मुद्राओं और बिटकॉइन के उदय और पतन के बीच संबंध

पिछले लेखों में, हमने डिजिटल मुद्रा बाजार में एक आम घटना पर चर्चा की हैः अधिकांश डिजिटल मुद्राएं, विशेष रूप से जो बिटकॉइन और एथेरियम के मूल्य उतार-चढ़ाव का अनुसरण करती हैं, अक्सर एक साथ बढ़ने और गिरने की प्रवृत्ति दिखाती हैं। यह घटना मुख्यधारा की मुद्राओं के साथ उनके उच्च सहसंबंध को प्रकट करती है। हालांकि, विभिन्न डिजिटल मुद्राओं के बीच सहसंबंध की डिग्री भी भिन्न होती है। तो सहसंबंध में यह अंतर प्रत्येक मुद्रा के बाजार प्रदर्शन को कैसे प्रभावित करता है? इस लेख में, हम इस मुद्दे का पता लगाने के लिए 2023 की दूसरी छमाही में बुल बाजार का उपयोग एक उदाहरण के रूप में करेंगे।

डिजिटल मुद्रा बाजार की समवर्ती उत्पत्ति

डिजिटल मुद्रा बाजार अपनी अस्थिरता और अनिश्चितता के लिए जाना जाता है। बिटकॉइन और एथेरियम, बाजार में दो दिग्गजों के रूप में, अक्सर मूल्य रुझानों में अग्रणी भूमिका निभाते हैं। अधिकांश छोटी या उभरती हुई डिजिटल मुद्राएं, बाजार की प्रतिस्पर्धात्मकता और व्यापार गतिविधि को बनाए रखने के लिए, अक्सर इन मुख्यधारा की मुद्राओं के साथ मूल्य सिंक्रनाइज़ेशन की एक निश्चित डिग्री रखते हैं, खासकर परियोजना पार्टियों द्वारा बनाए गए सिक्के। यह सिंक्रनाइज़ेशन बाजार प्रतिभागियों की मनोवैज्ञानिक अपेक्षाओं और व्यापार रणनीतियों को दर्शाता है, जो मात्रात्मक व्यापार रणनीतियों को डिजाइन करने में महत्वपूर्ण विचार हैं।

संबंध का सूत्र और गणना विधि

मात्रात्मक व्यापार के क्षेत्र में, सहसंबंध का माप सांख्यिकीय तरीकों के माध्यम से प्राप्त किया जाता है। सबसे अधिक उपयोग किया जाने वाला उपाय पीयरसन सहसंबंध गुणांक है, जो दो चर के बीच रैखिक सहसंबंध की डिग्री को मापता है। यहां कुछ मुख्य अवधारणाएं और गणना विधियां दी गई हैंः

पीयरसन सहसंबंध गुणांक (आर के रूप में दर्शाया गया) की सीमा -1 से +1 तक है, जहां +1 एक पूर्ण सकारात्मक सहसंबंध को दर्शाता है, -1 एक पूर्ण नकारात्मक सहसंबंध को दर्शाता है, और 0 कोई रैखिक संबंध नहीं दर्शाता है। इस गुणांक की गणना के लिए सूत्र निम्नानुसार हैः

उनमें से,औरदो यादृच्छिक चरों के अवलोकन मूल्य हैं,औरक्रमशः इन दो यादृच्छिक चरों के औसत मान हैं। पायथन वैज्ञानिक कंप्यूटिंग से संबंधित पैकेजों का उपयोग करके, सहसंबंध की गणना करना आसान है।

डेटा संग्रह

इस लेख में बिनेंस से वर्ष 2023 के लिए कुल 4h के-लाइन डेटा एकत्र किया गया है, जिसमें 1 जनवरी को सूचीबद्ध 144 मुद्राओं का चयन किया गया है। डेटा डाउनलोड करने के लिए विशिष्ट कोड निम्नानुसार हैः

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)

बाजार की समीक्षा

पहले डेटा को सामान्य करने के बाद, हम औसत मूल्य उतार-चढ़ाव के सूचकांक की गणना करते हैं। यह देखा जा सकता है कि 2023 में दो बाजार के रुझान हैं। एक वर्ष की शुरुआत में एक महत्वपूर्ण वृद्धि है, और दूसरा अक्टूबर से शुरू होने वाला एक प्रमुख वृद्धि है। वर्तमान में, यह मूल रूप से सूचकांक के मामले में एक उच्च बिंदु पर है।

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);

सहसंबंध विश्लेषण

पांडा एक अंतर्निहित सहसंबंध गणना के साथ आता है। बीटीसी मूल्य के साथ सबसे कमजोर सहसंबंध निम्नलिखित चित्र में दिखाया गया है। अधिकांश मुद्राओं का सकारात्मक सहसंबंध है, जिसका अर्थ है कि वे बीटीसी की कीमत का पालन करते हैं। हालांकि, कुछ मुद्राओं का नकारात्मक सहसंबंध है, जिसे डिजिटल मुद्रा बाजार के रुझानों में एक विसंगति माना जाता है।

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

सहसंबंध और मूल्य वृद्धि

यहाँ, मुद्राओं को ढीले ढंग से दो समूहों में विभाजित किया गया है। पहले समूह में बीटीसी मूल्य के साथ सबसे अधिक संबद्ध 40 मुद्राएं शामिल हैं, और दूसरे समूह में बीटीसी मूल्य से कम से कम संबंधित हैं। पहले समूह से दूसरे समूह के सूचकांक को घटाकर, यह पहले समूह पर लंबे समय तक जाने का प्रतिनिधित्व करता है जबकि दूसरे पर शॉर्टिंग करता है। इस तरह से हम मूल्य उतार-चढ़ाव और बीटीसी सहसंबंध के बीच संबंध की गणना कर सकते हैं। यहां बताया गया है कि आप इसे परिणामों के साथ कैसे करते हैंः

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

परिणामों से पता चलता है कि बीटीसी मूल्य के साथ मजबूत सहसंबंध वाली मुद्राओं में बेहतर वृद्धि होती है, और कम सहसंबंध वाली मुद्राओं को शॉर्ट करना भी एक अच्छी हेजिंग भूमिका निभाता है। यहां की अस्पष्टता यह है कि सहसंबंध की गणना करते समय भविष्य के डेटा का उपयोग किया गया था। नीचे, हम डेटा को दो समूहों में विभाजित करते हैंः एक समूह सहसंबंध की गणना करता है, और दूसरा हेजिंग के बाद रिटर्न की गणना करता है। परिणाम निम्नलिखित चित्र में दिखाया गया है, और निष्कर्ष अपरिवर्तित रहता है।

बिटकॉइन और एथेरियम के रूप में बाजार के नेताओं का अक्सर समग्र बाजार के रुझानों पर बहुत बड़ा प्रभाव पड़ता है। जब इन क्रिप्टोकरेंसी की कीमत में वृद्धि होती है, तो बाजार की भावना आमतौर पर आशावादी हो जाती है और कई निवेशक इस प्रवृत्ति का पालन करते हैं। निवेशक इसे समग्र बाजार वृद्धि के संकेत के रूप में देख सकते हैं और अन्य मुद्राओं को खरीदना शुरू कर सकते हैं। बाजार के प्रतिभागियों के सामूहिक व्यवहार के कारण, मुख्यधारा के साथ अत्यधिक सहसंबद्ध मुद्राएं समान मूल्य वृद्धि का अनुभव कर सकती हैं। ऐसे समय में, मूल्य प्रवृत्तियों के बारे में अपेक्षाएं कभी-कभी आत्म-पूर्ति भविष्यवाणियां बन सकती हैं। इसके विपरीत, बिटकॉइन के साथ नकारात्मक रूप से सहसंबद्ध मुद्राएं अद्वितीय हैं; उनके मौलिक तत्व बिगड़ सकते हैं या वे मुख्यधारा की दृष्टि के भीतर नहीं हो सकते हैं - यहां तक कि बिटकॉइन की रक्त चूसने वाली स्थिति भी हो सकती है जहां निवेशक बाजारों को छोड़ देते हैं जो बढ़ती कीमतों के साथ रखने में सक्षम हैं।

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

सारांश

इस लेख में पीयरसन सहसंबंध गुणांक पर चर्चा की गई है, जो विभिन्न मुद्राओं के बीच सहसंबंध की डिग्री का खुलासा करता है। लेख में दिखाया गया है कि मुद्राओं के बीच सहसंबंध की गणना करने के लिए डेटा कैसे प्राप्त किया जाए और बाजार के रुझानों का आकलन करने के लिए इन डेटा का उपयोग कैसे किया जाए। यह पता चलता है कि डिजिटल मुद्रा बाजार में मूल्य उतार-चढ़ाव में तुल्यकालिकता न केवल बाजार मनोविज्ञान और रणनीति को दर्शाती है, बल्कि वैज्ञानिक तरीकों के माध्यम से मात्रात्मक और भविष्यवाणी की जा सकती है। यह मात्रात्मक व्यापार रणनीतियों को डिजाइन करने के लिए विशेष रूप से महत्वपूर्ण है।

ऐसे कई क्षेत्र हैं जहां इस लेख के विचारों का विस्तार किया जा सकता है, जैसे रोलिंग सहसंबंधों की गणना, वृद्धि और गिरावट के दौरान सहसंबंधों की अलग से गणना, आदि, जो बहुत उपयोगी जानकारी दे सकते हैं।