پچھلے مضمون میں، ہم نے کریپٹو کرنسی مارکیٹ میں ایک عام رجحان کی کھوج کی: زیادہ تر کریپٹو کرنسیز، خاص طور پر وہ جو بٹ کوائن اور ایتھریم کی قیمتوں کے اتار چڑھاؤ کی پیروی کرتی ہیں، اکثر ایک ساتھ بڑھنے اور گرنے کا رجحان ظاہر کرتی ہیں۔ یہ رجحان مرکزی دھارے کی کرنسیوں کے ساتھ ان کے اعلی ارتباط کو ظاہر کرتا ہے۔ تاہم، مختلف کریپٹو کرنسیوں کے درمیان ارتباط کی ڈگری مختلف ہوتی ہے۔ تو، باہمی تعلق میں یہ فرق ہر کرنسی کی مارکیٹ کی کارکردگی کو کیسے متاثر کرتا ہے؟ اس مضمون میں، ہم مثال کے طور پر 2023 کے دوسرے نصف میں بیل مارکیٹ کا استعمال کرتے ہوئے اس مسئلے کو تلاش کریں گے۔

کرپٹو کرنسی مارکیٹس کی ہم آہنگی کی جڑیں

کرپٹو کرنسی مارکیٹ اپنی اتار چڑھاؤ اور غیر یقینی صورتحال کے لیے مشہور ہے۔ Bitcoin اور Ethereum، مارکیٹ میں دو بڑے بڑے اداروں کے طور پر، اکثر قیمت کے رجحانات میں اہم کردار ادا کرتے ہیں۔ مارکیٹ کی مسابقت اور تجارتی سرگرمی کو برقرار رکھنے کے لیے، زیادہ تر چھوٹی یا ابھرتی ہوئی ڈیجیٹل کرنسیاں ان مرکزی دھارے کی کرنسیوں، خاص طور پر پراجیکٹ پارٹیوں کی طرف سے بنائی گئی کرنسیوں کے ساتھ قیمت کی ہم آہنگی کی ایک خاص حد کو برقرار رکھتی ہیں۔ یہ مطابقت پذیری مارکیٹ کے شرکاء کی نفسیاتی توقعات اور تجارتی حکمت عملیوں کی عکاسی کرتی ہے، جو مقداری تجارتی حکمت عملیوں کے ڈیزائن میں ایک اہم غور و فکر ہے۔

ارتباط کا فارمولا اور حساب کتاب کا طریقہ

مقداری تجارت کے میدان میں، ارتباط کی پیمائش شماریاتی طریقوں سے حاصل کی جاتی ہے۔ سب سے زیادہ استعمال ہونے والا پیمانہ پیئرسن کوریلیشن گتانک ہے، جو دو متغیروں کے درمیان لکیری ایسوسی ایشن کی ڈگری کی پیمائش کرتا ہے۔ یہاں کچھ بنیادی تصورات اور حساب کے طریقے ہیں:

پیئرسن کے ارتباط کا گتانک (\(r\) کی نشاندہی کی گئی) -1 سے +1 تک ہے، جہاں +1 ایک کامل مثبت ارتباط کی نشاندہی کرتا ہے، -1 ایک کامل منفی ارتباط کی نشاندہی کرتا ہے، اور 0 کسی خطی ارتباط کی نشاندہی نہیں کرتا ہے۔ گتانک کا حساب اس طرح کیا جاتا ہے:

\(r = \frac{\sum_{i=1}^{n} (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{n} (X_i - \bar{X})^2} \sqrt{\sum_{i=1}^{n} (Y_i - \bar{Y})^2}}\)

یہاں، \(X_i\) اور \(Y_i\) دو بے ترتیب متغیرات کی مشاہدہ شدہ قدریں ہیں، اور \(\bar{X}\) اور \(\bar{Y}\) بالترتیب دو بے ترتیب متغیرات کے ذرائع ہیں۔ Python سائنٹفک کمپیوٹنگ سے متعلق پیکجز کا استعمال کرتے ہوئے، ارتباط کا حساب لگانا بہت آسان ہے۔

ڈیٹا اکٹھا کرنا

یہ مضمون 2023 کے پورے سال کے لیے Binance کا 4h K-line ڈیٹا اکٹھا کرتا ہے، اور 144 کرنسیوں کا انتخاب کرتا ہے جو 1 جنوری کو درج کی گئی تھیں۔ مخصوص ڈاؤن لوڈ ڈیٹا کوڈ درج ذیل ہے:

import requests
from datetime import date,datetime
import time
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ticker = requests.get('https://fapi.binance.com/fapi/v1/ticker/24hr')
ticker = ticker.json()
sort_symbols = [k['symbol'][:-4] for k in sorted(ticker, key=lambda x :-float(x['quoteVolume'])) if k['symbol'][-4:] == 'USDT']

def GetKlines(symbol='BTCUSDT',start='2020-8-10',end='2023-8-10',period='1h',base='fapi',v = 'v1'):
    Klines = []
    start_time = int(time.mktime(datetime.strptime(start, "%Y-%m-%d").timetuple()))*1000 + 8*60*60*1000
    end_time =  min(int(time.mktime(datetime.strptime(end, "%Y-%m-%d").timetuple()))*1000 + 8*60*60*1000,time.time()*1000)
    intervel_map = {'m':60*1000,'h':60*60*1000,'d':24*60*60*1000}
    while start_time < end_time:
        time.sleep(0.5)
        mid_time = start_time+1000*int(period[:-1])*intervel_map[period[-1]]
        url = 'https://'+base+'.binance.com/'+base+'/'+v+'/klines?symbol=%s&interval=%s&startTime=%s&endTime=%s&limit=1000'%(symbol,period,start_time,mid_time)
        res = requests.get(url)
        res_list = res.json()
        if type(res_list) == list and len(res_list) > 0:
            start_time = res_list[-1][0]+int(period[:-1])*intervel_map[period[-1]]
            Klines += res_list
        if type(res_list) == list and len(res_list) == 0:
            start_time = start_time+1000*int(period[:-1])*intervel_map[period[-1]]
        if mid_time >= end_time:
            break
    df = pd.DataFrame(Klines,columns=['time','open','high','low','close','amount','end_time','volume','count','buy_amount','buy_volume','null']).astype('float')
    df.index = pd.to_datetime(df.time,unit='ms')
    return df

start_date = '2023-01-01'
end_date   = '2023-11-16'
period = '4h'
df_dict = {}

for symbol in sort_symbols:   
    print(symbol)
    df_s = GetKlines(symbol=symbol+'USDT',start=start_date,end=end_date,period=period)
    if not df_s.empty:
        df_dict[symbol] = df_s

df_close = pd.DataFrame(index=pd.date_range(start=start_date, end=end_date, freq=period),columns=df_dict.keys())
for symbol in symbols:
    df_s = df_dict[symbol]
    df_close[symbol] = df_s.close
df_close = df_close.dropna(how='any',axis=1)

مارکیٹ کا جائزہ

سب سے پہلے، اعداد و شمار کو معمول پر لانے کے بعد، ہم نے اوسط قیمت میں اضافے اور کمی کے انڈیکس کا حساب لگایا، ہم دیکھ سکتے ہیں کہ 2023 میں مارکیٹ کے حالات کی دو لہریں ہیں، جن میں سے ایک سال کے آغاز میں بڑا اضافہ ہے، اور دوسرا۔ اکتوبر میں شروع ہونے والا بڑا اضافہ انڈیکس کا اعلیٰ مقام ہے۔

df_norm = df_close/df_close.fillna(method='bfill').iloc[0] #归一化
total_index = df_norm.mean(axis=1)
total_index.plot(figsize=(15,6),grid=True);

ارتباط کا تجزیہ

پانڈا بلٹ ان کورلیشن کیلکولیشن کے ساتھ آتا ہے جیسا کہ نیچے دیے گئے اعداد و شمار میں دکھایا گیا ہے، جس کا مطلب ہے کہ وہ بی ٹی سی کی قیمت کی پیروی کرتے ہیں، جبکہ کچھ کرنسیوں کا تعلق منفی ہے۔ ڈیجیٹل کرنسی مارکیٹ میں ایک بے ضابطگی سمجھا جاتا ہے۔

corr_symbols = df_norm.corrwith(df_norm.BTC).sort_values().index

ارتباط اور قیمت میں اضافہ

یہاں ہم کرنسیوں کو دو گروپوں میں تقسیم کرتے ہیں پہلا گروپ 40 کرنسیوں پر مشتمل ہے جو بی ٹی سی کی قیمتوں کے ساتھ سب سے زیادہ منسلک ہیں، اور دوسرا گروپ ان کرنسیوں پر مشتمل ہے جو بی ٹی سی کی قیمتوں سے کم سے کم تعلق رکھتی ہیں۔ پہلے گروپ میں پوزیشن اور دوسرے گروپ میں مختصر پوزیشن قیمت کے اتار چڑھاؤ اور BTC کے ساتھ تعلق کا حساب لگایا جا سکتا ہے۔ کوڈ اور نتائج درج ذیل ہیں:

(df_norm[corr_symbols[-40:]].mean(axis=1)-df_norm[corr_symbols[:40]].mean(axis=1)).plot(figsize=(15,6),grid=True);

نتائج ظاہر کرتے ہیں کہ BTC قیمتوں کے ساتھ مضبوط ارتباط والی کرنسیوں میں بہتر نمو ہوتی ہے، اور کم ارتباط والی کرنسیوں کو مختصر کرنا بھی ایک اچھا ہیجنگ کا کردار ادا کرتا ہے۔ یہاں غلط حصہ یہ ہے کہ مستقبل کے اعداد و شمار کو باہمی تعلق کا حساب لگانے کے لیے استعمال کیا جاتا ہے، ایک کو تعلق کا حساب لگانے کے لیے اور دوسرا ہیجنگ کے بعد واپسی کا حساب لگانے کے لیے، اور نتیجہ اب بھی وہی ہے.

مارکیٹ لیڈرز کے طور پر، Bitcoin اور Ethereum کی قیمتوں کی نقل و حرکت کا اکثر پوری مارکیٹ پر بہت بڑا اثر پڑتا ہے۔ جب ان بٹ کوائنز کی قیمتیں بڑھ جاتی ہیں، تو مارکیٹ کا جذبہ عام طور پر پرامید ہو جاتا ہے اور بہت سے سرمایہ کار مارکیٹ کے رجحان کی پیروی کرتے ہیں۔ سرمایہ کار اسے ایک سگنل کے طور پر دیکھ سکتے ہیں کہ پوری مارکیٹ بڑھ رہی ہے اور دوسری کرنسیوں کو خریدنا شروع کر سکتے ہیں۔ وہ سکے جو بڑی کرنسیوں سے بہت زیادہ منسلک ہوتے ہیں مارکیٹ کے شرکاء کے اجتماعی رویے کی وجہ سے قیمت میں اسی طرح کے اضافے کا تجربہ کر سکتے ہیں۔ اس وقت، قیمت کے رجحانات کے لیے مارکیٹ کی توقعات بعض اوقات خود کو پورا کرنے والی پیشن گوئی بن سکتی ہیں۔ Bitcoin کے ساتھ منفی تعلق رکھنے والی کرنسیاں ممکن ہے کہ ان کے بنیادی اصول خراب ہو گئے ہوں یا وہ اب Bitcoin کے لیے خون چوسنے والی مارکیٹ بھی نہ رہیں سککوں کا پیچھا کریں جو حاصلات کو برقرار رکھ سکتے ہیں۔

corr_symbols = (df_norm.iloc[:1500].corrwith(df_norm.BTC.iloc[:1500])-df_norm.iloc[:1500].corrwith(total_index[:1500])).sort_values().index 

خلاصہ کریں۔

یہ مضمون کرنسیوں کے درمیان ارتباط کی ڈگری کو ظاہر کرنے کے لیے پیئرسن کے ارتباط کے گتانک کا استعمال کرتا ہے۔ مضمون دکھاتا ہے کہ کرنسیوں کے درمیان ارتباط کا حساب لگانے کے لیے ڈیٹا کیسے حاصل کیا جائے اور اس ڈیٹا کو مارکیٹ کے رجحانات کا اندازہ لگانے کے لیے استعمال کیا جائے۔ اس سے پتہ چلتا ہے کہ ڈیجیٹل کرنسی مارکیٹ میں قیمتوں کے اتار چڑھاؤ کی ہم آہنگی نہ صرف مارکیٹ کی نفسیات اور حکمت عملی کی عکاس ہے بلکہ سائنسی طریقوں سے اس کی مقدار اور پیشین گوئی بھی کی جا سکتی ہے۔ یہ مقداری تجارتی حکمت عملیوں کے ڈیزائن کے لیے خاص طور پر اہم ہے۔

بہت سے ایسے شعبے ہیں جہاں اس مضمون میں آئیڈیاز کو بڑھایا جا سکتا ہے، جیسے رولنگ ارتباط کا حساب لگانا، اضافہ اور کمی کے دوران ارتباط کا الگ الگ حساب لگانا، اور اسی طرح مزید موثر معلومات کا تجزیہ کرنا۔