بائننس فیوچر ملٹی کرنسی ہیجنگ حکمت عملی حصہ 3 پر تحقیق
مصنف:نیکی, تخلیق: 2020-05-12 12:14:29, تازہ کاری: 2023-11-04 19:50:43
صرف ایک تقریبا تخروپن، تاکہ ہر کسی کو کھو مارجن کی رقم کا ایک مخصوص تصور ہے. آپ نوٹ بک ڈاؤن لوڈ کر سکتے ہیں اور FMZ تحقیق کے ماحول میں اپ لوڈ، اور خود کوڈ چلانے.
بائننس کی قلیل فروخت سے زیادہ بڑھنے اور گرنے کے رجحان کی حکمت عملیوں سے زیادہ طویل خریدنے کے خطرے کا تخمینہ
پہلی نظر اصل رپورٹ پر:https://www.fmz.com/digest-topic/5584اور بہتر رپورٹ:https://www.fmz.com/digest-topic/5588
یہ حکمت عملی اب 4 دن سے عوامی شیئرنگ ہے۔ ابتدائی مرحلے میں بہت اچھی کارکردگی کا مظاہرہ کیا گیا ، اعلی منافع اور کم ریٹریکشن کے ساتھ ، تاکہ بہت سے صارفین ایک دن میں 10٪ منافع کا جوئے بازی کے اڈوں کے لئے بہت زیادہ فائدہ اٹھانے کا استعمال کر رہے ہیں۔ تاہم ، جیسا کہ ابتدائی رپورٹ میں بتایا گیا ہے ، کوئی بہترین حکمت عملی نہیں ہے۔ اضافہ سے زیادہ مختصر فروخت اور گرنے کے رجحان سے زیادہ طویل خریدنا ایک ساتھ بڑھنے اور گرنے کے لئے الٹکوئن کی خصوصیات کا استعمال کرتے ہیں۔ اگر کوئی کرنسی ایک منفرد رجحان سے باہر نکل جاتی ہے تو ، اس میں بہت ساری ہولڈنگ پوزیشنیں جمع ہوجائیں گی۔ اگرچہ ابتدائی قیمت کو ٹریک کرنے کے لئے ایک حرکت پذیر اوسط کا استعمال کیا گیا تھا ، لیکن خطرات اب بھی موجود ہیں۔ یہ رپورٹ بنیادی طور پر مخصوص خطرات کو شمار کرتی ہے اور کیوں پیرامیٹر تجویز کردہ trade_value کل فنڈز کا 3٪ ہے۔
کوڈ کو نمایاں کرنے کے لئے، ہم نے اس حصے کے اعلی درجے کی میں ڈال دیا، سب کو سب سے پہلے مندرجہ ذیل کوڈ چلانے کی کوشش کرنی چاہئے (درآمد لائبریریوں حصہ سے شروع).
اس کا اندازہ کرنے کے لئے ، ہم فرض کرتے ہیں کہ 20 کرنسیاں ہیں ، لیکن صرف بی ٹی سی اور ای ٹی ایچ کو شامل کرنے کی ضرورت ہے ، اور بی ٹی سی کو مستقل قیمتوں کے ساتھ 19 کرنسیوں کی نمائندگی کرنے کے لئے استعمال کریں۔ ای ٹی ایچ آزاد رجحان کرنسی کے ساتھ کرنسی کی نمائندگی کرتا ہے۔ اس کی وجہ سے یہ صرف ایک نقالی ہے ، یہاں حرکت پذیر اوسط کی طرف سے ابتدائی قیمت کو ٹریک کرنے کی ضرورت نہیں ہے ، یہ فرض کرتے ہوئے کہ قیمت تیزی سے بڑھ رہی ہے۔
سب سے پہلے ، اس صورتحال کا اندازہ لگائیں جہاں کسی ایک کرنسی کی قیمت میں اضافہ جاری ہے۔ اسٹاپ_لاس اس بات کی نشاندہی کرتا ہے کہ اسٹاپ نقصان انحراف کرتا ہے۔ یہاں صرف ایک نقالی ہے۔ اصل صورتحال میں وقفے وقفے سے پیچھے ہٹنا ہوگا ، یہ نقالی کے طور پر برا نہیں ہوگا۔
فرض کریں کہ اس کرنسی میں کوئی واپسی نہیں ہے ، جب اسٹاپ نقصان انحراف 0.41 ہے ، اس وقت ای ٹی ایچ میں 44٪ اضافہ ہوا ہے ، اور آخر کار نتائج تجارتی قیمت کے 7 گنا کھو گئے ، یعنی ، trade_value * 7. اگر trade_value کل فنڈز کا 3٪ مقرر کیا گیا ہے تو ، پھر نقصان = کل فنڈز * 0.03 * 7. زیادہ سے زیادہ واپسی تقریبا 0.03 * 7 = 21٪ ہے۔
آپ نیچے دیئے گئے نتائج کی بنیاد پر اپنے خطرے کی رواداری کا اندازہ لگا سکتے ہیں۔
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
مسلسل کمی کی صورت حال کا اندازہ لگاتے ہوئے ، کمی کے ساتھ معاہدے کی قیمت میں کمی آتی ہے ، لہذا خطرہ اضافے سے زیادہ ہوتا ہے ، اور قیمت گرنے کے ساتھ ، نقصانات میں اضافے کی شرح تیز ہوتی جارہی ہے۔ جب اسٹاپ نقصان انحراف کی قیمت -0.31 ہوتی ہے تو ، اس وقت کرنسی کی قیمت میں 33٪ کمی واقع ہوتی ہے ، اور 6.5 لین دین میں نقصان ہوتا ہے۔ اگر تجارتی رقم trade_value کو کل فنڈز کا 3٪ مقرر کیا جاتا ہے تو ، زیادہ سے زیادہ ریٹریکشن تقریبا 0.03 * 6.5 = 19.5٪ ہے۔
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']]
متعلقہ
- کریپٹوکرنسی مارکیٹ میں بنیادی تجزیہ کی مقدار: اعداد و شمار کو اپنے لئے بولنے دیں!
- ایک بار پھر ، ہم نے ایک بار پھر اس بات کا یقین کرلیا ہے کہ یہ ایک بہت بڑا مسئلہ ہے ، لیکن ہم اس کے بارے میں مزید نہیں جانتے ہیں۔
- کوانٹائزڈ ٹرانزیکشنز کے لیے ایک لازمی ٹول۔
- ہر چیز پر قابو پانا - ایف ایم زیڈ ٹریڈنگ ٹرمینل کا نیا ورژن (ٹی آر بی آربیٹریج سورس کوڈ کے ساتھ) کا تعارف
- FMZ کے نئے ورژن کے ٹرانزیکشن ٹرمینل کے بارے میں سب کچھ جاننے کے لئے یہاں کلک کریں
- ایف ایم زیڈ کوانٹ: کریپٹوکرنسی مارکیٹ میں مشترکہ تقاضوں کے ڈیزائن مثالوں کا تجزیہ (II)
- 80 لائنوں کے کوڈ میں ہائی فریکوئینسی حکمت عملی کے ساتھ دماغ کے بغیر سیلز بوٹس کا استحصال کیسے کریں
- ایف ایم زیڈ کیوٹیفیکیشن: کریپٹوکرنسی مارکیٹ میں عام ضروریات کے ڈیزائن کی مثالوں کا تجزیہ (ب)
- 80 لائنوں کے کوڈ کے ساتھ ہائی فریکوئینسی کی حکمت عملی کے ساتھ فروخت کے لیے بے دماغ روبوٹ کا استحصال کیسے کیا گیا؟
- ایف ایم زیڈ کوانٹ: کریپٹوکرنسی مارکیٹ میں مشترکہ تقاضوں کے ڈیزائن مثالوں کا تجزیہ (I)
- ایف ایم زیڈ کیوٹیفیکیشن: کریپٹوکرنسی مارکیٹ میں عام ضروریات کے ڈیزائن کی مثالوں کا تجزیہ (1)
مزید