vous intéresse, vous pouvez en apprendre davantage par vous-même. Alors, comment se comportent les crypto-monnaies à petite capitalisation ou à bas prix ?
Cette partie utilise les mêmes données que les articles précédents, je ne les répéterai donc pas ici.
Les devises à bas prix font généralement référence aux devises numériques avec des prix unitaires inférieurs. Ces devises sont plus attractives pour les petits investisseurs en raison de leurs prix bas. La plupart d’entre eux ne voient que les nombreux zéros dans le prix et ne se soucient pas beaucoup de la valeur marchande. Chaque zéro en moins signifie une augmentation de 10 fois du prix, ce qui est très important pour certains investisseurs. Les gens sont très attractifs, mais ils peuvent aussi s’accompagner d’une volatilité des prix et d’un risque plus élevés.
Comme d’habitude, la première étape consiste à examiner la performance de l’indice, qui connaît également deux marchés haussiers au début et à la fin de l’année. Les 20 crypto-monnaies avec les prix les plus bas sont sélectionnées chaque semaine, et les résultats sont très proches de l’indice, indiquant que les prix bas n’apportent pas beaucoup d’avantages supplémentaires.
h = 1
lower_index = 1
lower_index_list = [1]
lower_symbols = df_close.iloc[0].dropna().sort_values()[:20].index
lower_prices = df_close.iloc[0][lower_symbols]
date_list = [df_close.index[0]]
for row in df_close.iterrows():
if h % 42 == 0:
date_list.append(row[0])
lower_index = lower_index * (row[1][lower_symbols] / lower_prices).mean()
lower_index_list.append(lower_index)
lower_symbols = row[1].dropna().sort_values()[:20].index
lower_prices = row[1][lower_symbols]
h += 1
pd.DataFrame(data=lower_index_list,index=date_list).plot(figsize=(12,5),grid=True);
total_index.plot(figsize=(12,5),grid=True); #总的指数

Étant donné que le volume de circulation change constamment, l’offre totale utilisée dans le calcul de la valeur marchande provient ici de Coincapmarket. Vous pouvez demander une clé si vous en avez besoin. Au total, les 1 000 premières crypto-monnaies par capitalisation boursière ont été sélectionnées. En raison de la méthode de dénomination et de l’offre totale inconnue, un total de 205 crypto-monnaies qui chevauchaient les contrats perpétuels de Binance ont été obtenues.
import requests
def get_latest_crypto_listings(api_key):
url = "https://pro-api.coinmarketcap.com/v1/cryptocurrency/listings/latest?limit=1000"
headers = {
'Accepts': 'application/json',
'X-CMC_PRO_API_KEY': api_key,
}
response = requests.get(url, headers=headers)
if response.status_code == 200:
return response.json()
else:
return f"Error: {response.status_code}"
# 使用你的API密钥
api_key = "xxx"
coin_data = get_latest_crypto_listings(api_key)
supplys = {d['symbol']: d['total_supply'] for d in coin_data['data']}
include_symbols = [s for s in list(df_close.columns) if s in supplys and supplys[s] > 0 ]
De même, nous traçons chaque semaine un indice des 10 devises ayant la plus faible capitalisation boursière et le comparons à l’indice global. On peut constater que les devises à petite capitalisation ont enregistré des performances légèrement supérieures à celles de l’indice global lors du marché haussier du début de l’année. Cependant, il a commencé à augmenter plus tôt que prévu lors des échanges latéraux de septembre et d’octobre, et l’augmentation finale a largement dépassé l’indice global.
Les pièces à plus petite capitalisation boursière sont généralement considérées comme ayant un potentiel de croissance plus élevé. En raison de leur faible capitalisation boursière, même des entrées de fonds relativement faibles peuvent entraîner des mouvements de prix importants. Ce potentiel de rendement élevé a attiré l’attention des investisseurs et des spéculateurs. Lorsque le marché est prêt à évoluer vers le bas, les devises à petite capitalisation ont tendance à prendre les devants en raison de leur faible résistance à la hausse, et peuvent même indiquer qu’un marché haussier général est sur le point de commencer.
df_close_include = df_close[include_symbols]
df_norm = df_close_include/df_close_include.fillna(method='bfill').iloc[0] #归一化
total_index = df_norm.mean(axis=1)
h = 1
N = 10
lower_index = 1
lower_index_list = [1]
lower_symbols = df_close_include.iloc[0].dropna().multiply(pd.Series(supplys)[include_symbols], fill_value=np.nan).sort_values()[:N].index
lower_prices = df_close_include.iloc[0][lower_symbols]
date_list = [df_close_include.index[0]]
for row in df_close_include.iterrows():
if h % 42 == 0:
date_list.append(row[0])
lower_index = lower_index * (row[1][lower_symbols] / lower_prices).mean()
lower_index_list.append(lower_index)
lower_symbols = row[1].dropna().multiply(pd.Series(supplys)[include_symbols], fill_value=np.nan).sort_values()[:N].index
lower_prices = row[1][lower_symbols]
h += 1
pd.DataFrame(data=lower_index_list,index=date_list).plot(figsize=(12,5),grid=True);
total_index.plot(figsize=(12,5),grid=True);

Cet article analyse les données et constate que les devises à bas prix n’apportent pas de rendement supplémentaire et que leur performance est similaire à celle de l’indice du marché. La performance des devises à petite capitalisation a largement dépassé la hausse de l’indice global. Voici une liste de devises contractuelles dont la valeur marchande est inférieure à 100 millions d’U à titre de référence, bien que nous soyons actuellement dans un marché haussier.
‘HOOK’: 102007225, ‘SLP’: 99406669, ‘NMR’: 97617143, ‘RDNT’: 97501392, ‘MBL’: 93681270, ‘OMG’: 89129884, ‘NKN’: 85700948, ‘DENT’: 84558413, ‘ALPHA’: 81367392, ‘RAD’: 80849568, ‘HFT’: 79696303, ‘STMX’: 79472000, ‘ALICE’: 74615631, ‘OGN’: 74226686, ‘GTC’: 72933069, ‘MAV’: 72174400, ‘CTK’: 72066028, ‘UNFI’: 71975379, ‘OXT’: 71727646, ‘COTI’: 71402243, ‘HIGH’: 70450329, ‘DUSK’: 69178891, ‘ARKM’: 68822057, ‘HIFI’: 68805227, ‘CYBER’: 68264478, ‘BADGER’: 67746045, ‘AGLD’: 66877113, ‘LINA’: 62674752, ‘PEOPLE’: 62662701, ‘ARPA’: 62446098, ‘SPELL’: 61939184, ‘TRU’: 60944721, ‘REN’: 59955266, ‘BIGTIME’: 59209269, ‘XVG’: 57470552, ‘TLM’: 56963184, ‘BAKE’: 52022509, ‘COMBO’: 47247951, ‘DAR’: 47226484, ‘FLM’: 45542629, ‘ATA’: 44190701, ‘MDT’: 42774267, ‘BEL’: 42365397, ‘PERP’: 42095057, ‘REEF’: 41151983, ‘IDEX’: 39463580, ‘LEVER’: 38609947, ‘PHB’: 36811258, ‘LIT’: 35979327, ‘KEY’: 31964126, ‘BOND’: 29549985, ‘FRONT’: 29130102, ‘TOKEN’: 28047786, ‘AMB’: 24484151