Pesquisa sobre Binance Futures Multi-currency Hedging Strategy Parte 3
Autora:Bem-estar, Criado: 2020-05-12 12:14:29, Atualizado: 2023-11-04 19:50:43
Só uma simulação aproximada, para que todos tenham um conceito específico da quantidade de margens perdidas.
Estimação do risco da Binance de vender em curto sobre as estratégias de tendência de alta e comprar em longo sobre a tendência de queda
Veja primeiro o relatório original:https://www.fmz.com/digest-topic/5584e o relatório melhorado:https://www.fmz.com/digest-topic/5588
A estratégia tem sido compartilhada publicamente há 4 dias. O estágio inicial funcionou muito bem, com altos retornos e poucos retrações, de modo que muitos usuários estão usando uma alavancagem muito alta para apostar um retorno de 10% por dia. No entanto, como afirmado no relatório inicial, não há uma estratégia perfeita. Vender curto sobre tendência de alta e comprar longo sobre tendência de queda fazem uso das características das altcoins para subir e cair juntos. Se uma moeda sair de uma tendência única, ela acumulará muitas posições de detenção. embora uma média móvel tenha sido usada para rastrear o preço inicial, os riscos ainda existem. Este relatório quantifica principalmente os riscos específicos e por que o parâmetro recomendado trade_value representa 3% do total dos fundos.
A fim de destacar o código, colocamos em avançado desta parte, todos devem tentar primeiro executar o seguinte código (começando a partir da parte de bibliotecas de importação).
Para simular, assumimos que existem 20 moedas, mas só precisamos adicionar BTC e ETH, e usar BTC para representar 19 moedas com preços constantes.
Primeiro, simule a situação em que o preço de uma única moeda continua a subir. Stop_loss indica que o stop loss desvia. Aqui é apenas uma simulação. A situação real terá retração intermitente, não será tão ruim quanto a simulação.
Suponha que não haja retracement para esta moeda, quando o desvio de stop loss é de 0,41, o ETH subiu 44% neste momento, e os resultados finalmente se perderam 7 vezes do valor da negociação, ou seja, trade_value * 7. Se o trade_value for definido em 3% do total de fundos, então a perda = fundos totais * 0,03 * 7. O retracement máximo é de cerca de 0,03 * 7 = 21%.
Pode estimar a sua própria tolerância ao risco com base nos resultados abaixo.
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
Na simulação da situação de declínio contínuo, o declínio é acompanhado por uma diminuição no valor do contrato, de modo que o risco é maior do que o aumento, e à medida que o preço cai, a taxa de aumento das perdas está acelerando. Quando o valor do desvio de stop loss é -0,31, o preço da moeda cai em 33% neste momento, e uma perda de 6,5 transações. Se o valor do valor do comércio for definido em 3% dos fundos totais, o retração máxima é de cerca de 0,03 * 6,5 = 19,5%.
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']]
Relacionados
- Novo recurso do FMZ Quant: Use a função _Serve para criar serviços HTTP facilmente
- Inventores quantificam novas funcionalidades: criar serviços HTTP facilmente com a função _Serve
- FMZ Quant Trading Platform Guia de acesso ao protocolo personalizado
- Estratégia de aquisição e acompanhamento da taxa de financiamento da FMZ
- Estratégias de captação e monitoramento de taxas de financiamento da FMZ
- Um modelo de estratégia permite que você use o WebSocket Market sem problemas
- Um modelo de estratégia para usar o WebSocket sem problemas
- Guia de acesso ao Protocolo Geral para Inventores de Plataformas de Negociação Quantificadas
- Como construir uma estratégia de negociação multi-moeda universal rapidamente após a atualização da FMZ
- Como construir rapidamente uma estratégia de negociação multicurrency geral após a atualização do FMZ
- Negociação de DCA: Uma estratégia quantitativa amplamente utilizada
Mais.