加密货币量化交易策略研究
同一市场不同币种
我们假设初始状态下资产如下所示:
货种 | 金额 |
---|---|
BTC | 100 |
ETH | 1000 |
USDT | 800 |
我们假设某一时刻的价格为:
源币种 | 目的币 | 汇率 | 备注 |
---|---|---|---|
BTC | USDT | 3400 | |
ETH | USDT | 110 | |
BTC | ETH | 30.909 | 标准汇率,无盈亏 |
由于加密货币市场容量问题,所以汇率存在偏离正常值现象,我们分为两种情况来讨论。
在进行相关操作之前,我们先以USDT为基准,计算我们当前的资产总额:
总额=100×3400+1000×110+800=340000+110000+800=450800
总额=100 \times 3400 + 1000 \times 110 + 800 = 340000+110000+800=450800
总额=100×3400+1000×110+800=340000+110000+800=450800
BTC对ETH涨价
假设此时BTC对ETH的汇率为32,此时代表BTC对ETH涨价,我们应该将BTC卖出换为ETH。
我们将BTC换成ETH,得到ETH数为:
ETH=100×32=3200
ETH=100 \times 32=3200
ETH=100×32=3200
此时我们的总资产为:
USDT=(3200+1000)×110+800=462800
USDT=(3200+1000) \times 110+800=462800
USDT=(3200+1000
3ff7
)×110+800=462800
则我们这一操作的利润为:
profit=462800−405800=57000
profit=462800-405800=57000
profit=462800−405800=57000
BTC对ETH贬值
我们假设BTC对ETH的汇率为29,此时BTC对ETH贬值,我们买入BTC:
BTC=100029=34.483
BTC= \frac{1000}{29}=34.483
BTC=291000=34.483
此时的总资产:
USDT=(100+34.483)×3400+800=458042
USDT=(100+34.483) \times 3400 + 800=458042
USDT=(100+34.483)×3400+800=458042
此时盈利为:
profit=458042−450800=7242
profit=458042-450800=7242
profit=458042−450800=7242
不同市场同一币种
假设我们在火币网有100BTC和6000,000USDT,在OKEX有80BTC和500,000USDT,这时我们的目标是保持BTC数量不变,而使USDT的总额增加。
假设当前的价格为:
交易所 | 源币 | 目的币 | 价格 |
---|---|---|---|
火币 | BTC | USDT | 3410 |
OKEX | BTC | USDT | 3320 |
根据当前价格计算出的资产表如下所示:
交易所 | 币种 | 数量 | 金额 |
---|---|---|---|
火币 | BTC | 100 | 340,000 |
火币 | USDT | 600,000 | 600,000 |
OKEX | BTC | 80 | 265,600 |
OKEX | USDT | 500,000 | 500,000 |
合计 | 1,705,600 |
我们的资产合计为:
资产 | 金额 |
---|---|
BTC | 180 |
USDT | 1,100,000 |
这时我们在火币网卖出100比特币,在OKEX买入100比特币,此时我们的比特币数量没有变化,如下所示:
交易所 | 币种 | 数量 | 金额 |
---|---|---|---|
火币 | BTC | 0 | 0 |
火币 | USDT | 940,000 | 940,000 |
OKEX | BTC | 180 | 597,600 |
OKEX | USDT | 168,000 | 168,000 |
合计 | 1705,600 |
|我们的资产表为:
资产 | 金额 |
---|---|
BTC | 180 |
USDT | 1,108,000 |
由上表可知,我们通过上述操作,BTC资产未变,而USDT增加了8000,达到了资产增加的目的。
同一市场同一币种
以上两种方法,都是建立在加密货币市场容量较小,交易量不大的情况下,从而会出现利差,而利用量化交易方法,可以在第一时间捕捉到这个利差,从而获取收益。只要机器算力充足,网速足够快,就可以保证盈利。但是这两种方式的缺点也比较明显,因为这种套利空间是由于没有对手盘造成的,总量是有限的,只会在瞬间存在,不容易把握住;同时这种套利方式为大家所熟知,目前有非常多的人在利用这一方法进行套利,所以进一步减少了盈利空间。
在本节介绍的方法,是利用加密货币与USDT等稳定货汇率波动,利用其没有T+0限制,实现低买高卖的策略。我们可以利用深度学习算法,预测1秒之后的价格,从而抢先下单,获取交易机会。如果预测得不准,则撤单重新预测,再提前下单。
例如下面的K线图:
我们的算法在图中高位处预测到价格将明显下跌,此时我们下单卖出BTC换成USDT,当到达低位点时,我们的算法可以预测出价格将上涨,此时将USDT买入BTC,通过这中间的差价来获利。由于我们只作短时间预测,根据我们的实践经验,无论采用长短时记忆网络还是深度强化学习技术,都可以预测得相对准确。目前我们正在尝试利用最新的Meta Learning技术来进行上述预测,由于加密货币市场不太符合深度学习的IID条件,而Meta Learning中的终身学习能力,可以很好的解决这一问题,因此具有广阔的应用前景。
这种方法的优点是市场容量足够大,可以进行高频交易。但是这种方法的缺点是算法容易预测错误,根据错误的预测结果进行操作,就会出现亏损,不能百分之百保证盈利。
- 量化策略:驾驭交易之轴心点研究(一)
- 泰国证券交易委员会将于三月公布加密货币市场监管框架
- 研究发现2018年三分之一的千禧世代将购买加密货币
- 高盛集团将提供加密货币交易服务
- 美证监会叫停两种加密货币产品交易
- 韩国再出新举措:政府出台法案要求公职人员申报加密货币投资情况,交易所禁止国外居民参与加密货币交易
- 美国金融监管机构要求韩国提交加密货币交易数据
- 纽约议案呼吁研究州政府背书的加密货币
- 量化策略R-Breaker实践与研究 一
- 量化交易策略三:银行股轮动策略
- (京东量化)基于相关性的配对交易策略
- 【研究】剑桥大学加密货币研究重大发现
- 保加利亚政府对加密货币交易利润征收10%的税款
- 量化交易 ,金融策略的基础!
- 量化进阶—— 具有狼性的沃尔夫波交易策略
- Telegram用户可使用TeleX AI进行加密货币交易
- (京东量化)基于相关性的配对交易策略
- 埃及宗教领袖:伊斯兰教法不允许加密货币交易
- 英国首相:英国需认真研究比特币等加密货币
- 日本国家警察厅:2018年加密货币交易所的可疑交易报告数量大幅上升