کرنسیوں کے عروج اور زوال اور بٹ کوائن کے درمیان تعلق

پچھلے مضامین میں ، ہم نے ڈیجیٹل کرنسی مارکیٹ میں ایک عام رجحان پر تبادلہ خیال کیا: زیادہ تر ڈیجیٹل کرنسیاں ، خاص طور پر وہ جو بٹ کوائن اور ایتھریم کی قیمت میں اتار چڑھاؤ کی پیروی کرتی ہیں ، اکثر ایک ساتھ بڑھنے اور گرنے کا رجحان ظاہر کرتی ہیں۔ اس رجحان سے ان کی مرکزی دھارے کی کرنسیوں کے ساتھ اعلی ارتباط ظاہر ہوتا ہے۔ تاہم ، مختلف ڈیجیٹل کرنسیوں کے مابین ارتباط کی ڈگری بھی مختلف ہوتی ہے۔ تو کس طرح تعلق میں یہ فرق ہر کرنسی کی مارکیٹ کی کارکردگی کو متاثر کرتا ہے؟ اس مضمون میں ، ہم اس مسئلے کو دریافت کرنے کے لئے مثال کے طور پر 2023 کے دوسرے نصف حصے میں بیل مارکیٹ کا استعمال کریں گے۔

ڈیجیٹل کرنسی مارکیٹ کا ہم وقت ساز آغاز

ڈیجیٹل کرنسی مارکیٹ اپنی اتار چڑھاؤ اور غیر یقینی صورتحال کے لئے جانا جاتا ہے۔ مارکیٹ میں دو جنات کی حیثیت سے ، بٹ کوائن اور ایتھریم اکثر قیمت کے رجحانات میں اہم کردار ادا کرتے ہیں۔ زیادہ تر چھوٹی یا ابھرتے ہوئے ڈیجیٹل کرنسیاں ، مارکیٹ کی مسابقت اور تجارتی سرگرمی کو برقرار رکھنے کے لئے ، اکثر ان مین اسٹریم کرنسیوں ، خاص طور پر پروجیکٹ پارٹیوں کے ذریعہ بنائے گئے سکے کے ساتھ قیمت کی ہم آہنگی کی ایک خاص ڈگری برقرار رکھتی ہیں۔ یہ ہم آہنگی مارکیٹ کے شرکاء کی نفسیاتی توقعات اور تجارتی حکمت عملی کی عکاسی کرتی ہے ، جو مقداری تجارتی حکمت عملیوں کے ڈیزائن میں اہم غور و فکر ہیں۔

فارمولا اور حساب کتاب کا طریقہ کار

مقداری تجارت کے میدان میں ، وابستگی کی پیمائش شماریاتی طریقوں کے ذریعے حاصل کی جاتی ہے۔ سب سے زیادہ عام طور پر استعمال ہونے والا اقدام پیئرسن وابستگی ضریب ہے ، جو دو متغیرات کے مابین لکیری وابستگی کی ڈگری کی پیمائش کرتا ہے۔ یہاں کچھ بنیادی تصورات اور حساب کتاب کے طریقے ہیں:

پیرسن رابطے کے گتانک کی حد (آر کے طور پر اشارہ کیا جاتا ہے) -1 سے +1 تک ہے ، جہاں +1 ایک کامل مثبت رابطے کی نشاندہی کرتا ہے ، -1 ایک کامل منفی رابطے کی نشاندہی کرتا ہے ، اور 0 کوئی لکیری تعلق نہیں ہے۔ اس گتانک کے حساب کے لئے فارمولا مندرجہ ذیل ہے:

ان میں،اوردو بے ترتیب متغیرات کے مشاہدہ کردہ اقدار ہیں،اوران دو بے ترتیب متغیرات کی اوسط اقدار ہیں۔ پیتھون سائنسی کمپیوٹنگ سے متعلق پیکیجز کا استعمال کرتے ہوئے ، تعلق کا حساب لگانا آسان ہے۔

ڈیٹا اکٹھا کرنا

اس مضمون میں بائننس سے پورے سال 2023 کے لئے 4h K- لائن کے اعداد و شمار جمع کیے گئے ہیں ، جن میں 144 کرنسیوں کا انتخاب کیا گیا ہے جو یکم جنوری کو درج ہیں۔ اعداد و شمار کو ڈاؤن لوڈ کرنے کے لئے مخصوص کوڈ مندرجہ 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

پہلے اعداد و شمار کو معمول پر لانے کے بعد ، ہم اوسط قیمتوں میں اتار چڑھاؤ کے انڈیکس کا حساب لگاتے ہیں۔ یہ دیکھا جاسکتا ہے کہ 2023 میں مارکیٹ کے دو رجحانات ہیں۔ ایک سال کے آغاز میں نمایاں اضافہ ہے ، اور دوسرا اکتوبر سے شروع ہونے والا ایک بڑا اضافہ ہے۔ فی الحال ، یہ بنیادی طور پر انڈیکس کے لحاظ سے ایک اعلی مقام پر ہے۔

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

رابطے کا تجزیہ

پانڈا ایک بلٹ ان ارتباط حساب کے ساتھ آتا ہے۔ بی ٹی سی کی قیمت کے ساتھ سب سے کمزور ارتباط مندرجہ ذیل شبیہہ میں دکھایا گیا ہے۔ زیادہ تر کرنسیوں کا مثبت تعلق ہے ، اس کا مطلب ہے کہ وہ بی ٹی سی کی قیمت کی پیروی کرتے ہیں۔ تاہم ، کچھ کرنسیوں کا منفی تعلق ہے ، جسے ڈیجیٹل کرنسی مارکیٹ کے رجحانات میں ایک غیر معمولی سمجھا جاتا ہے۔

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

ارتباط اور قیمتوں میں اضافہ

یہاں ، کرنسیوں کو آزادانہ طور پر دو گروپوں میں تقسیم کیا گیا ہے۔ پہلے گروپ میں بی ٹی سی کی قیمت سے زیادہ وابستہ 40 کرنسیاں شامل ہیں ، اور دوسرے گروپ میں بی ٹی سی کی قیمت سے کم سے کم وابستہ شامل ہیں۔ پہلے گروپ کے انڈیکس کو پہلے سے گھٹانے سے ، یہ پہلے گروپ پر طویل عرصے سے چلنے کی نمائندگی کرتا ہے جبکہ دوسرے کو مختصر کرتا ہے۔ اس طرح ہم قیمتوں میں اتار چڑھاؤ اور بی ٹی سی رابطے کے مابین تعلق کا حساب لگاسکتے ہیں۔ آپ اسے نتائج کے ساتھ ساتھ کیسے کرتے ہیں:

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

نتائج سے پتہ چلتا ہے کہ بی ٹی سی کی قیمت سے زیادہ مضبوط تعلق رکھنے والی کرنسیوں میں بہتر اضافے ہوتے ہیں ، اور کم تعلق رکھنے والی کرنسیوں کو شارٹ کرنے سے بھی ہیجنگ کا اچھا کردار ادا ہوتا ہے۔ یہاں غیر درستگی یہ ہے کہ تعلق کا حساب لگاتے وقت مستقبل کے اعداد و شمار کا استعمال کیا گیا تھا۔ ذیل میں ، ہم اعداد و شمار کو دو گروپوں میں تقسیم کرتے ہیں: ایک گروپ تعلق کا حساب لگاتا ہے ، اور دوسرا ہیجنگ کے بعد واپسی کا حساب لگاتا ہے۔ نتیجہ مندرجہ ذیل شبیہہ میں دکھایا گیا ہے ، اور نتیجہ تبدیل نہیں ہوتا ہے۔

مارکیٹ کے رہنماؤں کے طور پر بٹ کوائن اور ایتھرئم کا اکثر مارکیٹ کے مجموعی رجحانات پر بہت بڑا اثر پڑتا ہے۔ جب ان کریپٹو کرنسیوں کی قیمت میں اضافہ ہوتا ہے تو ، مارکیٹ کا جذبات عام طور پر پرامید ہوتا ہے اور بہت سے سرمایہ کار اس رجحان کی پیروی کرتے ہیں۔ سرمایہ کار اس کو مجموعی طور پر مارکیٹ میں اضافے کی علامت کے طور پر دیکھ سکتے ہیں اور دوسری کرنسیوں کو خریدنا شروع کردیتے ہیں۔ مارکیٹ کے شرکاء کے اجتماعی رویے کی وجہ سے ، مرکزی دھارے کے ساتھ انتہائی وابستہ کرنسیاں اسی طرح کی قیمتوں میں اضافے کا تجربہ کرسکتی ہیں۔ ایسے اوقات میں ، قیمتوں کے رجحانات کے بارے میں توقعات کبھی کبھی خود کو پورا کرنے والی پیش گوئیاں بن سکتی ہیں۔ اس کے برعکس ، بٹ کوائن کے ساتھ منفی طور پر وابستہ کرنسیاں انوکھی ہوتی ہیں۔ ان کے بنیادی اصول خراب ہو سکتے ہیں یا وہ اب مرکزی دھارے کی نظر میں نہیں رہ سکتے ہیں۔ یہاں تک کہ بٹ کوائن کی خون چوسنے والی صورتحال بھی موجود ہوسکتی ہے جہاں سرمایہ کار ان کو ان لوگوں کے پیچھے چھوڑ دیتے ہیں جو بڑھتی ہوئی قیمتوں سے نمٹنے کے قابل

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

خلاصہ

اس مضمون میں پیرسن رابطے کے ضریب پر تبادلہ خیال کیا گیا ہے ، جس سے مختلف کرنسیوں کے مابین رابطے کی ڈگری سامنے آتی ہے۔ مضمون میں دکھایا گیا ہے کہ کس طرح کرنسیوں کے مابین رابطے کا حساب کتاب کرنے کے لئے ڈیٹا حاصل کیا جائے اور اس ڈیٹا کو مارکیٹ کے رجحانات کا اندازہ کرنے کے لئے استعمال کیا جائے۔ اس سے پتہ چلتا ہے کہ ڈیجیٹل کرنسی مارکیٹ میں قیمتوں میں اتار چڑھاؤ میں ہم آہنگی نہ صرف مارکیٹ کی نفسیات اور حکمت عملی کی عکاسی کرتی ہے ، بلکہ سائنسی طریقوں سے بھی مقداری اور پیش گوئی کی جاسکتی ہے۔ یہ مقدار کی تجارتی حکمت عملیوں کے ڈیزائن کے لئے خاص طور پر اہم ہے۔

بہت سے ایسے شعبے ہیں جہاں اس مضمون کے خیالات کو بڑھا سکتے ہیں ، جیسے رولنگ کنکشن کا حساب لگانا ، اضافے اور گرنے کے دوران کنکشن کا الگ الگ حساب لگانا ، وغیرہ ، جو بہت ساری مفید معلومات فراہم کرسکتے ہیں۔