ایک پائیدار توازن کی حکمت عملی جو ریڑھ کی ہڈی کی نقل کے لئے موزوں ہے

ماضی میں ایف ایم زیڈ نے ایک مستقل گرڈ کی حکمت عملی جاری کی تھی جو صارفین کے لئے کافی مقبول تھی ، اور ٹریڈنگ کے TRX کے جائزے میں پچھلے ایک سال کے دوران بہت زیادہ منافع ہوا ہے۔ مستقل گرڈ کی حکمت عملی کے ساتھ بھی کچھ مسائل ہیں:

1. ابتدائی قیمت ، گرڈ وقفہ ، گرڈ ویلیو ، کثیر خلائی موڈ جیسے پیرامیٹرز کو ترتیب دینے کی ضرورت ہوتی ہے ، جو ترتیب زیادہ بوجھل ہے ، منافع پر اثر بہت زیادہ ہے ، اور نئے آنے والوں کے لئے ترتیب دینا مشکل ہے۔
2. پائیدار نیٹ ورک کی حکمت عملی میں ہوائی جہاز کا خطرہ زیادہ ہوتا ہے ، جبکہ زیادہ خطرہ نسبتا low کم ہوتا ہے ، یہاں تک کہ اگر نیٹ ورک کی قیمت کی ترتیب چھوٹی ہوتی ہے تو ، ہوائی جہاز کے دھماکے کی قیمت پر اثر بہت زیادہ نہیں ہوتا ہے۔
3. مستقل معاہدے کے نیٹ ورک میں صرف زیادہ کرنے کا انتخاب کیا جاسکتا ہے تاکہ خالی ہونے کے خطرے سے بچنے کے ل. ، ابھی دیکھنا ممکن ہے۔ لیکن موجودہ قیمت کو ابتدائی قیمت سے زیادہ ہونے کا سامنا کرنا پڑتا ہے ، جس سے خالی ہونے کی وجہ سے اسٹاک رکھنے کا مسئلہ پیدا ہوتا ہے ، اور ابتدائی قیمت کو دوبارہ ترتیب دینے کی ضرورت ہوتی ہے۔

اس سے پہلے ہم نے ایک توازن کی حکمت عملی کے اصولوں اور اس کے مقابلے میں گرڈ کی حکمت عملی کے بارے میں لکھا تھا ، اور اب بھی اس کا حوالہ دیا جاسکتا ہے:https://www.fmz.com/digest-topic/5930٭ توازن کی حکمت عملی ہمیشہ مقررہ تناسب یا قدر کی پوزیشن رکھتی ہے ، جب آپ کچھ بیچتے ہیں تو کچھ بیچتے ہیں ، جب آپ گرتے ہیں تو خریدتے ہیں ، آسان ترتیبات کام کرسکتی ہیں۔ یہاں تک کہ اگر کرنسی کی قیمت میں بہت زیادہ اضافہ ہوتا ہے تو بھی خالی ہونے کا خطرہ نہیں ہوتا ہے۔ فوری توازن کی حکمت عملی کا مسئلہ کم فنڈز کا استعمال ہے ، اور فائدہ اٹھانے کا کوئی آسان طریقہ نہیں ہے۔ جبکہ مستقل معاہدے اس مسئلے کو حل کرسکتے ہیں۔ مثال کے طور پر ، مجموعی سرمایہ 1000 ہے ، آپ 2000 کو فکسڈ رکھ سکتے ہیں ، جو اصل فنڈز سے زیادہ ہے ، فنڈز کے استعمال کو بہتر بناتا ہے۔ ایک پیرامیٹر بھی تناسب کو ایڈجسٹ کرنا ہے ، جس سے کنٹرول کیا جاسکتا ہے کہ کتنی قدر میں کمی واقع ہوتی ہے ، جیسے 0.01٪ کی نمائندگی کرنے کے لئے پوزیشن کو کم کرنے کے لئے پوزیشن کو کم کرنا ، ایک بار میں 1٪ گرنے کے لئے پوزیشن۔

نئے آنے والوں کے لئے ، توازن کی حکمت عملی کی سفارش کی جاتی ہے ، آپریشن آسان ہے ، صرف ایک تناسب رکھنے یا اسٹاک کی قیمت کے پیرامیٹرز کو ترتیب دینے کی ضرورت ہے ، آپ بغیر کسی پریشانی کے چل سکتے ہیں ، قیمتوں میں مسلسل اضافے کے بارے میں فکر کرنے کی ضرورت نہیں ہے۔ کچھ تجربہ کار لوگ نیٹ ورک کی حکمت عملی کا انتخاب کرسکتے ہیں ، خود ہی اتار چڑھاؤ کی اوپری اور نیچے کی حد کا فیصلہ کرسکتے ہیں اور ہر گرڈ میں فنڈز ، فنڈز کے استعمال کو بڑھا سکتے ہیں ، زیادہ سے زیادہ منافع حاصل کرسکتے ہیں۔

زیادہ سے زیادہ ٹرانزیکشن جوڑوں کی جانچ پڑتال کرنے میں آسانی کے ل this ، یہ دستاویز مکمل جانچ پڑتال کا عمل دکھائے گی ، جس میں صارف مختلف پیرامیٹرز اور ٹرانزیکشن جوڑوں کو اپنے طور پر ایڈجسٹ کرسکتے ہیں تاکہ اس کا مقابلہ کیا جاسکے۔ ((Python3 ورژن ، ایجنٹ ڈاؤن لوڈ کی ضرورت ہے ، صارف خود ہی Anancoda3 ڈاؤن لوڈ کرسکتے ہیں یا گوگل کے collab کے ذریعہ چل سکتے ہیں)

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

## 当前交易对
Info = requests.get('https://fapi.binance.com/fapi/v1/exchangeInfo')
symbols = [s['symbol'] for s in Info.json()['symbols']]
symbols = list(set(filter(lambda x: x[-4:] == 'USDT', [s.split('_')[0] for s in symbols]))-
                 set(['1000SHIBUSDT','1000XECUSDT','BTCDOMUSDT','DEFIUSDT','BTCSTUSDT'])) + ['SHIBUSDT','XECUSDT']
print(symbols)

['FLMUSDT', 'ICPUSDT', 'CHZUSDT', 'APEUSDT', 'DARUSDT', 'TLMUSDT', 'ETHUSDT', 'STMXUSDT', 'ENJUSDT', 'LINKUSDT', 'OGNUSDT', 'RSRUSDT', 'QTUMUSDT', 'UNIUSDT', 'BNBUSDT', 'XLMUSDT', 'ATOMUSDT', 'LPTUSDT', 'UNFIUSDT', 'DASHUSDT', 'BTCUSDT', 'NEOUSDT', 'AAVEUSDT', 'DUSKUSDT', 'XRPUSDT', 'IOTXUSDT', 'CVCUSDT', 'SANDUSDT', 'XTZUSDT', 'IOTAUSDT', 'BELUSDT', 'MANAUSDT', 'IOSTUSDT', 'IMXUSDT', 'THETAUSDT', 'SCUSDT', 'DOGEUSDT', 'CELOUSDT', 'BNXUSDT', 'SNXUSDT', 'ZRXUSDT', 'HBARUSDT', 'DOTUSDT', 'ANKRUSDT', 'CELRUSDT', 'BAKEUSDT', 'GALUSDT', 'ICXUSDT', 'LRCUSDT', 'AVAXUSDT', 'C98USDT', 'MTLUSDT', 'FTTUSDT', 'MASKUSDT', 'RLCUSDT', 'MATICUSDT', 'COMPUSDT', 'BLZUSDT', 'CRVUSDT', 'ZECUSDT', 'RUNEUSDT', 'LITUSDT', 'ONEUSDT', 'ADAUSDT', 'NKNUSDT', 'LTCUSDT', 'ATAUSDT', 'GALAUSDT', 'BALUSDT', 'ROSEUSDT', 'EOSUSDT', 'YFIUSDT', 'SKLUSDT', 'BANDUSDT', 'ALGOUSDT', 'NEARUSDT', 'AXSUSDT', 'KSMUSDT', 'AUDIOUSDT', 'SRMUSDT', 'HNTUSDT', 'MKRUSDT', 'KLAYUSDT', 'FLOWUSDT', 'STORJUSDT', 'BCHUSDT', 'DYDXUSDT', 'ARUSDT', 'GMTUSDT', 'CHRUSDT', 'API3USDT', 'VETUSDT', 'KAVAUSDT', 'WAVESUSDT', 'EGLDUSDT', 'SFPUSDT', 'RENUSDT', 'SUSHIUSDT', 'SOLUSDT', 'RVNUSDT', 'ONTUSDT', 'BTSUSDT', 'ZILUSDT', 'GTCUSDT', 'ZENUSDT', 'ALICEUSDT', 'ETCUSDT', 'TRXUSDT', 'TOMOUSDT', 'FILUSDT', 'ARPAUSDT', 'CTKUSDT', 'BATUSDT', 'SXPUSDT', '1INCHUSDT', 'HOTUSDT', 'WOOUSDT', 'LINAUSDT', 'REEFUSDT', 'GRTUSDT', 'RAYUSDT', 'COTIUSDT', 'XMRUSDT', 'PEOPLEUSDT', 'OCEANUSDT', 'JASMYUSDT', 'TRBUSDT', 'ANTUSDT', 'XEMUSDT', 'DGBUSDT', 'ENSUSDT', 'OMGUSDT', 'ALPHAUSDT', 'FTMUSDT', 'DENTUSDT', 'KNCUSDT', 'CTSIUSDT', 'SHIBUSDT', 'XECUSDT']

#获取任意周期K线的函数
def GetKlines(symbol='BTCUSDT',start='2020-8-10',end='2021-8-10',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:
        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)
        #print(url)
        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

2021 سے اب تک کی تمام تجارت شدہ جوڑوں کی اختتامی قیمتوں کو ڈاؤن لوڈ کرکے ، ہم مجموعی طور پر مارکیٹ انڈیکس میں ہونے والی تبدیلیوں کو دیکھ سکتے ہیں۔ 2021 سے 2022 کے درمیان ، اس میں کوئی شک نہیں ہے کہ یہ ایک بیل مارکیٹ ہے ، جس میں انڈیکس میں 14 گنا اضافہ ہوا ہے ، یہ کہا جاسکتا ہے کہ ہر جگہ سونا ہے ، اور بہت ساری کرنسیوں میں سیکڑوں گنا اضافہ ہوا ہے۔ تاہم ، 2022 میں ، چھ ماہ سے جاری رہنے والی ریچھ مارکیٹ کا آغاز ہوا ، جس میں انڈیکس میں ایک بار 80 فیصد کمی واقع ہوئی ، اور درجنوں کرنسیوں نے 90 فیصد سے زیادہ کی واپسی کی۔ اس طرح کے طوفان میں گرنے سے نیٹ ورک کی حکمت عملی کا بہت بڑا خطرہ ظاہر ہوتا ہے۔

اس وقت انڈیکس 3 کے ارد گرد ہے ، جو 2021 کے اوائل کے مقابلے میں 200 فیصد اضافہ ہے ، اور مارکیٹ کی ترقی کو مدنظر رکھتے ہوئے ، اس وقت یہ ایک نسبتا bottom نیچے ہونا چاہئے۔

اس کے علاوہ ، اس کی قیمت میں سال کے شروع میں 10 گنا سے زیادہ کا اضافہ ہوا ہے۔

مرکرکش: 10.294، CRVUSDT: 10.513, STORJUSDT: 10.674، SKLUSDT: 11.009، CVCUSDT: 11.026, SRMUSDT: 11.031, QTUMUSDT: 12.066, ALPUSDT: 12.103, ZENUSDT: 12.631, VETUSDT: 13.296, ROSEUSDT: 13.429, FTTUSDT: 13.705, IOSTT: 13.786, TICOTUSDT: 13.958, NEARUSDT: 14.855, HUDMUSDT: 14.845, HUDMUSDT: 15.311, 312, 37.411, 37.449, 37.439, 37.41, 37.41, 37.41, 38.91, 38.91, 38.92, 3

اس وقت کی واپسی اور سب سے زیادہ 80 فیصد سے زیادہ کرنسیوں کے لئے:

۰۹۱۳۹۷۵۱۰۹۲۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۰۹۳۱۱۰۹۳۱۱۰۹۳۱۱۰۹۳۱۱۱۰۹۳۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱۱

#下载所有交易对的收盘价
start_date = '2021-1-1'
end_date = '2022-05-30'
period = '1d'
df_all = pd.DataFrame(index=pd.date_range(start=start_date, end=end_date, freq=period),columns=symbols)
for i in range(len(symbols)):
    #print(symbols[i])
    symbol = symbols[i]
    df_s = GetKlines(symbol=symbol,start=start_date,end=end_date,period=period,base='api',v='v3')
    df_all[symbol] = df_s[~df_s.index.duplicated(keep='first')].close

#指数变化
df_norm = df_all/df_all.fillna(method='bfill').iloc[0] #归一化
df_norm.mean(axis=1).plot(figsize=(15,6),grid=True);

#比年初的最高涨幅
max_up = df_all.max()/df_all.fillna(method='bfill').iloc[0]
print(max_up.map(lambda x:round(x,3)).sort_values().to_dict())

{'JASMYUSDT': 1.0, 'ICPUSDT': 1.0, 'LINAUSDT': 1.0, 'WOOUSDT': 1.0, 'GALUSDT': 1.0, 'PEOPLEUSDT': 1.0, 'XECUSDT': 1.026, 'ENSUSDT': 1.032, 'TLMUSDT': 1.039, 'IMXUSDT': 1.099, 'FLOWUSDT': 1.155, 'ATAUSDT': 1.216, 'DARUSDT': 1.261, 'ALICEUSDT': 1.312, 'BNXUSDT': 1.522, 'API3USDT': 1.732, 'GTCUSDT': 1.833, 'KLAYUSDT': 1.891, 'BAKEUSDT': 1.892, 'DYDXUSDT': 2.062, 'SHIBUSDT': 2.281, 'BTCUSDT': 2.302, 'MASKUSDT': 2.396, 'SFPUSDT': 2.74, 'LPTUSDT': 2.75, 'APEUSDT': 2.783, 'ARUSDT': 2.928, 'CELOUSDT': 2.951, 'ZILUSDT': 2.999, 'LTCUSDT': 3.072, 'SNXUSDT': 3.266, 'XEMUSDT': 3.555, 'XMRUSDT': 3.564, 'YFIUSDT': 3.794, 'BANDUSDT': 3.812, 'RAYUSDT': 3.924, 'REEFUSDT': 4.184, 'ANTUSDT': 4.205, 'XTZUSDT': 4.339, 'CTKUSDT': 4.352, 'LITUSDT': 4.38, 'RSRUSDT': 4.407, 'LINKUSDT': 4.412, 'BCHUSDT': 4.527, 'DASHUSDT': 5.037, 'BALUSDT': 5.172, 'OCEANUSDT': 5.277, 'EOSUSDT': 5.503, 'RENUSDT': 5.538, 'XLMUSDT': 5.563, 'TOMOUSDT': 5.567, 'ZECUSDT': 5.654, 'COMPUSDT': 5.87, 'DGBUSDT': 5.948, 'ALGOUSDT': 5.981, 'ONTUSDT': 5.997, 'BELUSDT': 6.101, 'TRXUSDT': 6.116, 'ZRXUSDT': 6.135, 'GRTUSDT': 6.45, '1INCHUSDT': 6.479, 'DOTUSDT': 6.502, 'ETHUSDT': 6.596, 'KAVAUSDT': 6.687, 'ICXUSDT': 6.74, 'SUSHIUSDT': 6.848, 'AAVEUSDT': 6.931, 'BTSUSDT': 6.961, 'KNCUSDT': 6.966, 'C98USDT': 7.091, 'THETAUSDT': 7.222, 'ATOMUSDT': 7.553, 'OMGUSDT': 7.556, 'SXPUSDT': 7.681, 'UNFIUSDT': 7.696, 'XRPUSDT': 7.726, 'TRBUSDT': 8.241, 'BLZUSDT': 8.434, 'NEOUSDT': 8.491, 'FLMUSDT': 8.506, 'KSMUSDT': 8.571, 'FILUSDT': 8.591, 'IOTAUSDT': 8.616, 'BATUSDT': 8.647, 'ARPAUSDT': 9.055, 'UNIUSDT': 9.104, 'WAVESUSDT': 9.106, 'MKRUSDT': 10.294, 'CRVUSDT': 10.513, 'STORJUSDT': 10.674, 'SKLUSDT': 11.009, 'CVCUSDT': 11.026, 'SRMUSDT': 11.031, 'QTUMUSDT': 12.066, 'ALPHAUSDT': 12.103, 'ZENUSDT': 12.631, 'VETUSDT': 13.296, 'ROSEUSDT': 13.429, 'FTTUSDT': 13.705, 'IOSTUSDT': 13.786, 'COTIUSDT': 13.958, 'NEARUSDT': 14.855, 'HBARUSDT': 15.312, 'RLCUSDT': 15.432, 'SCUSDT': 15.6, 'GALAUSDT': 15.722, 'RUNEUSDT': 15.795, 'ADAUSDT': 16.94, 'MTLUSDT': 17.18, 'BNBUSDT': 17.899, 'RVNUSDT': 18.169, 'EGLDUSDT': 18.879, 'LRCUSDT': 19.499, 'ANKRUSDT': 21.398, 'ETCUSDT': 23.51, 'DUSKUSDT': 23.55, 'AUDIOUSDT': 25.306, 'OGNUSDT': 25.524, 'GMTUSDT': 28.83, 'ENJUSDT': 33.073, 'STMXUSDT': 33.18, 'IOTXUSDT': 35.866, 'AVAXUSDT': 36.946, 'CHZUSDT': 37.128, 'CELRUSDT': 37.273, 'HNTUSDT': 38.779, 'CTSIUSDT': 41.108, 'HOTUSDT': 46.466, 'CHRUSDT': 61.091, 'MANAUSDT': 62.143, 'NKNUSDT': 70.636, 'ONEUSDT': 84.132, 'DENTUSDT': 99.973, 'DOGEUSDT': 121.447, 'SOLUSDT': 140.296, 'MATICUSDT': 161.846, 'FTMUSDT': 192.507, 'SANDUSDT': 203.219, 'AXSUSDT': 270.41}

#当前最大回测
draw_down = df_all.iloc[-1]/df_all.max()
print(draw_down.map(lambda x:round(x,3)).sort_values().to_dict())

{'ICPUSDT': 0.022, 'FILUSDT': 0.043, 'BAKEUSDT': 0.046, 'TLMUSDT': 0.05, 'LITUSDT': 0.053, 'LINAUSDT': 0.054, 'JASMYUSDT': 0.056, 'ALPHAUSDT': 0.062, 'RAYUSDT': 0.062, 'GRTUSDT': 0.067, 'DENTUSDT': 0.068, 'RSRUSDT': 0.068, 'XEMUSDT': 0.068, 'UNFIUSDT': 0.072, 'DYDXUSDT': 0.074, 'SUSHIUSDT': 0.074, 'OGNUSDT': 0.074, 'COMPUSDT': 0.074, 'NKNUSDT': 0.078, 'SKLUSDT': 0.08, 'DGBUSDT': 0.081, 'RLCUSDT': 0.085, 'REEFUSDT': 0.086, 'BANDUSDT': 0.086, 'HOTUSDT': 0.092, 'SRMUSDT': 0.092, 'RENUSDT': 0.092, 'BTSUSDT': 0.093, 'THETAUSDT': 0.094, 'FLMUSDT': 0.094, 'EOSUSDT': 0.095, 'TRBUSDT': 0.095, 'SXPUSDT': 0.095, 'ATAUSDT': 0.096, 'NEOUSDT': 0.096, 'FLOWUSDT': 0.097, 'YFIUSDT': 0.101, 'BALUSDT': 0.106, 'MASKUSDT': 0.106, 'ONTUSDT': 0.108, 'CELRUSDT': 0.108, 'AUDIOUSDT': 0.108, 'SCUSDT': 0.11, 'GALAUSDT': 0.113, 'GTCUSDT': 0.117, 'CTSIUSDT': 0.117, 'STMXUSDT': 0.118, 'DARUSDT': 0.118, 'ALICEUSDT': 0.119, 'SNXUSDT': 0.124, 'FTMUSDT': 0.126, 'BCHUSDT': 0.127, 'SFPUSDT': 0.127, 'ROSEUSDT': 0.128, 'DOGEUSDT': 0.128, 'RVNUSDT': 0.129, 'OCEANUSDT': 0.129, 'VETUSDT': 0.13, 'KSMUSDT': 0.131, 'ICXUSDT': 0.131, 'UNIUSDT': 0.131, 'ONEUSDT': 0.131, '1INCHUSDT': 0.134, 'IOTAUSDT': 0.139, 'C98USDT': 0.139, 'WAVESUSDT': 0.14, 'DUSKUSDT': 0.141, 'LINKUSDT': 0.143, 'DASHUSDT': 0.143, 'OMGUSDT': 0.143, 'PEOPLEUSDT': 0.143, 'AXSUSDT': 0.15, 'ENJUSDT': 0.15, 'QTUMUSDT': 0.152, 'SHIBUSDT': 0.154, 'ZENUSDT': 0.154, 'BLZUSDT': 0.154, 'ANTUSDT': 0.155, 'XECUSDT': 0.155, 'CHZUSDT': 0.158, 'RUNEUSDT': 0.163, 'ENSUSDT': 0.165, 'LRCUSDT': 0.167, 'CHRUSDT': 0.168, 'IOTXUSDT': 0.174, 'TOMOUSDT': 0.176, 'ALGOUSDT': 0.177, 'EGLDUSDT': 0.177, 'ARUSDT': 0.178, 'LTCUSDT': 0.178, 'HNTUSDT': 0.18, 'LPTUSDT': 0.181, 'SOLUSDT': 0.183, 'ARPAUSDT': 0.184, 'BELUSDT': 0.184, 'ETCUSDT': 0.186, 'ZRXUSDT': 0.187, 'AAVEUSDT': 0.187, 'CVCUSDT': 0.188, 'STORJUSDT': 0.189, 'COTIUSDT': 0.19, 'CELOUSDT': 0.191, 'SANDUSDT': 0.191, 'ADAUSDT': 0.192, 'HBARUSDT': 0.194, 'DOTUSDT': 0.195, 'XLMUSDT': 0.195, 'AVAXUSDT': 0.206, 'ANKRUSDT': 0.207, 'MTLUSDT': 0.208, 'MANAUSDT': 0.209, 'CRVUSDT': 0.213, 'API3USDT': 0.221, 'IOSTUSDT': 0.227, 'XRPUSDT': 0.228, 'BATUSDT': 0.228, 'MKRUSDT': 0.229, 'MATICUSDT': 0.229, 'CTKUSDT': 0.233, 'ZILUSDT': 0.233, 'WOOUSDT': 0.234, 'ATOMUSDT': 0.237, 'KLAYUSDT': 0.239, 'XTZUSDT': 0.245, 'IMXUSDT': 0.278, 'NEARUSDT': 0.285, 'GALUSDT': 0.299, 'APEUSDT': 0.305, 'ZECUSDT': 0.309, 'KAVAUSDT': 0.31, 'GMTUSDT': 0.327, 'FTTUSDT': 0.366, 'KNCUSDT': 0.401, 'ETHUSDT': 0.416, 'XMRUSDT': 0.422, 'BTCUSDT': 0.47, 'BNBUSDT': 0.476, 'TRXUSDT': 0.507, 'BNXUSDT': 0.64}

سب سے پہلے ہم سادہ ترین کوڈ کا استعمال کرتے ہوئے اگلے راستے میں گرنے کی صورت حال کا اندازہ لگاتے ہیں اور مختلف ہولڈنگ ویلیو کی بُک پوزیشن کی قیمتوں کو دیکھتے ہیں۔ چونکہ حکمت عملی ہمیشہ زیادہ پوزیشنیں رکھتی ہے ، اس لئے اضافہ کا کوئی خطرہ نہیں ہے۔ ابتدائی سرمایہ 1000 ہے ، سکے کی قیمت 1 ہے ، تناسب کو 0.01 میں ایڈجسٹ کیا گیا ہے۔ نتیجہ مندرجہ ذیل ہے۔ ظاہر ہے کہ زیادہ بُک پوزیشنوں کا خطرہ بھی کم نہیں ہے ، 1.5 گنا فائدہ اٹھانے کے ساتھ ، 50٪ کی کمی کا مقابلہ کیا جاسکتا ہے۔ موجودہ نسبتا bottom نچلی سطح پر ، یہ قابل برداشت خطرہ ہے۔

for Hold_value in [300,500,800,1000,1500,2000,3000,5000,10000]:
    amount = Hold_value/1
    hold_price = 1
    margin = 1000
    Pct = 0.01
    i = 0
    while margin > 0:
        i += 1
        if i>500:
            break
        buy_price = (1-Pct)*Hold_value/amount
        buy_amount = Hold_value*Pct/buy_price
        hold_price = (amount * hold_price + buy_amount * buy_price) / (buy_amount + amount)
        amount += buy_amount
        margin = 1000 + amount * (buy_price - hold_price)
    print(Hold_value, round(buy_price,3))

300 0.035
500 0.133
800 0.285
1000 0.362
1500 0.51
2000 0.599
3000 0.711
5000 0.81
10000 0.904

#还是用原来的回测引擎
class Exchange:
    
    def __init__(self, trade_symbols, fee=0.0004, initial_balance=10000):
        self.initial_balance = initial_balance #初始的资产
        self.fee = fee
        self.trade_symbols = trade_symbols
        self.account = {'USDT':{'realised_profit':0, 'unrealised_profit':0, 'total':initial_balance, 'fee':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 #扣除手续费
        self.account['USDT']['fee'] += price*amount*self.fee
        self.account[symbol]['fee'] += price*amount*self.fee

        if cover_amount > 0: #先平仓
            self.account['USDT']['realised_profit'] += -direction*(price - self.account[symbol]['hold_price'])*cover_amount  #利润
            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): #对资产进行更新
        self.account['USDT']['unrealised_profit'] = 0
        for symbol in self.trade_symbols:
            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)

سب سے پہلے ہم TRX کے توازن کی حکمت عملی کی کارکردگی کا جائزہ لیتے ہیں ، TRX اس دور میں ریچھ مارکیٹ میں زیادہ سے زیادہ واپسی نسبتا small چھوٹی تھی ، لہذا اس کی ایک خاص خصوصیت ہے۔ اعداد و شمار کا انتخاب 2021 تک 5minK لائن ، ابتدائی فنڈز 1000 ، تناسب میں ایڈجسٹمنٹ 0.01 ، ہولڈنگ ویلیو 2000 ، طریقہ کار کی فیس 0.0002 ہے۔

TRX کی ابتدائی قیمت 0.02676U تھی ، اس دوران اس کی قیمت 0.18U تک پہنچ گئی ، جو اس وقت 0.08U کے ارد گرد ہے ، بہت تیزی سے اتار چڑھاؤ ہے۔ اگر آپ شروع میں زیادہ خالی گرڈ کی حکمت عملی چلاتے ہیں تو ، بمباری کے نتائج سے بچنا مشکل ہے۔ توازن کی حکمت عملی میں کوئی مسئلہ نہیں ہے۔

ریویو کی حتمی آمدنی 4524U ہے ، جو TRX کے 0.18 کے قریب ہے ، اور اس کا فائدہ شروع سے 2 گنا سے کم ہے اور آخر میں 0.4 سے کم ہے ، اور اس کے ساتھ ہی بھوک لگانے کا امکان بھی کم ہوتا جارہا ہے ، جس کے دوران ہولڈنگ ویلیو میں اضافے کا موقع مل سکتا ہے۔ لیکن 2000U سے نیچے ہمیشہ مستحکم آمدنی ہے۔ یہ بھی توازن کی حکمت عملی کا ایک نقصان ہے۔

symbol = 'TRXUSDT'
df_trx = GetKlines(symbol=symbol,start='2021-1-1',end='2022-5-30',period='5m')

df_trx.close.plot(figsize=(15,6),grid=True);

#TRX平衡策略回测
hold_value = 2000
pct = 0.01
e = Exchange([symbol], fee=0.0002, initial_balance=1000)
init_price =  df_trx.iloc[0].open
res_list = [] #用于储存中间结果
e.Buy(symbol,init_price,hold_value/init_price)
e.Update({symbol:init_price})
for row in df_trx.itertuples():
    buy_price = (1-pct)*hold_value/e.account[symbol]['amount']
    sell_price = (1+pct)*hold_value/e.account[symbol]['amount']
    
    while row.low < buy_price:
        e.Buy(symbol,buy_price,pct*hold_value/buy_price)
        e.Update({symbol:row.close})
        buy_price = (1-pct)*hold_value/e.account[symbol]['amount']
        sell_price = (1+pct)*hold_value/e.account[symbol]['amount']
    while row.high > sell_price:
        e.Sell(symbol,sell_price,pct*hold_value/sell_price)
        e.Update({symbol:row.close})
        buy_price = (1-pct)*hold_value/e.account[symbol]['amount']
        sell_price = (1+pct)*hold_value/e.account[symbol]['amount']
    if int(row.time)%(60*60*1000) == 0:
        e.Update({symbol:row.close})
        res_list.append([row.time, row.close, e.account[symbol]['amount'],e.account[symbol]['amount']*row.close, e.account['USDT']['total']-e.initial_balance])
res_trx = pd.DataFrame(data=res_list, columns=['time','price','amount','value','profit'])
res_trx.index = pd.to_datetime(res_trx.time,unit='ms')
print(pct,e.account['USDT']['realised_profit']+e.account['USDT']['unrealised_profit'] ,round(e.account['USDT']['fee'],0))

0.01 4524.226998288555 91.0

#收益
res_trx.profit.plot(figsize=(15,6),grid=True);

#实际占用杠杆
(res_trx.value/(res_trx.profit+1000)).plot(figsize=(15,6),grid=True);

ہم WAVES کو دوبارہ جانچتے ہیں ، یہ کرنسی بہت خاص ہے ، ابتدائی 6U سے زیادہ سے زیادہ 60U تک بڑھتی ہوئی ، اور آخر میں اس وقت 8U کے قریب گرتی ہے۔ حتمی منافع 4945 ہے ، جو اس کے پاس رکھنے سے کہیں زیادہ ہے۔

symbol = 'WAVESUSDT'
df_waves = GetKlines(symbol=symbol,start='2021-1-1',end='2022-5-30',period='5m')

df_waves.close.plot(figsize=(15,6),grid=True);

#TWAVES平衡策略回测
hold_value = 2000
pct = 0.01
e = Exchange([symbol], fee=0.0002, initial_balance=1000)
init_price =  df_waves.iloc[0].open
res_list = [] #用于储存中间结果
e.Buy(symbol,init_price,hold_value/init_price)
e.Update({symbol:init_price})
for row in df_waves.itertuples():
    buy_price = (1-pct)*hold_value/e.account[symbol]['amount']
    sell_price = (1+pct)*hold_value/e.account[symbol]['amount']
    
    while row.low < buy_price:
        e.Buy(symbol,buy_price,pct*hold_value/buy_price)
        e.Update({symbol:row.close})
        buy_price = (1-pct)*hold_value/e.account[symbol]['amount']
        sell_price = (1+pct)*hold_value/e.account[symbol]['amount']
    while row.high > sell_price:
        e.Sell(symbol,sell_price,pct*hold_value/sell_price)
        e.Update({symbol:row.close})
        buy_price = (1-pct)*hold_value/e.account[symbol]['amount']
        sell_price = (1+pct)*hold_value/e.account[symbol]['amount']
    if int(row.time)%(60*60*1000) == 0:
        e.Update({symbol:row.close})
        res_list.append([row.time, row.close, e.account[symbol]['amount'],e.account[symbol]['amount']*row.close, e.account['USDT']['total']-e.initial_balance])
res_waves = pd.DataFrame(data=res_list, columns=['time','price','amount','value','profit'])
res_waves.index = pd.to_datetime(res_waves.time,unit='ms')
print(pct,e.account['USDT']['realised_profit']+e.account['USDT']['unrealised_profit'] ,round(e.account['USDT']['fee'],0))

0.01 4945.149323437233 178.0

df_waves.profit.plot(figsize=(15,6),grid=True);

اس کے علاوہ ، نیٹ ورک کی حکمت عملی کی کارکردگی کو دوبارہ جانچنے کے لئے ، نیٹ ورک کا وقفہ 0.01 ہے ، اور نیٹ ورک کی قیمت 10 ہے۔ قریب 10 گنا اضافے کے ساتھ ، WAVES اور TRX دونوں میں زبردست واپسی ہوئی ، جس میں WAVES نے 5000U کی واپسی کی ، TRX نے بھی 3000U سے زیادہ کی ، اگر ابتدائی فنڈز کم ہوں تو ، یہ بنیادی طور پر دھماکے کی طرح ہے۔

#网格策略
pct = 0.01
value = 10*pct/0.01
e = Exchange([symbol], fee=0.0002, initial_balance=1000)
init_price =  df_waves.iloc[0].open
res_list = [] #用于储存中间结果
for row in df_waves.itertuples():
    buy_price = (value / pct - value) / (value / (pct * init_price) + e.account[symbol]['amount']) 
    sell_price = (value / pct + value) / (value / (pct *init_price) + e.account[symbol]['amount'])

    while row.low < buy_price:
        e.Buy(symbol,buy_price,value/buy_price)
        e.Update({symbol:row.close})
        buy_price = (value / pct - value) / (value / (pct * init_price) + e.account[symbol]['amount']) #买单价格，由于是挂单成交，也是最终的撮合价格=
    while row.high > sell_price:
        e.Sell(symbol,sell_price,value/sell_price)
        e.Update({symbol:row.close})
        sell_price = (value / pct + value) / (value / (pct *init_price) + e.account[symbol]['amount'])
    if int(row.time)%(60*60*1000) == 0:
        e.Update({symbol:row.close})
        res_list.append([row.time, row.close, e.account[symbol]['amount'],e.account[symbol]['amount']*row.close, e.account['USDT']['total']-e.initial_balance])
res_waves_net = pd.DataFrame(data=res_list, columns=['time','price','amount','value','profit'])
res_waves_net.index = pd.to_datetime(res_waves_net.time,unit='ms')
print(pct,e.account['USDT']['realised_profit']+e.account['USDT']['unrealised_profit'] ,round(e.account['USDT']['fee'],0))

0.01 1678.0516101975015 70.0

res_waves_net.profit.plot(figsize=(15,6),grid=True);

#网格策略
pct = 0.01
value = 10*pct/0.01
e = Exchange([symbol], fee=0.0002, initial_balance=1000)
init_price =  df_trx.iloc[0].open
res_list = [] #用于储存中间结果
for row in df_trx.itertuples():
    buy_price = (value / pct - value) / (value / (pct * init_price) + e.account[symbol]['amount']) 
    sell_price = (value / pct + value) / (value / (pct *init_price) + e.account[symbol]['amount'])

    while row.low < buy_price:
        e.Buy(symbol,buy_price,value/buy_price)
        e.Update({symbol:row.close})
        buy_price = (value / pct - value) / (value / (pct * init_price) + e.account[symbol]['amount']) 
    while row.high > sell_price:
        e.Sell(symbol,sell_price,value/sell_price)
        e.Update({symbol:row.close})
        sell_price = (value / pct + value) / (value / (pct *init_price) + e.account[symbol]['amount'])
    if int(row.time)%(60*60*1000) == 0:
        e.Update({symbol:row.close})
        res_list.append([row.time, row.close, e.account[symbol]['amount'],e.account[symbol]['amount']*row.close, e.account['USDT']['total']-e.initial_balance])
res_trx_net = pd.DataFrame(data=res_list, columns=['time','price','amount','value','profit'])
res_trx_net.index = pd.to_datetime(res_trx_net.time,unit='ms')
print(pct,e.account['USDT']['realised_profit']+e.account['USDT']['unrealised_profit'] ,round(e.account['USDT']['fee'],0))

0.01 -161.06952570521656 37.0

res_trx_net.profit.plot(figsize=(15,6),grid=True);

خلاصہ

اس بار کے ریویو تجزیہ کا استعمال 5minK لائن ہے ، درمیانی اتار چڑھاؤ مکمل طور پر تخروپن نہیں کیا گیا ہے ، لہذا اصل منافع تھوڑا سا زیادہ ہونا چاہئے۔ مجموعی طور پر ، توازن کی حکمت عملی کا خطرہ نسبتا low کم ہے ، طوفانوں سے خوفزدہ نہیں ہے ، پیرامیٹرز کو ایڈجسٹ کرنے کی ضرورت نہیں ہے ، استعمال کرنا آسان ہے ، ابتدائی صارفین کے لئے موزوں ہے۔ گرڈ کی حکمت عملی ابتدائی قیمت کی ترتیب کے لئے بہت حساس ہے ، اس کے بارے میں کچھ فیصلے کرنے کی ضرورت ہے ، طویل مدتی نظر ، خالی جگہ کا خطرہ بہت زیادہ ہے۔ فی الحال ، یہ ریچھ مارکیٹ کچھ عرصے سے نچلے حصے میں مستحکم ہے ، بہت سے موجودہ بلندیوں سے 90 فیصد سے زیادہ گر چکے ہیں ، اگر آپ کچھ سکے کے بارے میں پر امید ہیں تو ، یہ میدان میں داخل ہونے کا ایک بہتر وقت ہے ، شاید آپ کو توازن کی حکمت عملی کا خلاصہ ، تھوڑا سا فائدہ اٹھانا چاہئے ، تھوڑا سا فائدہ اٹھانا چاہئے ، اور قیمتوں میں اضافے کا فائدہ اٹھائیں۔ اس بار بینک اینڈ ٹیلنٹ جنگ میں پائیدار توازن کی حکمت عملی کا مفت استعمال کیا جائے گا اور آپ کو اس کا تجربہ کرنے کا خیرمقدم ہے۔