非主流币波段策略

 

数量技术宅团队在CSDN学院推出了量化投资系列课程

欢迎有兴趣系统学习量化投资的同学,点击下方链接报名:

量化投资速成营(入门课程)

Python股票量化投资

Python期货量化投资

Python数字货币量化投资

C++语言CTP期货交易系统开发

数字货币JavaScript语言量化交易系统开发


非主流币行情特征

币圈市场对主流币的定义是比较明确的,通常是指市值排名前几位的加密货币。目前市值排名前五的加密货币:1.比特币(Bitcoin,BTC) 2.以太坊(Ethereum,ETH) 3.波卡(Polkadot,DOT) 4.币安智能链币(Binance Coin,BNB) 5.瑞波币(XRP),都是大家耳熟能详的币种。

相对应的,非主流币是由一些小团队或个人发起的,它们的设计和功能各异,有些可能是基于比特币或以太坊的改进版,有些则完全不同,甚至可能与某个特定行业或应用领域相关。与比特币等主流币相比,它们的交易量相对较低,市值也较小。

我们这个策略聚焦的非主流币,与传统意义上典型的非主流币有所区别,首先排除主流币,但并不包括垃圾山寨,或是只有个别交易所支持交易的币种,与此同时,我们希望聚焦的非主流币, 具有一定逻辑或概念支撑的炒作空间。

对于我们聚焦的非主流币,其行情波动可以由三大特征概括:

特征1:不动则已、一动惊人

由于非主流币在大部分时间的交易量较小、市值也较小,在大行情启动之前,往往处于缩量横盘或阴跌的模式,而当出现一些利好消息或事件的驱动,成交、波动同步放大,能在短时间内走出巨幅行情。

来看一个的例子,SXPUSDT币种,在此前几个月时间都一直波澜不惊的横盘,而在最近短短3、4个交易日内,走出了翻3倍的行情。

特征2:波段中途存在回档,难以吃满整个行情

还是以上述的SXPUSDT为例,如果认为上面的这波行情仅仅是持有3天就能轻松吃到3倍的利润,显然是太理想化了。非主流币在波动放大的行情期间的第二个特征是,中途会存在较大幅度的反向行情,诱使投资者中途下车。

我们放大到小时周期可以看到,上涨的途中有1次超过30%、1次超过20%的反向回档,如果持有过程中被反向行情吓到,很容易产生落袋为安的想法,提前离场。

 

特征3:币种波动不同步

与BTC、ETH等主流币几乎都是同涨同跌的状态不同,非主流币的波动与主流币很不相同,往往会爆发单币种行情,因此,选择合适的币种,对这个交易策略来说相当重要。这个策略也可也与我们此前发布的主做主流币种的交易策略形成互补,当主流币没有行情时,非主流币却会产生此起彼伏的行情。

下图是我们计算的币种相关性矩阵(部分展示),可以看到,图中靠右侧的非主流币,有相当一部分与BTC、ETH等主流币的相关系数低至0.4左右。

策略逻辑

我们的策略针对非主流币波动的3个特征设计,通过策略逻辑解决特征1、2,通过选币逻辑解决特征3,因此,完整的策略包括策略逻辑和选币逻辑。我们先来看策略逻辑

针对特征1:通过多重趋势识别共振进场

非主流币由于人为操控、市场深度弱等原因,出现假突破、洗盘行情的概率要高于主流币,这就需要我们在策略设计上,尽可能做到不理会平时的小波段,宁可进场滞后,也只挑爆发力最强的那段。

我们通过多重趋势识别的方式,最大限度过滤掉假行情,提高交易胜率,只做像举例中SXPUSDT那样绝对幅度很大的行情。当然,该逻辑需要配合后续的选币逻辑进一步增强胜率。

针对特征2:给予出场逻辑更多的行情容忍度

传统策略往往对出场比较敏感,通过设计多个出场条件,当行情满足任一条件即触发出场,例如止损点与出场指标谁先触发就做出场。但对于非主流币高度波动时期,动辄20%、30%甚至更大的回档行情,这样的出场显然会在中途快速离场,而后又在更高的价位追进,做到“低卖高买”。

我们通过给予出场更多的行情容忍度的独特逻辑,尽量做到不理会中途的假反向行情,吃到完整的波段。

选币逻辑

针对特征3:选币逻辑。可以说选币逻辑是整个策略重要的一环。

第一步,币种初筛,初筛池是币安所有支持合约交易的币种(可以交易多空双向),并且剔除上市日期短暂的币种(避免数据不足导致回测样本不足),进入币种训练池。

第二步,币种再筛,对于进入训练池的币种,如果在训练周期内产生的交易次数不达标,则不论训练成绩多好都放弃,尽量排除偶然因素。

第三步,滚动训练,当期得分最高币种,作为最优币种,进入下期交易池。训练系统会对每个币种应用交易策略的几个维度进行打分(0-100分),并对各个维度加权得到当期总分。我们用前期的一组样例数据为例进行训练得到的得分表:

 

如果我们选择交易前5个币种,那么训练系统告诉我们入选的是哪些币种。

 

最后一步,前N名入选币种回测,画出曲线。  

滚动训练参数可以交由用户控制,理论上训练周期越短、训练越频繁,越容易抓住近期的热点币种行情。

回测绩效

通过滚动训练得到的币种,往往是当期概念、炒作集中的热门币种,我们无法判断其未来是涨或跌,但能够判断其高波动率在未来大概率能延续,无论是市场炒作热情进一步提高(暴涨:做多),还是该币种泡沫破灭一地鸡毛(暴跌:做空),我们都能通过这个波段策略,获取不错的收益。

我们将该训练+回测应用到更长的时间周期,可以在全量历史数据上得到更完整的回测结果。在过去3年多的时间,该策略获得了无杠杆超过350%的收益率,即无杠杆年化超过110%,如果应用合约常用的5-10倍杠杆,预期收益率将更高

 

实盘曲线

我们将最新训练得到的训练筛选币种应用于实盘交易,用于币安交易所永续合约,实盘采用10x杠杆(收益率放大为回测10倍),在1个月的策略实盘测试周期内产生了接近100%左右的收益率。

 

关于这个策略更多的细节,请参考文中插图右上角路标,出门左转,未完待续(省略号)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/37067.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

探究Vue源码:mustache模板引擎(5) 对比rollup与webpack,在本地搭建webpack环境

好 从本文开始 我们就来手写一下mustache这个库 他是模板引擎的一个祖先 将模板字符串编译成一个dom字符串 就是它的思想,这也是一个具有跨时代意义的思想 这里的话 我们还是搭一个 webpack 的项目环境 这里值得一提的是 mustache 他官方是通过rollup来进行打包的 …

【Docker】Docker的部署含服务和应用、多租环境、Linux内核的详细介绍

前言 Docker 是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux或Windows操作系统的机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。 📕作者简介:热…

速通matplotlib库

速通matplotlib库 前言 ​ 最近在复习之前学习过的知识点,因此想到把学过的总结一下,方便后面再次复习,所以有了这个系列。 说明 ​ 由于标题写的是“速通”,因此我的想法是可以让大家看完这篇文章,可以上手matplotlib…

爬虫正常用哪种代理比较好?

目录 爬虫使用哪种代理IP 爬虫使用代理IP时需要考虑什么 爬虫怎么使用代理IP 爬虫使用代理IP示例代码 爬虫使用哪种代理IP 在使用代理IP进行爬虫时,以下几种类型的代理被认为是比较好的选择: 1. 高匿名代理:高匿名代理隐藏了真实的IP地址…

简要介绍 | 边缘计算:原理,研究现状与未来展望

注1:本文系“简要介绍”系列之一,仅从概念上对边缘计算进行非常简要的介绍,不适合用于深入和详细的了解。 边缘计算:原理,研究现状与未来展望 What is Edge Computing? | Moving Intelligence to the Edge 一、背景介…

漏刻有时数据可视化Echarts组件开发(27):端午地图粽情之你的家乡吃甜还是吃咸?

端午地图粽情之你的家乡吃甜还是吃咸? 前言Echarts创意来源Echarts核心代码1.引入外部文件2.构建HTML容器3.Echarts组件开发预置各省数据初始化DOM配置选项geo组件series组件自适应浏览器完整option选项配置代码 前言 中国各地对粽子的口味偏好存在一定的差异&…

【openGauss数据库】---设置开机自启动openGauss数据库服务

【openGauss数据库】---设置开机自启动openGauss数据库服务 🔻 一、openGauss 自定义服务的配置文件了解🔻 二、设置openGauss 开机自启动🔻 三、总结—温故知新 👈【上一篇】 💖The Begin💖 点点关注&am…

css animation 鼠标移入暂停会抖动

如图 实现一个赞助商横向滚动列表墙, 上下两排向右滚动,中间向左滚动,鼠标移入暂停当前行。 实现: // 使用animation.moving {animation: move 20s linear infinite; }keyframes move {0% {}100% {transform: translateX(-50%);…

【深入浅出 Spring Security(十三)】使用 JWT 进行前后端分离认证(附源码)

使用 JWT 进行前后端分离认证 一、JWT 的简单介绍二、使用 JWT 进行安全认证后端结合SpringSecurity实现前端Vue3结合Pinia、Axios实现测试结果 一、JWT 的简单介绍 JWT 全称 Java web Token,在此所讲述的是 JWT 用于身份认证,用服务器端生成的JWT去替代…

CV多模态和AIGC的原理解析:从CLIP、BLIP到Stable Diffusion、Midjourney

前言 终于开写本CV多模态系列的核心主题:stable diffusion相关的了,为何执着于想写这个stable diffusion呢,源于三点 去年stable diffusion和midjourney很火的时候,就想写,因为经常被刷屏,但那会时间错不…

入门车载以太网

前言 近些年来,随着为了让汽车更加安全、智能、环保等,一系列的高级辅助驾驶功能喷涌而出。未来满足这些需求,就对传统的电子电器架构带来了严峻的考验,需要越来越多的电子部件参与信息交互,导致对网络传输速率,稳定性,负载率等方面都提出了更为严格的挑战。 除此以外…

34.RocketMQ之Broker端消息存储流程详解

highlight: arduino-light Broker消息存储概要设计 RocketMQ主要存储的文件包括Commitlog文件,ConsumeQueue文件,IndexFile文件。 RMQ把所有主题的消息存储在同一个文件中,确保消息发送时顺序写文件。 为了提高消费效率引入了ConsumeQueue消息…

云原生TDengine-v3.0部署手册

云原生TDengine-v3.0部署手册 一、管理namespace1.1 创建namespace1.2 namespaces列表 二、配置3份yaml文件2.1 tdengine3-storage-class.yaml2.2 taosd-service.yaml2.3 taosd-tdengine.yaml 三、服务部署3.1 部署StorageClass3.2 部署Service3.3 部署StatefulSet3.4 查看启动…

Flask新手教程

Flask简介 Flask是一个轻量级的可定制框架,使用Python语言编写,较其他同类型框架更为灵活、轻便、安全且容易上手。 Flask 可以很好地结合MVC模式进行开发,开发人员分工合作,小型团队在短时间内就可以完成功能丰富的中小型网站或…

微服务 云原生:微服务相关技术简要概述

后端架构演进 单体架构 所谓单体架构,就是只有一台服务器,所有的系统、程序、服务、应用都安装在这一台服务器上。比如一个 bbs 系统,它用到的数据库,它需要存储的图片和文件等,统统都部署在同一台服务器上。 单体架…

有PMP有没有必要换cspm?未来的发展前景如何?

最近 CSPM 证书很热门,CSPM 相关问题大家都很关心,今天本橘座就给大家全面解答一下 CSPM到底是何方神圣? 文章主要是解答下面几个常见问题,其他问题可以留言或者私信咨询我哦~ 一、什么是 CSPM证书?跟PMP是什么关系&a…

STM32F103驱动VL53L0X激光测距模块

STM32F103驱动VL53L0X激光测距模块 简介引脚定义STM32F103ZET6开发板与VL53L0X模块接线测试代码实验结果 简介 TOF 是飞行时间(Tlme of Flight)技术的缩写,即传感器发出经过调制的近红外光,遇到物体后反射,传感器通过…

「提高你的CSS技能」:15个重要的CSS属性详解

这篇文章介绍了15个重要的CSS属性,旨在提高读者的CSS知识和技能。文章以清晰的方式解释了每个属性的作用和用法,并提供了相应的示例代码。通过这篇文章,读者可以了解到一些有趣且实用的CSS属性。 1:in-range 和:out-of-range 伪类 CSS的:in…

[C++] C++特殊类设计 以及 单例模式:设计无法拷贝、只能在堆上创建、只能在栈上创建、不能继承的类, 单例模式以及饿汉与懒汉的场景...

特殊类 1. 不能被拷贝的类 注意, 是不能被拷贝的类, 不是不能拷贝构造的类. 思路就是 了解什么时候 会以什么途径 发生拷贝, 然后将路堵死. 拷贝发生一般发生在 拷贝构造 和 赋值重载 所以, 只要把类的这两个成员函数堵死, 此类就不能拷贝了 C98 在C11之前, 可以通过这种方…

python-计算两个矩阵的相似度。

余弦相似度 在pytorch中,有一个专门的函数用于计算相似度:torch.cosine_similarity() https://pytorch.org/docs/stable/nn.functional.html#cosine-similarity import torch import torch.nn.functional as F input1 torch.randn(100, 128) input2 t…