В процессе загрузки ресурсов... загрузка...
  1. Переваривание
  2. Обсуждения
  3. Исследования фьючерсной стратегии хеджирования в нескольких валютах Binance Часть 3

Исследования фьючерсной стратегии хеджирования в нескольких валютах Binance Часть 3

Автор:Доброта, Создано: 2020-05-12 12:14:29, Обновлено: 2023-11-04 19:50:43

img

Просто грубая симуляция, так что у каждого есть конкретная концепция количества потерянных маржин.

Оценка риска Binance от короткой продажи по тенденции роста и покупки длинной по тенденции падения

Сначала посмотрите на первоначальный отчет:https://www.fmz.com/digest-topic/5584и усовершенствованный доклад:https://www.fmz.com/digest-topic/5588

Стратегия публично распространяется уже 4 дня. Ранний этап продемонстрировал очень хорошую производительность, с высокой доходностью и небольшим количеством ретраксов, так что многие пользователи используют очень высокий рычаг для азартных игр с доходностью 10% в день. Однако, как указано в первоначальном докладе, не существует идеальной стратегии. Продажа короткой торговли и покупка длинной торговли используют характеристики альткоинов для роста и падения вместе. Если валюта выходит из уникального тренда, она будет накапливать много позиций. хотя для отслеживания начальной цены была использована скользящая средняя, риски все еще существуют.

Для того, чтобы выделить код, мы поставили в продвинутой этой части, каждый должен попробовать сначала запустить следующий код (начиная с части импорта библиотек).

Для моделирования мы предполагаем, что существует 20 валют, но нужно только добавить BTC и ETH, и использовать BTC для представления 19 валют с постоянными ценами. ETH представляет валюту с независимой трендовой валютой. Поскольку это только симуляция, нет необходимости отслеживать начальную цену по скользящей средней здесь, предполагая, что цена растет быстрыми темпами.

Во-первых, симулируйте ситуацию, когда цена одной валюты продолжает расти. Stop_loss указывает на то, что стоп-лосс отклоняется. Здесь только симуляция. Реальная ситуация будет иметь прерывистое отступление, оно не будет таким плохим, как симуляция.

Предположим, что нет ретрекшера к этой валюте, когда отклонение стоп-лосса составляет 0,41, ETH вырос на 44% в это время, и результаты в конечном итоге потерялись в 7 раз больше торговой стоимости, то есть trade_value * 7. Если trade_value установлен на 3% от общего количества средств, то потеря = общее количество средств * 0,03 * 7. Максимальное ретрекшера составляет около 0,03 * 7 = 21%.

Вы можете оценить свою толерантность к риску на основе приведенных ниже результатов.

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

При моделировании ситуации непрерывного снижения, снижение сопровождается снижением стоимости контракта, поэтому риск выше, чем рост, и по мере падения цены, скорость увеличения потерь ускоряется. Когда значение отклонения стоп-лосса составляет -0,31, цена валюты падает на 33% в это время, и потеря 6,5 транзакций. Если сумма торговли trade_value установлена на 3% от общего количества средств, максимальное ретрекше - около 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']]
Связанные
Больше

2019 FMZ - Все права защищены.