संसाधन लोड हो रहा है... लोड करना...
  1. पचाना
  2. चर्चाएँ
  3. डिजिटल मुद्रा जोड़ी व्यापार रणनीति का विस्तृत स्पष्टीकरण

डिजिटल मुद्रा जोड़ी व्यापार रणनीति का विस्तृत स्पष्टीकरण

लेखक:FMZ~Lydia, बनाया गयाः 2024-07-08 11:41:23, अद्यतनः 2024-11-05 17:43:03

img

परिचय

हाल ही में, मैंने BuOus Quantitative Diary को उल्लेख करते हुए देखा कि आप मुद्राओं का चयन करने के लिए नकारात्मक रूप से सहसंबंधित मुद्राओं का उपयोग कर सकते हैं, और मूल्य अंतर सफलताओं के आधार पर लाभ कमाने के लिए पद खोल सकते हैं। डिजिटल मुद्राएं मूल रूप से सकारात्मक रूप से सहसंबंधित हैं, और केवल कुछ मुद्राएं नकारात्मक रूप से सहसंबंधित हैं, अक्सर विशेष बाजार स्थितियों के साथ, जैसे कि MEME सिक्कों की स्वतंत्र बाजार स्थितियां, जो बाजार की प्रवृत्ति से पूरी तरह से अलग हैं। इन मुद्राओं का चयन किया जा सकता है और सफलता के बाद लंबे समय तक जा सकते हैं। यह विधि विशिष्ट बाजार स्थितियों के तहत लाभ कमा सकती है। हालांकि, मात्रात्मक व्यापार के क्षेत्र में सबसे आम विधि जोड़ी व्यापार के लिए सकारात्मक सहसंबंध का उपयोग करना है। यह लेख इस रणनीति का संक्षेप में परिचय देगा।

डिजिटल मुद्रा जोड़ी व्यापार सांख्यिकीय मध्यस्थता पर आधारित एक व्यापार रणनीति है, जो मूल्य विचलन से लाभ प्राप्त करने के लिए एक साथ दो अत्यधिक सहसंबंधित क्रिप्टोकरेंसी खरीदता है और बेचता है। यह लेख इस रणनीति के सिद्धांतों, लाभ तंत्र, मुद्राओं के चयन के तरीकों, संभावित जोखिमों और उन्हें बेहतर बनाने के तरीकों का परिचय देगा, और कुछ व्यावहारिक पायथन कोड उदाहरण प्रदान करेगा।

रणनीतिक सिद्धांत

जोड़ी व्यापार रणनीतियाँ दो डिजिटल मुद्राओं की कीमतों के बीच ऐतिहासिक सहसंबंध पर निर्भर करती हैं। जब दो मुद्राओं की कीमतें एक मजबूत सहसंबंध दिखाती हैं, तो उनकी मूल्य प्रवृत्तियां आम तौर पर सिंक्रनाइज़ होती हैं। यदि एक निश्चित क्षण में दोनों के बीच मूल्य अनुपात काफी विचलित हो जाता है, तो इसे एक अस्थायी असामान्यता माना जा सकता है और कीमत सामान्य स्तर पर लौटने की प्रवृत्ति होगी। डिजिटल मुद्रा बाजार अत्यधिक परस्पर जुड़ा हुआ है। जब एक प्रमुख डिजिटल मुद्रा (जैसे बिटकॉइन) महत्वपूर्ण रूप से उतार-चढ़ाव करती है, तो यह आमतौर पर अन्य डिजिटल मुद्राओं में एक समन्वित प्रतिक्रिया को ट्रिगर करेगी। कुछ मुद्राओं में एक बहुत ही स्पष्ट सकारात्मक सहसंबंध हो सकता है जो एक ही निवेश संस्थानों, एक ही बाजार निर्माताओं और एक ही ट्रैक के कारण रह सकता है। कुछ मुद्राएं नकारात्मक रूप से सहसंबंधित हैं, लेकिन कम नकारात्मक रूप से सहसंबंधित मुद्राएं हैं, और चूंकि वे सभी बाजार प्रवृत्ति से प्रभावित होते हैं, इसलिए उनके पास अक्सर सुसंगत बाजार प्रवृत्तियां होती हैं।

मान लीजिए कि मुद्रा A और मुद्रा B में एक उच्च मूल्य सहसंबंध है। एक निश्चित क्षण में, A/B मूल्य अनुपात का औसत मूल्य 1 है। यदि एक निश्चित क्षण में, A/B मूल्य अनुपात 0.001 से अधिक, अर्थात 1.001 से अधिक से विचलित होता है, तो आप निम्नलिखित तरीकों से व्यापार कर सकते हैंः B पर एक लंबी स्थिति खोलें और A पर एक छोटी स्थिति खोलें। इसके विपरीत, जब A/B मूल्य अनुपात 0.999 से कम होता हैः A पर एक लंबी स्थिति खोलें और B पर एक छोटी स्थिति खोलें।

लाभप्रदता की कुंजी स्प्रेड लाभ में निहित है जब कीमतें औसत से विचलित होती हैं और सामान्य स्थिति में लौटती हैं। चूंकि मूल्य विचलन आमतौर पर अल्पकालिक होते हैं, इसलिए व्यापारी अपनी स्थिति को बंद कर सकते हैं जब कीमतें औसत पर लौटती हैं और स्प्रेड से लाभान्वित होती हैं।

डेटा तैयार करें

संबंधित लाइब्रेरी आयात करें

इन कोडों का सीधा उपयोग किया जा सकता है। Anancoda को डाउनलोड करना और इसे Jupyer नोटबुक में डिबग करना सबसे अच्छा है। इसमें आम तौर पर उपयोग किए जाने वाले डेटा विश्लेषण के लिए सीधे पैकेज शामिल हैं।

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

सभी व्यापारिक जोड़े व्यापार कर रहे हैं प्राप्त करें

Info = requests.get('https://fapi.binance.com/fapi/v1/exchangeInfo')
b_symbols = [s['symbol'] for s in Info.json()['symbols'] if s['contractType'] == 'PERPETUAL' and s['status'] == 'TRADING' and s['quoteAsset'] == 'USDT']
b_symbols = list(filter(lambda x: x[-4:] == 'USDT', [s.split('_')[0] for s in b_symbols]))
b_symbols = [x[:-4] for x in b_symbols]
print(b_symbols) # Get all trading pairs being traded

के-लाइन फ़ंक्शन डाउनलोड करें

GetKlines फ़ंक्शन का मुख्य कार्य बिनेंस एक्सचेंज से निर्दिष्ट ट्रेडिंग जोड़ी के स्थायी अनुबंध के ऐतिहासिक K-लाइन डेटा प्राप्त करना और डेटा को एक पांडा डेटाफ्रेम में संग्रहीत करना है। K-लाइन डेटा में खुलने की कीमत, उच्चतम मूल्य, सबसे कम मूल्य, समापन मूल्य और व्यापारिक मात्रा जैसी जानकारी शामिल है। इस बार हम मुख्य रूप से समापन मूल्य डेटा का उपयोग करते हैं।

def GetKlines(symbol='BTCUSDT',start='2020-8-10',end='2024-7-01',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(0.3)
        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

डेटा डाउनलोड करें

डेटा की मात्रा अपेक्षाकृत बड़ी है। तेजी से डाउनलोड करने के लिए, केवल पिछले तीन महीनों के प्रति घंटे के-लाइन डेटा प्राप्त किए जाते हैं। df_close में सभी मुद्राओं के समापन मूल्य डेटा होते हैं।

start_date = '2024-04-01'
end_date   = '2024-07-05'
period = '1h'
df_dict = {}

for symbol in b_symbols:   
    print(symbol)
    if symbol in df_dict.keys():
        continue
    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_close[symbol] = df_dict[symbol].close
df_close = df_close.dropna(how='all')

बैकटेस्टिंग इंजन

हम निम्नलिखित बैकटेस्ट के लिए एक एक्सचेंज ऑब्जेक्ट को परिभाषित करते हैं।

class Exchange:
    def __init__(self, trade_symbols, fee=0.0002, initial_balance=10000):
        self.initial_balance = initial_balance #Initial assets
        self.fee = fee
        self.trade_symbols = trade_symbols
        self.account = {'USDT':{'realised_profit':0, 'unrealised_profit':0, 'total':initial_balance,
                                'fee':0, 'leverage':0, 'hold':0, 'long':0, 'short':0}}
        for symbol in trade_symbols:
            self.account[symbol] = {'amount':0, 'hold_price':0, 'value':0, 'price':0, 'realised_profit':0,'unrealised_profit':0,'fee':0}
            
    def Trade(self, symbol, direction, price, amount):
        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.fee #Deduction fee
        self.account['USDT']['fee'] += price*amount*self.fee
        self.account[symbol]['fee'] += price*amount*self.fee
        if cover_amount > 0: #Close the position first
            self.account['USDT']['realised_profit'] += -direction*(price - self.account[symbol]['hold_price'])*cover_amount  #profit
            self.account[symbol]['realised_profit'] += -direction*(price - self.account[symbol]['hold_price'])*cover_amount
            self.account[symbol]['amount'] -= -direction*cover_amount
            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[symbol]['hold_price'] = total_cost/total_amount
            self.account[symbol]['amount'] += direction*open_amount      
    
    def Buy(self, symbol, price, amount):
        self.Trade(symbol, 1, price, amount)
        
    def Sell(self, symbol, price, amount):
        self.Trade(symbol, -1, price, amount)
        
    def Update(self, close_price): #Update the assets
        self.account['USDT']['unrealised_profit'] = 0
        self.account['USDT']['hold'] = 0
        self.account['USDT']['long'] = 0
        self.account['USDT']['short'] = 0
        for symbol in self.trade_symbols:
            if not np.isnan(close_price[symbol]):
                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'] = self.account[symbol]['amount']*close_price[symbol]
                if self.account[symbol]['amount'] > 0:
                    self.account['USDT']['long'] += self.account[symbol]['value']
                if self.account[symbol]['amount'] < 0:
                    self.account['USDT']['short'] += self.account[symbol]['value']
                self.account['USDT']['hold'] += abs(self.account[symbol]['value'])
                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']['hold']/self.account['USDT']['total'],3)

फ़िल्टर मुद्राओं के लिए सहसंबंध विश्लेषण

सहसंबंध गणना दो चर के बीच रैखिक संबंध को मापने के लिए उपयोग की जाने वाली सांख्यिकी में एक विधि है। सहसंबंध गणना की सबसे अधिक उपयोग की जाने वाली विधि पीयरसन सहसंबंध गुणांक है। निम्नलिखित सहसंबंध गणना का सिद्धांत, सूत्र और कार्यान्वयन विधि है। पीयरसन सहसंबंध गुणांक का उपयोग दो चर के बीच रैखिक संबंध को मापने के लिए किया जाता है और इसका मान रेंज -1 और 1 के बीच हैः

  • 1 एक पूर्ण सकारात्मक सहसंबंध दर्शाता है, जहां दो चर हमेशा समकालिक रूप से बदलते हैं। जब एक चर बढ़ता है, तो दूसरा भी आनुपातिक रूप से बढ़ता है। यह 1 के करीब होता है, सहसंबंध अधिक मजबूत होता है।
  • -1 एक पूर्ण नकारात्मक सहसंबंध दर्शाता है, जहां दो चर हमेशा विपरीत दिशाओं में बदलते हैं। यह -1 के करीब जितना अधिक होगा, नकारात्मक सहसंबंध उतना ही मजबूत होगा।
  • 0 का अर्थ है कोई रैखिक संबंध नहीं, दो चरों के बीच कोई सीधा संबंध नहीं है।

पीयरसन सहसंबंध गुणांक दो चरों के बीच सहसंबंध को निर्धारित करता है, उनके सह-परिवर्तन और मानक विचलन की गणना करके। सूत्र इस प्रकार है:

img

जिसमें:

  • imgचर X और Y के बीच पीयरसन सहसंबंध गुणांक है।
  • imgएक्स और वाई का सहविभाजन है.
  • imgऔरimgक्रमशः X और Y के मानक विचलन हैं।

बेशक, आपको इसकी गणना के बारे में बहुत चिंता करने की आवश्यकता नहीं है। आप सभी मुद्राओं के सहसंबंध की गणना करने के लिए पायथन में कोड की 1 पंक्ति का उपयोग कर सकते हैं। चित्र एक सहसंबंध हीट मैप दिखाता है। लाल सकारात्मक सहसंबंध का प्रतिनिधित्व करता है, नीला नकारात्मक सहसंबंध का प्रतिनिधित्व करता है, और जितना गहरा रंग होगा, उतना ही मजबूत सहसंबंध होगा। आप देख सकते हैं कि अधिकांश क्षेत्र गहरा लाल है, इसलिए डिजिटल मुद्राओं का सकारात्मक सहसंबंध बहुत मजबूत है।

img

import seaborn as sns
corr = df_close.corr()
plt.figure(figsize=(20, 20))
sns.heatmap(corr, annot=False, cmap='coolwarm', vmin=-1, vmax=1)
plt.title('Correlation Heatmap of Cryptocurrency Closing Prices', fontsize=20);

सहसंबंध के आधार पर, शीर्ष 20 सबसे अधिक सहसंबंधित मुद्रा जोड़े चुने जाते हैं। परिणाम इस प्रकार हैं। उनके सहसंबंध बहुत मजबूत हैं, सभी 0.99 से ऊपर हैं।

MANA     SAND     0.996562
ICX      ZIL      0.996000
STORJ    FLOW     0.994193
FLOW     SXP      0.993861
STORJ    SXP      0.993822
IOTA     ZIL      0.993204
         SAND     0.993095
KAVA     SAND     0.992303
ZIL      SXP      0.992285
         SAND     0.992103
DYDX     ZIL      0.992053
DENT     REEF     0.991789
RDNT     MANTA    0.991690
STMX     STORJ    0.991222
BIGTIME  ACE      0.990987
RDNT     HOOK     0.990718
IOST     GAS      0.990643
ZIL      HOOK     0.990576
MATIC    FLOW     0.990564
MANTA    HOOK     0.990563

संबंधित कोड इस प्रकार है:

corr_pairs = corr.unstack()

# Remove self-correlation (i.e. values ​​on the diagonal)
corr_pairs = corr_pairs[corr_pairs != 1]

sorted_corr_pairs = corr_pairs.sort_values(kind="quicksort")

# Extract the top 20 most and least correlated currency pairs
most_correlated = sorted_corr_pairs.tail(40)[::-2]

print("The top 20 most correlated currency pairs are:")
print(most_correlated)

बैकटेस्टिंग सत्यापन

विशिष्ट बैकटेस्ट कोड निम्नानुसार है। प्रदर्शन रणनीति मुख्य रूप से दो क्रिप्टोकरेंसी (IOTA और ZIL) के मूल्य अनुपात का निरीक्षण करती है और इस अनुपात में परिवर्तन के अनुसार व्यापार करती है। विशिष्ट चरण निम्नलिखित हैंः

  1. आरंभिकरणः
  • व्यापारिक जोड़े (pair_a = IOTA, pair_b = ZIL) को परिभाषित करें।
  • विनिमय ऑब्जेक्ट बनाएँe$10,000 के प्रारंभिक शेष राशि के साथ और 0.02% के लेनदेन शुल्क के साथ।
  • प्रारंभिक औसत मूल्य अनुपात की गणना करेंavg.
  • प्रारंभिक लेनदेन मान सेट करेंvalue = 1000.
  1. मूल्य डेटा पर पुनरावृत्तिः
  • प्रत्येक समय बिंदु पर मूल्य डेटा को क्रॉस करेंdf_close.
  • औसत से वर्तमान मूल्य अनुपात के विचलन की गणना करता हैdiff.
  • लक्ष्य लेनदेन मूल्य की गणना विचलन के आधार पर की जाती हैaim_value, और प्रत्येक 0.01 विचलन के लिए एक मूल्य का कारोबार किया जाता है। खरीद और बिक्री संचालन चालू खाता स्थिति और मूल्य स्थिति के आधार पर निर्धारित किए जाते हैं।
  • यदि विचलन बहुत बड़ा है, निष्पादित बेचनेpair_aऔर खरीदेंpair_b operations.
  • यदि विचलन बहुत छोटा है, खरीदेंpair_aऔर बेचनाpair_bऑपरेशन किए जाते हैं।
  1. औसत समायोजित करेंः
  • औसत मूल्य अनुपात को अद्यतन करता हैavgनवीनतम मूल्य अनुपात को प्रतिबिंबित करने के लिए।
  1. खातों और रिकॉर्ड को अद्यतन करें
  • विनिमय खाते की स्थिति और शेष राशि की जानकारी अद्यतन करें।
  • प्रत्येक चरण में खाते की स्थिति (कुल संपत्ति, रखी गई संपत्ति, लेनदेन शुल्क, लंबी और छोटी स्थिति) दर्ज करेंres_list.
  1. परिणाम आउटपुटः
  • परिवर्तित करनाres_listडेटाफ्रेम परresआगे के विश्लेषण और प्रस्तुति के लिए।
pair_a = 'IOTA'
pair_b = "ZIL"
e = Exchange([pair_a,pair_b], fee=0.0002, initial_balance=10000) #Exchange definition is placed in the comments section
res_list = []
index_list = []
avg = df_close[pair_a][0] / df_close[pair_b][0]
value = 1000
for idx, row in df_close.iterrows():
    diff = (row[pair_a] / row[pair_b] - avg)/avg
    aim_value = -value * diff / 0.01
    if -aim_value + e.account[pair_a]['amount']*row[pair_a] > 0.5*value:
        e.Sell(pair_a,row[pair_a],(-aim_value + e.account[pair_a]['amount']*row[pair_a])/row[pair_a])
        e.Buy(pair_b,row[pair_b],(-aim_value - e.account[pair_b]['amount']*row[pair_b])/row[pair_b])
    if -aim_value + e.account[pair_a]['amount']*row[pair_a]  < -0.5*value:
        e.Buy(pair_a, row[pair_a],(aim_value - e.account[pair_a]['amount']*row[pair_a])/row[pair_a])
        e.Sell(pair_b, row[pair_b],(aim_value + e.account[pair_b]['amount']*row[pair_b])/row[pair_b])
    avg = 0.99*avg + 0.01*row[pair_a] / row[pair_b]
    index_list.append(idx)
    e.Update(row)
    res_list.append([e.account['USDT']['total'],e.account['USDT']['hold'],
                         e.account['USDT']['fee'],e.account['USDT']['long'],e.account['USDT']['short']])
res = pd.DataFrame(data=res_list, columns=['total','hold', 'fee', 'long', 'short'],index = index_list)
res['total'].plot(grid=True);

कुल 4 समूहों की मुद्राओं का बैकटेस्ट किया गया था, और परिणाम आदर्श थे। वर्तमान सहसंबंध गणना भविष्य के डेटा का उपयोग करती है, इसलिए यह बहुत सटीक नहीं है। यह लेख सहसंबंध की पिछली गणना और बाद के बैकटेस्ट ट्रेडिंग के आधार पर डेटा को दो भागों में भी विभाजित करता है। परिणाम थोड़ा अलग हैं लेकिन बुरे नहीं हैं। हम इसे उपयोगकर्ता को अभ्यास और सत्यापित करने के लिए छोड़ देते हैं।

img

संभावित जोखिम और सुधार के तरीके

यद्यपि युग्म व्यापार रणनीति सैद्धांतिक रूप से लाभदायक हो सकती है, लेकिन वास्तविक संचालन में अभी भी कुछ जोखिम हैंः मुद्राओं के बीच संबंध समय के साथ बदल सकता है, जिससे रणनीति विफल हो सकती है; चरम बाजार स्थितियों में, मूल्य विचलन बढ़ सकते हैं, जिसके परिणामस्वरूप बड़े नुकसान हो सकते हैं; कुछ मुद्राओं की कम तरलता लेनदेन को निष्पादित करना मुश्किल बना सकती है या लागत बढ़ा सकती है; और लगातार लेनदेन से उत्पन्न शुल्क मुनाफे को कम कर सकता है।

जोखिमों को कम करने और रणनीतियों की स्थिरता में सुधार के लिए निम्नलिखित सुधार उपायों पर विचार किया जा सकता हैः मुद्राओं के बीच सहसंबंध की नियमित रूप से पुनर्गणना करें और व्यापारिक जोड़े को समय पर समायोजित करें; एक एकल लेनदेन के अधिकतम नुकसान को नियंत्रित करने के लिए स्टॉप लॉस और लाभ बिंदु निर्धारित करें; जोखिमों को विविधता प्रदान करने के लिए एक ही समय में कई मुद्रा जोड़े का व्यापार करें।

निष्कर्ष

डिजिटल मुद्रा जोड़ी व्यापार रणनीति मुद्रा मूल्य के संबंध का लाभ उठाते हुए लाभ प्राप्त करती है और कीमतों में विचलन होने पर मध्यस्थता संचालन करती है। इस रणनीति की उच्च सैद्धांतिक व्यवहार्यता है। इस रणनीति के आधार पर एक सरल लाइव ट्रेडिंग रणनीति स्रोत कोड बाद में जारी किया जाएगा। यदि आपके पास अधिक प्रश्न हैं या आगे की चर्चा की आवश्यकता है, तो कृपया संवाद करने के लिए स्वतंत्र महसूस करें।

अधिक

2019 FMZ - सभी अधिकार सुरक्षित