바이낸스 선물 다화폐 헤지 전략 연구 3부
저자:선함, 2020-05-12 12:14:29, 업데이트: 2023-11-04 19:50:43
대략적인 시뮬레이션으로 모든 사람들이 손실된 마진의 양에 대한 구체적인 개념을 가질 수 있습니다. 당신은 노트북을 다운로드하고 FMZ 연구 환경에 업로드하고 코드를 직접 실행할 수 있습니다.
바이낸스의 리스크 추정치 상승에 비해 짧은 판매와 추락 트렌드 전략에 비해 긴 구매
첫 번째 보고서를 보세요.https://www.fmz.com/digest-topic/5584그리고 개선된 보고서:https://www.fmz.com/digest-topic/5588
이 전략은 현재 4 일 동안 공개 공유되었습니다. 초기 단계는 높은 수익률과 약간의 리트레이싱으로 매우 잘 수행되었으므로 많은 사용자가 하루에 10%의 수익률을 내기 위해 매우 높은 레버리지를 사용하고 있습니다. 그러나 초기 보고서에서 언급했듯이 완벽한 전략은 없습니다. 상승 추세보다 짧은 판매와 추세보다 긴 구매는 Altcoin의 특성을 사용하여 함께 상승하고 떨어집니다. 통화가 독특한 추세에서 벗어나면 많은 보유 지위를 축적합니다. 초기 가격을 추적하기 위해 이동 평균이 사용되었지만 위험이 여전히 존재합니다. 이 보고서는 주로 특정 위험을 수치화하고 권장 매개 변수 trade_value가 전체 자금의 3%를 차지하는 이유를 설명합니다.
코드를 강조하기 위해, 우리는 이 부분의 고급에 넣어, 모든 사람은 먼저 다음 코드를 실행하려고해야합니다 (이포트 라이브러리 부분에서 시작).
시뮬레이션을 하기 위해서 20개의 화폐가 있다고 가정하지만 BTC와 ETH만 더하고 BTC를 사용하여 19개의 화폐를 일정한 가격으로 나타냅니다. ETH는 독립적인 트렌드 화폐를 나타냅니다. 이것은 시뮬레이션이기 때문에, 여기서 이동평균으로 초기 가격을 추적할 필요가 없습니다.
먼저, 단일 화폐의 가격이 계속 상승하는 상황을 시뮬레이션합니다. Stop_loss는 스톱 손실이 이탈한다는 것을 나타냅니다. 여기는 시뮬레이션 만입니다. 실제 상황은 간헐적 인 리트레이싱이있을 것이고, 시뮬레이션만큼 나쁘지 않을 것입니다.
이 화폐에 대한 리트레이션이 없다고 가정하자면, 스톱 로스 오차가 0.41일 때, ETH는 이 때 44% 상승했고, 결과는 결국 거래 가치의 7배, 즉, 트레이드_밸류 * 7로 손실되었습니다. 트레이드_밸류가 총 자금의 3%로 설정되면 손실 = 총 자금 * 0.03 * 7. 최대 리트레이션은 약 0.03 * 7 = 21%입니다.
아래 결과를 바탕으로 자신의 위험 내성을 추정할 수 있습니다.
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
지속적인 하락의 상황을 시뮬레이션하는 경우, 하락은 계약의 가치의 감소와 함께 발생하므로 위험이 상승보다 높고 가격이 하락함에 따라 손실 증가율이 가속화됩니다. 스톱 손실 편차 값이 -0.31일 때, 통화 가격이 이 시점에서 33% 떨어지고 손실은 6.5 거래입니다. 거래 금액이 전체 자금의 3%로 설정되면 최대 리트레이스는 약 0.03 * 6.5 = 19.5%입니다.
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']]
관련
- 암호화폐 시장의 근본 분석을 정량화: 데이터를 스스로 이야기하도록!
- 동전圈의 기초적인 양적 연구 - 더 이상 모든
선생님들을 믿지 말고, 데이터를 객관적으로 이야기하십시오! - 양적 거래의 필수 도구 - 발명자 양적 데이터 탐색 모듈
- 모든 것을 마스터 - FMZ에 대한 소개 트레이딩 터미널의 새로운 버전 (TRB 중재 소스 코드)
- FMZ의 새로운 거래 단말기 소개 (TRB 리비트 소스 추가)
- FMZ 퀀트: 암호화폐 시장에서 공통 요구 사항 설계 예제 분석 (II)
- 80 줄의 코드에서 고주파 전략으로 뇌 없는 판매봇을 이용하는 방법
- FMZ 정량화: 암호화폐 시장의 일반적인 요구 디자인 사례 분석 (II)
- 80줄의 코드의 고주파 전략으로 뇌 없는 로봇을 파는 방법
- FMZ Quant: 암호화폐 시장에서 공통 요구 사항 디자인 예의 분석 (I)
- FMZ 정량화: 암호화폐 시장의 일반적인 요구 디자인 사례 분석 (1)
더 많은