Estratégia de negociação de rede de criptomoedas adaptativa baseada em arbitragem

Autora:ChaoZhang, Data: 2024-01-19 14:17:50
Tags:

Resumo

Esta é uma estratégia de negociação de rede de criptomoedas adaptativa baseada na metodologia de negociação de rede para arbitragem. Pode ajustar automaticamente a faixa de preços da negociação de rede com base nas flutuações do mercado e realizar negociações de arbitragem eficientes dentro dessa faixa de preços.

Princípio da estratégia

A ideia central desta estratégia é a seguinte:

Calcular dinamicamente uma faixa de preços da rede de negociação com base em preços históricos altos e baixos.
Estabelecer N linhas de rede em intervalos iguais dentro desta faixa de preços.
Quando o preço atravessa cada linha da grade, abra posições longas ou curtas com uma quantidade fixa.
Arbitragem entre linhas de rede adjacentes e posições fechadas para lucro.
Quando o preço voltar a entrar no intervalo da rede, continuar a abrir posições ao custo marginal das linhas da rede.
Repetir este ciclo para negociações de arbitragem de alta frequência dentro da faixa de preços da rede.

Especificamente, a estratégia calcula primeiro os limites superior e inferior da grade em tempo real de acordo com os parâmetros da janela de retrospectiva configurada (i_boundLookback) e do intervalo de volatilidade (i_boundDev).

Em seguida, N linhas de grade (i_gridQty) são igualmente divididas entre os limites superior e inferior. Os preços dessas linhas de grade são armazenados na matriz gridLineArr.

Quando o preço atravessa uma linha de grelha, uma quantidade fixa (capital estratégico dividido pelo número de grelhas) é usada para abrir posições longas ou curtas.

Quando o preço atravessa a linha adjacente da grade novamente, ele pode ser combinado com ordens anteriores para arbitragem e fechar posições para lucro.

Repetir este ciclo para arbitragem de alta frequência dentro da faixa de flutuação de preços.

Análise das vantagens

Em comparação com as estratégias tradicionais de rede, a maior vantagem desta estratégia é que a gama de redes é automaticamente ajustada para se adaptar às flutuações do mercado, com as seguintes características:

Totalmente automatizado, sem intervenção manual.
Capaz de captar as tendências de preços e negociar na direcção da tendência.
Riscos controlados, evitando riscos de perseguição unilaterais.
Alta frequência de negociação e margem de lucro.
Fácil de entender, configuração simples.
Alta utilização de capital, não é fácil de apanhar.
Refletir as alterações do mercado em tempo real, adequado para negociação algorítmica.

Análise de riscos

Embora a estratégia apresente muitas vantagens, há também alguns riscos, principalmente concentrados em:

Potencial de maiores perdas em variações extremas de preços.
Requer um período de detenção adequado e um par de negociação para obter lucro.
A escala de capital precisa corresponder à faixa de volatilidade.
Pode exigir monitorização e otimização frequentes dos parâmetros.

As contramedidas incluem:

Aumentar o espaçamento da grade para alargar o alcance da grade.
Escolha pares mais estáveis.
Ajustar a escala de fundos próprios para assegurar uma liquidez suficiente.
Estabelecer mecanismos automáticos de monitorização e alerta.

Orientações de otimização

A estratégia pode ser otimizada nos seguintes aspectos:

Grelha dinâmica: ajustar automaticamente os parâmetros da rede com base na volatilidade.
Mecanismo de suspensão de perdas: estabelecer locais razoáveis de stop loss para limitar riscos extremos.
Grelha composta: combinar grades utilizando diferentes parâmetros para diferentes períodos para maximizar o uso do tempo.
Aprendizagem de máquina: usar redes neurais para otimizar automaticamente parâmetros em vez de regras.
Arbitragem de mercado: arbitragem entre bolsas ou pares de moedas.

Resumo

Em resumo, esta é uma estratégia de negociação de rede de criptomoedas adaptativa muito prática para arbitragem. Em comparação com as estratégias de rede tradicionais, sua maior característica é o ajuste automático da faixa de rede com base nas mudanças do mercado, permitindo que os comerciantes configurem sua própria faixa de negociação. A lógica da estratégia é clara e fácil de entender e configurar, adequada para investidores individuais com alguma base e também como um modelo para algoritmos de negociação.

/*backtest
start: 2024-01-11 00:00:00
end: 2024-01-18 00:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=4
strategy("(IK) Grid Script", overlay=true, pyramiding=14, close_entries_rule="ANY", default_qty_type=strategy.cash, initial_capital=100.0, currency="USD", commission_type=strategy.commission.percent, commission_value=0.1)
i_autoBounds    = input(group="Grid Bounds", title="Use Auto Bounds?", defval=true, type=input.bool)                             // calculate upper and lower bound of the grid automatically? This will theorhetically be less profitable, but will certainly require less attention
i_boundSrc      = input(group="Grid Bounds", title="(Auto) Bound Source", defval="Hi & Low", options=["Hi & Low", "Average"])     // should bounds of the auto grid be calculated from recent High & Low, or from a Simple Moving Average
i_boundLookback = input(group="Grid Bounds", title="(Auto) Bound Lookback", defval=250, type=input.integer, maxval=500, minval=0) // when calculating auto grid bounds, how far back should we look for a High & Low, or what should the length be of our sma
i_boundDev      = input(group="Grid Bounds", title="(Auto) Bound Deviation", defval=0.10, type=input.float, maxval=1, minval=-1)  // if sourcing auto bounds from High & Low, this percentage will (positive) widen or (negative) narrow the bound limits. If sourcing from Average, this is the deviation (up and down) from the sma, and CANNOT be negative.
i_upperBound    = input(group="Grid Bounds", title="(Manual) Upper Boundry", defval=0.285, type=input.float)                      // for manual grid bounds only. The upperbound price of your grid
i_lowerBound    = input(group="Grid Bounds", title="(Manual) Lower Boundry", defval=0.225, type=input.float)                      // for manual grid bounds only. The lowerbound price of your grid.
i_gridQty       = input(group="Grid Lines",  title="Grid Line Quantity", defval=8, maxval=15, minval=3, type=input.integer)       // how many grid lines are in your grid

f_getGridBounds(_bs, _bl, _bd, _up) =>
    if _bs == "Hi & Low"
        _up ? highest(close, _bl) * (1 + _bd) : lowest(close, _bl)  * (1 - _bd)
    else
        avg = sma(close, _bl)
        _up ? avg * (1 + _bd) : avg * (1 - _bd)

f_buildGrid(_lb, _gw, _gq) =>
    gridArr = array.new_float(0)
    for i=0 to _gq-1
        array.push(gridArr, _lb+(_gw*i))
    gridArr

f_getNearGridLines(_gridArr, _price) =>
    arr = array.new_int(3)
    for i = 0 to array.size(_gridArr)-1
        if array.get(_gridArr, i) > _price
            array.set(arr, 0, i == array.size(_gridArr)-1 ? i : i+1)
            array.set(arr, 1, i == 0 ? i : i-1)
            break
    arr

var upperBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true) : i_upperBound  // upperbound of our grid
var lowerBound      = i_autoBounds ? f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false) : i_lowerBound // lowerbound of our grid
var gridWidth       = (upperBound - lowerBound)/(i_gridQty-1)                                                       // space between lines in our grid
var gridLineArr     = f_buildGrid(lowerBound, gridWidth, i_gridQty)                                                 // an array of prices that correspond to our grid lines
var orderArr        = array.new_bool(i_gridQty, false)                                                              // a boolean array that indicates if there is an open order corresponding to each grid line

var closeLineArr    = f_getNearGridLines(gridLineArr, close)                                                        // for plotting purposes - an array of 2 indices that correspond to grid lines near price
var nearTopGridLine = array.get(closeLineArr, 0)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line above current price
var nearBotGridLine = array.get(closeLineArr, 1)                                                                    // for plotting purposes - the index (in our grid line array) of the closest grid line below current price
strategy.initial_capital = 50000
for i = 0 to (array.size(gridLineArr) - 1)
    if close < array.get(gridLineArr, i) and not array.get(orderArr, i) and i < (array.size(gridLineArr) - 1)
        buyId = i
        array.set(orderArr, buyId, true)
        strategy.entry(id=tostring(buyId), long=true, qty=(strategy.initial_capital/(i_gridQty-1))/close, comment="#"+tostring(buyId))
    if close > array.get(gridLineArr, i) and i != 0
        if array.get(orderArr, i-1)
            sellId = i-1
            array.set(orderArr, sellId, false)
            strategy.close(id=tostring(sellId), comment="#"+tostring(sellId))

if i_autoBounds
    upperBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, true)
    lowerBound  := f_getGridBounds(i_boundSrc, i_boundLookback, i_boundDev, false)
    gridWidth   := (upperBound - lowerBound)/(i_gridQty-1)
    gridLineArr := f_buildGrid(lowerBound, gridWidth, i_gridQty)

closeLineArr    := f_getNearGridLines(gridLineArr, close)
nearTopGridLine := array.get(closeLineArr, 0)
nearBotGridLine := array.get(closeLineArr, 1)

Mais.