मुद्राओं के गिरने और बिटकॉइन के बीच संबंध

पिछले लेखों में, हमने डिजिटल मुद्रा बाजार में एक आम घटना पर चर्चा की थीः अधिकांश डिजिटल मुद्राएं, विशेष रूप से जो बिटकॉइन और एथेरियम की कीमतों में उतार-चढ़ाव का अनुसरण करती हैं, अक्सर एक साथ गिरती रहती हैं। इस घटना से पता चलता है कि वे मुख्यधारा की मुद्राओं के साथ अत्यधिक संबंधित हैं। लेकिन विभिन्न डिजिटल मुद्राओं के बीच संबंध की डिग्री भी भिन्न होती है। तो, इस संबंध में अंतर विभिन्न मुद्राओं के बाजार प्रदर्शन को कैसे प्रभावित करता है? इस लेख में, हम 2023 के उत्तरार्ध में बैल बाजार के उदाहरण के साथ इस मुद्दे की खोज करेंगे।

डिजिटल मुद्रा बाजार की समवर्ती जड़

डिजिटल मुद्रा बाजार अपनी अस्थिरता और अनिश्चितता के लिए जाना जाता है; बिटकॉइन और एथेरियम, जो बाजार के दो बड़े दिग्गज हैं, अक्सर मूल्य आंदोलन में अग्रणी भूमिका निभाते हैं; अधिकांश छोटे या उभरते डिजिटल मुद्राएं, बाजार में प्रतिस्पर्धात्मकता और लेनदेन की सक्रियता बनाए रखने के लिए, अक्सर इन प्रमुख मुद्राओं के साथ कुछ हद तक मूल्य तालमेल रखती हैं, विशेष रूप से परियोजना के अनुसार बाजार में चलने वाली मुद्राओं के साथ। यह तालमेल बाजार के प्रतिभागियों की मनोवैज्ञानिक अपेक्षाओं और लेनदेन रणनीतियों को दर्शाता है, जो कि मात्रात्मक लेनदेन रणनीतियों के डिजाइन में महत्वपूर्ण विचार हैं।

संबंध के सूत्र और गणना के तरीके

क्वांटिफाइड ट्रेडिंग के क्षेत्र में, सहसंबंध का माप सांख्यिकीय तरीकों से किया जाता है. सबसे अधिक इस्तेमाल किया जाने वाला माप पीयरसन सहसंबंध है, जो दो चरों के बीच रैखिक सहसंबंध को मापता है. नीचे कुछ मुख्य अवधारणाएं और गणना के तरीके दिए गए हैंः

पीयरसन संबंध गुणांक (जिसे $r$ के रूप में लिखा जाता है) -1 से +1 के बीच होता है, जिसमें +1 पूर्ण सकारात्मक संबंध है, -1 पूर्ण नकारात्मक संबंध है, और 0 कोई रैखिक संबंध नहीं है।

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

इनमें से, $X_i$ और $Y_i$ दो यादृच्छिक चर के अवलोकन मान हैं, $\bar{X}$ और $\bar{Y}$ क्रमशः इन दो यादृच्छिक चर के औसत हैं।

डेटा संग्रह

इस आलेख में बिटकॉइन 2023 के पूरे वर्ष के लिए 4hK लाइन डेटा एकत्र किया गया है, जिसमें 144 सिक्के शामिल हैं जो 1 जनवरी को लॉन्च किए गए थे।

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)

जीवन के बारे में

पहले आंकड़ों को समेकित करें और औसत मूल्य में गिरावट के सूचकांक की गणना करें, आप देख सकते हैं कि 2023 में दो लहरें हैं, जिनमें से एक वर्ष की शुरुआत में बड़ी लहर है, और दूसरी लहर अक्टूबर में शुरू हुई है, जो वर्तमान में सूचकांक के उच्च बिंदु पर है।

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);

प्रासंगिकता विश्लेषण

pandas स्व-बैंड प्रासंगिकता गणना, BTC मूल्य प्रासंगिकता और सबसे कमजोर के साथ, अधिकांश मुद्राओं का प्रासंगिकता सकारात्मक है, जिसका अर्थ है कि वे BTC की कीमत का अनुसरण करते हैं, जबकि कुछ मुद्राओं का प्रासंगिकता नकारात्मक है, जो कि डिजिटल मुद्रा बाजार में एक असामान्य गणना है।

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

प्रासंगिकता और कीमतों में वृद्धि

यहां मुद्राओं को दो समूहों में विभाजित करने के लिए कोई कठोरता नहीं है, पहला समूह बीटीसी की कीमत के साथ सबसे अधिक संबंधित 40 मुद्राओं के लिए है, दूसरा समूह बीटीसी की कीमत के साथ सबसे कम संबंधित मुद्राओं के लिए है, पहले समूह के मूल्य सूचकांक को दूसरे समूह के सूचकांक से घटाकर, औसत के लिए अधिक पहले समूह को खाली करने के लिए दूसरे समूह का प्रतिनिधित्व करता है, जिससे मूल्य में गिरावट और बीटीसी के बीच संबंध की गणना की जा सकती है। कोड और परिणाम इस प्रकार 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 की कीमत से अधिक जुड़ी हुई मुद्राएं बेहतर वृद्धि करती हैं, और कम जुड़ी हुई मुद्राएं भी अच्छी तरह से प्रतिभूति करती हैं। यहां एक असुरक्षित बिंदु यह है कि भविष्य के आंकड़ों का उपयोग करके संबद्धता की गणना की जाती है, और फिर डेटा को दो समूहों में विभाजित किया जाता है, एक समूह जो संबद्धता की गणना करता है, और दूसरा समूह जो प्रतिभूति के बाद लाभ की गणना करता है। परिणाम, जैसा कि नीचे चित्र में दिखाया गया है, एक ही निष्कर्ष है।

बिटकॉइन और एथेरियम के रूप में बाजार के नेताओं के रूप में, उनके मूल्य आंदोलनों का अक्सर पूरे बाजार पर बहुत बड़ा प्रभाव पड़ता है। जब इन बिटकॉइन की कीमतें बढ़ती हैं, तो बाजार की भावना आमतौर पर आशावादी हो जाती है, और कई निवेशक बाजार की प्रवृत्ति का पालन करने के लिए इच्छुक होते हैं। निवेशक इसे पूरे बाजार के ऊपर बढ़ने 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 मुद्राओं के साथ अत्यधिक जुड़े हुए सिक्के समान मूल्य वृद्धि का अनुभव कर सकते हैं। इस समय बाजार में मूल्य आंदोलनों के लिए पूर्वानुमान कभी-कभी आत्म-पूर्ति हो जाते हैं। बिटकॉइन से संबंधित नकारात्मक मुद्राओं के लिए पूर्वानुमान अद्वितीय हैं, और उनके मूलभूत अंतर हो सकते हैं या मुख्यधारा के निवेशकों के दृष्टिकोण से बाहर हो सकते हैं, और यहां तक कि मौजूदा सिक्के के लिए रक्तस्रावी भाव बाजार भी उन्हें छोड़ सकते 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 संबंध गुणांक के बारे में बताया गया है। इस लेख में दिखाया गया है कि मुद्राओं के बीच संबंध के आंकड़ों को कैसे प्राप्त किया जा सकता है और इन आंकड़ों का उपयोग बाजार के रुझानों का आकलन करने के लिए किया जा सकता है। यह दिखाया गया है कि डिजिटल मुद्रा बाजार में मूल्य उतार-चढ़ाव का तालमेल न केवल बाजार मनोविज्ञान और रणनीतियों का प्रतिबिंब है, बल्कि इसे वैज्ञानिक तरीकों से मापा और भविष्यवाणी की जा सकती है। यह व्यापार रणनीतियों के डिजाइन के लिए महत्वपूर्ण है।

इस लेख के विचारों को और भी विस्तार देने के लिए बहुत कुछ है, जैसे कि रोलिंग प्रासंगिकता का गणना करना, ऊपर और नीचे की तुलना करना, और अधिक उपयोगी जानकारी का विश्लेषण करना।