ビナンス・フューチャーズ・マルチ通貨・ヘッジ戦略に関する研究第3部

作者: リン・ハーン優しさ, 作成日: 2020-05-12 12:14:29, 更新日: 2023-11-04 19:50:43

計算機をダウンロードして FMZ 研究環境にアップロードしてコードを実行できます

Binanceのリスク評価は,上昇傾向の短期販売と減少傾向の長期購入

最初のレポートを見てくださいhttps://www.fmz.com/digest-topic/5584改善された報告書:https://www.fmz.com/digest-topic/5588

この戦略は4日間公開されている.初期段階は高いリターンと少数のリトラセーションで非常にうまく機能し,多くのユーザーが非常に高いレバレッジを使用して,1日当たり10%のリターンを賭けている.しかし,初期レポートで述べたように,完璧な戦略はありません. 短売り超上昇と長買い超落ちトレンドは,アルトコインの特徴を利用して同時に上昇し落ちます.通貨がユニークなトレンドから動くと,多くの保有ポジションを蓄積します.初期価格を追跡するために移動平均を使用しましたが,リスクは依然として存在しています.このレポートは主に特定のリスクを定量化し,推奨パラメーター trade_value が総資金の3%を占める理由を説明しています.

この部分の先端を表示するために,誰もが最初に次のコードを実行してみましょう (インポートライブラリ部分から開始します).

シミュレーションを行うには,20の通貨があると仮定しますが,BTCとETHを足して,BTCを使用して 19の通貨を定価で表します.ETHは独立したトレンド通貨を表します.これはシミュレーションに過ぎませんので,価格が急速に上昇していると仮定して,ここでは移動平均値で初期価格を追跡する必要はありません.

まず,単一の通貨の価格が上昇し続ける状況をシミュレートします. Stop_loss は,ストップ・ロスが逸脱することを示します. これはシミュレーションだけです.実際の状況では間歇的なリトラセイメントがあり,シミュレーションほど悪いものではありません.

ストップロスの偏差が0.41で,ETHが44%上昇し,結果が最終的に取引価値の7倍,つまりtrade_value * 7を失ってしまったと仮定します. trade_valueが総資金の3%に設定されている場合,損失 =総資金 * 0.03 * 7. 最大のリトラクションは約0.03 * 7 = 21%です.

リスクの耐性を下記の結果に基づいて推定できます.

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

継続的な減少のシミュレーションでは,減少は契約の価値の減少に伴い,リスクは上昇よりも高く,価格が下がるにつれて損失の増加率は加速する.ストップ損失偏差値が -0.31 であれば,この時点で通貨価格が33%低下し,損失は6.5取引である.取引金額の trade_value が総資金の 3% に設定されている場合,最大リトラセーションは約0.03 * 6.5 = 19.5% である.

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']]

関連性

もっと

2019 FMZ - すべての権利は保護されています.

ビナンス・フューチャーズ・マルチ通貨・ヘッジ戦略に関する研究 第3部

Binanceのリスク評価は,上昇傾向の短期販売と減少傾向の長期購入

ビナンス・フューチャーズ・マルチ通貨・ヘッジ戦略に関する研究第3部