Hubungan Antara Naik dan Turun Mata Wang dan Bitcoin

Dalam artikel sebelumnya, kami membincangkan fenomena biasa di pasaran mata wang digital: kebanyakan mata wang digital, terutamanya yang mengikuti turun naik harga Bitcoin dan Ethereum, sering menunjukkan trend naik dan jatuh bersama. Fenomena ini mendedahkan korelasi tinggi mereka dengan mata wang arus perdana. Walau bagaimanapun, tahap korelasi antara mata wang digital yang berbeza juga berbeza. Jadi bagaimana perbezaan korelasi ini mempengaruhi prestasi pasaran setiap mata wang? Dalam artikel ini, kita akan menggunakan pasaran lembu pada separuh kedua tahun 2023 sebagai contoh untuk meneroka isu ini.

Asal Mula Sinkron Pasaran Mata Wang Digital

Pasaran mata wang digital terkenal dengan ketidaktentuan dan ketidakpastiannya. Bitcoin dan Ethereum, sebagai dua gergasi di pasaran, sering memainkan peranan utama dalam trend harga. Kebanyakan mata wang digital kecil atau baru muncul, untuk mengekalkan daya saing pasaran dan aktiviti perdagangan, sering mengekalkan tahap penyelarasan harga tertentu dengan mata wang arus perdana ini, terutamanya syiling yang dibuat oleh pihak projek. Sinkroniti ini mencerminkan jangkaan psikologi dan strategi perdagangan peserta pasaran, yang merupakan pertimbangan penting dalam merancang strategi perdagangan kuantitatif.

Formula dan Kaedah Pengiraan Korelasi

Dalam bidang perdagangan kuantitatif, pengukuran korelasi dicapai melalui kaedah statistik. Langkah yang paling biasa digunakan adalah pekali korelasi Pearson, yang mengukur tahap korelasi linear antara dua pembolehubah. Berikut adalah beberapa konsep teras dan kaedah pengiraan:

Julat pekali korelasi Pearson (dilambangkan sebagai r) adalah dari -1 hingga +1, di mana +1 menunjukkan korelasi positif sempurna, -1 menunjukkan korelasi negatif sempurna, dan 0 menunjukkan tiada hubungan linear. Formula untuk mengira pekali ini adalah seperti berikut:

Antara mereka,danadalah nilai yang diperhatikan dari dua pembolehubah rawak,danadalah nilai purata kedua-dua pembolehubah rawak ini masing-masing Menggunakan pakej pengkomputeran saintifik Python yang berkaitan, mudah untuk mengira korelasi.

Pengumpulan data

Artikel ini telah mengumpul data 4h K-line untuk keseluruhan tahun 2023 dari Binance, memilih 144 mata wang yang disenaraikan pada 1 Januari. Kod khusus untuk memuat turun data adalah seperti berikut:

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)

Tinjauan Pasaran

Selepas menormalkan data terlebih dahulu, kita mengira indeks turun naik harga purata. Kita dapat melihat bahawa terdapat dua trend pasaran pada tahun 2023. Satu adalah peningkatan yang ketara pada awal tahun, dan yang lain adalah kenaikan besar bermula Oktober. Pada masa ini, ia pada dasarnya berada di titik tinggi dari segi indeks.

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);

Analisis korelasi

Pandas dilengkapi dengan pengiraan korelasi terbina dalam. Korelasi terlemah dengan harga BTC ditunjukkan dalam gambar berikut. Kebanyakan mata wang mempunyai korelasi positif, yang bermaksud mereka mengikuti harga BTC. Walau bagaimanapun, beberapa mata wang mempunyai korelasi negatif, yang dianggap anomali dalam trend pasaran mata wang digital.

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

Korrelasi dan Peningkatan Harga

Di sini, mata wang dibahagikan kepada dua kumpulan. Kumpulan pertama terdiri daripada 40 mata wang yang paling berkaitan dengan harga BTC, dan kumpulan kedua termasuk yang paling tidak berkaitan dengan harga BTC. Dengan mengurangkan indeks kumpulan kedua dari yang pertama, ia mewakili pergi panjang pada kumpulan pertama sambil menyingkat yang kedua. Dengan cara ini kita boleh mengira hubungan antara turun naik harga dan korelasi BTC. Berikut adalah cara anda melakukannya bersama dengan hasil:

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

Hasilnya menunjukkan bahawa mata wang dengan korelasi yang lebih kuat dengan harga BTC mempunyai peningkatan yang lebih baik, dan mata wang pendek dengan korelasi yang rendah juga memainkan peranan lindung nilai yang baik. Kecacatan di sini adalah bahawa data masa depan digunakan ketika mengira korelasi. Di bawah, kami membahagikan data kepada dua kumpulan: satu kumpulan mengira korelasi, dan yang lain mengira pulangan selepas lindung nilai. Hasilnya ditunjukkan dalam gambar berikut, dan kesimpulan tetap tidak berubah.

Bitcoin dan Ethereum sebagai pemimpin pasaran sering mempunyai kesan yang besar terhadap trend pasaran secara keseluruhan. Apabila harga cryptocurrency ini meningkat, sentimen pasaran biasanya menjadi optimis dan banyak pelabur cenderung mengikuti trend ini. Pelabur mungkin melihat ini sebagai isyarat peningkatan pasaran secara keseluruhan dan mula membeli mata wang lain. Oleh kerana tingkah laku kolektif peserta pasaran, mata wang yang sangat berkaitan dengan arus perdana mungkin mengalami kenaikan harga yang sama. Pada masa seperti itu, jangkaan mengenai trend harga kadang-kadang boleh menjadi ramalan yang memenuhi diri sendiri. Sebaliknya, mata wang yang berkaitan dengan Bitcoin adalah unik; asasnya mungkin memburuk atau mereka mungkin tidak lagi dalam pandangan arus perdana - bahkan mungkin ada situasi menghisap darah Bitcoin di mana pelabur meninggalkan pasaran mengejar mereka yang dapat mengikuti harga yang meningkat.

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

Ringkasan

Artikel ini membincangkan pekali korelasi Pearson, yang mendedahkan tahap korelasi antara mata wang yang berbeza. Artikel ini menunjukkan bagaimana mendapatkan data untuk mengira korelasi antara mata wang dan menggunakan data ini untuk menilai trend pasaran. Ia mendedahkan bahawa sinkronisiti dalam turun naik harga di pasaran mata wang digital bukan sahaja mencerminkan psikologi dan strategi pasaran, tetapi juga boleh dikurangkan dan diramalkan melalui kaedah saintifik. Ini sangat penting untuk merancang strategi perdagangan kuantitatif.

Terdapat banyak bidang di mana idea-idea dalam artikel ini dapat diperluaskan, seperti mengira korelasi bergulir, mengira korelasi secara berasingan semasa kenaikan dan penurunan, dll., Yang boleh menghasilkan banyak maklumat yang berguna.