بائننس فیوچر ملٹی کرنسی ہیجنگ حکمت عملی حصہ 3 پر تحقیق

صرف ایک تقریبا تخروپن، تاکہ ہر کسی کو کھو مارجن کی رقم کا ایک مخصوص تصور ہے. آپ نوٹ بک ڈاؤن لوڈ کر سکتے ہیں اور FMZ تحقیق کے ماحول میں اپ لوڈ، اور خود کوڈ چلانے.

بائننس کی قلیل فروخت سے زیادہ بڑھنے اور گرنے کے رجحان کی حکمت عملیوں سے زیادہ طویل خریدنے کے خطرے کا تخمینہ

پہلی نظر اصل رپورٹ پر:https://www.fmz.com/digest-topic/5584اور بہتر رپورٹ:https://www.fmz.com/digest-topic/5588

یہ حکمت عملی اب 4 دن سے عوامی شیئرنگ ہے۔ ابتدائی مرحلے میں بہت اچھی کارکردگی کا مظاہرہ کیا گیا ، اعلی منافع اور کم ریٹریکشن کے ساتھ ، تاکہ بہت سے صارفین ایک دن میں 10٪ منافع کا جوئے بازی کے اڈوں کے لئے بہت زیادہ فائدہ اٹھانے کا استعمال کر رہے ہیں۔ تاہم ، جیسا کہ ابتدائی رپورٹ میں بتایا گیا ہے ، کوئی بہترین حکمت عملی نہیں ہے۔ اضافہ سے زیادہ مختصر فروخت اور گرنے کے رجحان سے زیادہ طویل خریدنا ایک ساتھ بڑھنے اور گرنے کے لئے الٹکوئن کی خصوصیات کا استعمال کرتے ہیں۔ اگر کوئی کرنسی ایک منفرد رجحان سے باہر نکل جاتی ہے تو ، اس میں بہت ساری ہولڈنگ پوزیشنیں جمع ہوجائیں گی۔ اگرچہ ابتدائی قیمت کو ٹریک کرنے کے لئے ایک حرکت پذیر اوسط کا استعمال کیا گیا تھا ، لیکن خطرات اب بھی موجود ہیں۔ یہ رپورٹ بنیادی طور پر مخصوص خطرات کو شمار کرتی ہے اور کیوں پیرامیٹر تجویز کردہ trade_value کل فنڈز کا 3٪ ہے۔

کوڈ کو نمایاں کرنے کے لئے، ہم نے اس حصے کے اعلی درجے کی میں ڈال دیا، سب کو سب سے پہلے مندرجہ ذیل کوڈ چلانے کی کوشش کرنی چاہئے (درآمد لائبریریوں حصہ سے شروع).

اس کا اندازہ کرنے کے لئے ، ہم فرض کرتے ہیں کہ 20 کرنسیاں ہیں ، لیکن صرف بی ٹی سی اور ای ٹی ایچ کو شامل کرنے کی ضرورت ہے ، اور بی ٹی سی کو مستقل قیمتوں کے ساتھ 19 کرنسیوں کی نمائندگی کرنے کے لئے استعمال کریں۔ ای ٹی ایچ آزاد رجحان کرنسی کے ساتھ کرنسی کی نمائندگی کرتا ہے۔ اس کی وجہ سے یہ صرف ایک نقالی ہے ، یہاں حرکت پذیر اوسط کی طرف سے ابتدائی قیمت کو ٹریک کرنے کی ضرورت نہیں ہے ، یہ فرض کرتے ہوئے کہ قیمت تیزی سے بڑھ رہی ہے۔

سب سے پہلے ، اس صورتحال کا اندازہ لگائیں جہاں کسی ایک کرنسی کی قیمت میں اضافہ جاری ہے۔ اسٹاپ_لاس اس بات کی نشاندہی کرتا ہے کہ اسٹاپ نقصان انحراف کرتا ہے۔ یہاں صرف ایک نقالی ہے۔ اصل صورتحال میں وقفے وقفے سے پیچھے ہٹنا ہوگا ، یہ نقالی کے طور پر برا نہیں ہوگا۔

فرض کریں کہ اس کرنسی میں کوئی واپسی نہیں ہے ، جب اسٹاپ نقصان انحراف 0.41 ہے ، اس وقت ای ٹی ایچ میں 44٪ اضافہ ہوا ہے ، اور آخر کار نتائج تجارتی قیمت کے 7 گنا کھو گئے ، یعنی ، trade_value * 7. اگر trade_value کل فنڈز کا 3٪ مقرر کیا گیا ہے تو ، پھر نقصان = کل فنڈز * 0.03 * 7. زیادہ سے زیادہ واپسی تقریبا 0.03 * 7 = 21٪ ہے۔

آپ نیچے دیئے گئے نتائج کی بنیاد پر اپنے خطرے کی رواداری کا اندازہ لگا سکتے ہیں۔

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

مسلسل کمی کی صورت حال کا اندازہ لگاتے ہوئے ، کمی کے ساتھ معاہدے کی قیمت میں کمی آتی ہے ، لہذا خطرہ اضافے سے زیادہ ہوتا ہے ، اور قیمت گرنے کے ساتھ ، نقصانات میں اضافے کی شرح تیز ہوتی جارہی ہے۔ جب اسٹاپ نقصان انحراف کی قیمت -0.31 ہوتی ہے تو ، اس وقت کرنسی کی قیمت میں 33٪ کمی واقع ہوتی ہے ، اور 6.5 لین دین میں نقصان ہوتا ہے۔ اگر تجارتی رقم trade_value کو کل فنڈز کا 3٪ مقرر کیا جاتا ہے تو ، زیادہ سے زیادہ ریٹریکشن تقریبا 0.03 * 6.5 = 19.5٪ ہے۔

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']]