目前不清退的交易所推荐：

1、全球第二大交易所OKX欧意

国区邀请链接： https://www.myts3cards.com/cn/join/1837888   币种多，交易量大！

国际邀请链接：https://www.okx.com/join/1837888 注册简单，交易不需要实名，新用户能开合约，币种多，交易量大！

2、老牌交易所比特儿现改名叫芝麻开门 :https://www.gate.win/signup/649183

全球最大交易所币安，国区邀请链接：https://accounts.binance.com/zh-CN/register?ref=16003031  币安注册不了IP地址用香港，居住地选香港，认证照旧，邮箱推荐如gmail、outlook。支持币种多，交易安全！

买好币上KuCoin：https://www.kucoin.com/r/af/1f7w3  CoinMarketCap前五的交易所，注册友好操简单快捷！

FMZ量化交易平台邀请链接：https://www.fmz.com/

欢迎大家根据这篇报告，公开自己的策略，或者改进回测引擎

第二个策略有新的研究内容，一定参考：https://www.fmz.com/digest-topic/5364

此策略已出收费版，改进很多，可供币安做市商。加微信 wangweibing_ustb 联系。

 

币安策略.ipynb下载 

币安期货多币种对冲策略研究

币安期货最近发起了“千团大战”活动（活动地址：https://www.binance-cn.com/cn/futures/activity/tournament ）。FMZ量化平台官方也组织了团队，直接搜索“FMZ”就可以找到，目前已经有200多人，欢迎参与，参加后可加下方微信，回复“币安”拉微信群。

参与活动的用户均可获取此币安期货策略（策略源码将在活动前放出，也可以直接根据此报告自己的代码）。本篇即为此策略的研究报告。**注意策略只供参考，可以在此基础上提出自己的思路进行优化，也欢迎分享。**报告可直接在FMZ网站的研究环境直接使用（点击右上角下载，在研究环境中上传）。

研究环境点击控制中心，再点击箭头位置即可进入，打开上传的.pynb后缀的文件，按shift+enter逐行运行即可。研究环境的使用帮助里有基础的使用教程。
\” />

1.策略缘由

币安现货上架了许多山寨币，虽然短期涨跌不定，如果用日线观察久一些，就会发现基本都跌了90%以上，有的甚至只有最高价零头的零头。可是现货并没有普遍的做空手段，除了不碰山寨币，没有特别的建议。最近两月币安期货上线了二十多个永续合约，其中大多数时主流币种，也有一些默默无闻。这给了我们做空这些山寨币组合的手段。利用山寨币对于BTC往往下跌以及山寨币的走势相关系数很高，可以设计出两种策略。

2.策略原理

第一个策略：策略将分散等值做空选定的一篮子山寨币，同时等仓位做多比特币对冲，降低风险和波动率。随着价格的波动，不断调整仓位保持空头价值恒定和多头仓位对等。本质上时做空山寨币-比特币价格指数。

第二个策略：将做空价格高于山寨币-比特币价格指数的币种，做多低于指数的币种，偏离越大，仓位越大。同时将未对冲的头寸用BTC对冲（也可不对冲）。

In [1]:

# 需要导入的库
import pandas as pd
import requests
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
%matplotlib inline

3.筛选需要的币种

币安永续合约当前上架币种，用API获取，不包含BTC共23个。但研究环境不能访问外网，这里直接给出列表。

In [2]:

#Info = requests.get(\'https://fapi.binance.com/fapi/v1/exchangeInfo\')
#symbols = [symbol_info[\'baseAsset\'] for symbol_info in Info.json()[\'symbols\']]
symbols = [\'ETH\', \'BCH\', \'XRP\', \'EOS\', \'LTC\', \'TRX\', \'ETC\', \'LINK\', \'XLM\', \'ADA\', \'XMR\', \'DASH\', \'ZEC\', \'XTZ\', \'BNB\', \'ATOM\', \'ONT\', \'IOTA\', \'BAT\', \'VET\', \'NEO\', \'QTUM\', \'IOST\']

首先我们研究一下过去一年山寨币对比特币的价格走势，数据我已经提前下载好，并传到了论坛上，可以在研究环境中直接引用

In [3]:

price_btc = pd.read_csv(\'https://www.fmz.com/upload/asset/1ef1af8ec28a75a2dcb.csv\', index_col = 0)
price_btc.index = pd.to_datetime(price_btc.index,unit=\'ms\') #索引位日期

In [4]:

price_btc.tail()

Out[4]:

	ETH	BCH	XRP	EOS	LTC	TRX	ETC	LINK	XLM	ADA	…	XTZ	BNB	ATOM	ONT	IOTA	BAT	VET	NEO	QTUM	IOST
0
2020-03-21	0.021434	0.035580	0.000026	0.000368	0.006196	0.000002	0.000810	0.000367	0.000006	0.000005	…	0.000268	0.001956	0.000351	0.000060	0.000022	0.000022	4.700000e-07	0.001007	0.000199	5.600000e-07
2020-03-22	0.021026	0.034852	0.000025	0.000367	0.006086	0.000002	0.000789	0.000341	0.000006	0.000005	…	0.000253	0.001918	0.000330	0.000059	0.000022	0.000021	4.400000e-07	0.001022	0.000197	5.000000e-07
2020-03-23	0.021010	0.034186	0.000024	0.000353	0.006021	0.000002	0.000768	0.000348	0.000006	0.000005	…	0.000259	0.001883	0.000326	0.000058	0.000022	0.000021	4.400000e-07	0.001032	0.000191	5.100000e-07
2020-03-24	0.020529	0.033712	0.000024	0.000347	0.006012	0.000002	0.000751	0.000343	0.000006	0.000004	…	0.000261	0.001842	0.000318	0.000057	0.000021	0.000023	4.500000e-07	0.001022	0.000189	4.900000e-07
2020-03-25	0.020727	0.033480	0.000024	0.000348	0.005996	0.000002	0.000786	0.000339	0.000006	0.000004	…	0.000258	0.001857	0.000321	0.000056	0.000021	0.000023	4.600000e-07	0.001020	0.000187	4.900000e-07

5 rows × 23 columns

先把这些币种价格画出来看看趋势，数据要归一化。可以看到除了四个币种外，其余币种的价格走势基本一致，呈现出下降趋势。

In [5]:

price_btc_norm = price_btc/price_btc.fillna(method=\'bfill\').iloc[0,]
price_btc_norm.plot(figsize=(16,6),grid = True,legend=False);

Out[5]:

将最后价格变化排一下序，就可以找到明显不同的几个币，分别是LINK，XTZ，BCH, ETH。说明它们往往能走出独立行情，做空它们风险较高，需要排除策略之外。
将剩余的币种再画一个相关系数的热力图，发现ETC，ATOM的走势也相对特殊，可以排除。

In [6]:

price_btc_norm.iloc[-1,].sort_values()[-5:]

Out[6]:

ETH     0.600417
ETC     0.661616
BCH     1.141961
XTZ     2.512195
LINK    2.764495
Name: 2020-03-25 00:00:00, dtype: float64

In [7]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\'])) #剩余的币种

In [8]:

plt.subplots(figsize=(12, 12)) # 设置画面大小
sns.heatmap(price_btc[trade_symbols].corr(), annot=True, vmax=1, square=True, cmap=\"Blues\");

Out[8]:

最后剩余的币种一年平均下跌66%，显然有充足的做空空间。把这些币的趋势合成出山寨币价格指数，发现基本一路下跌，去年下半年较稳定，今年又开始一路下跌。本此研究筛选出\’LINK\’,\’XTZ\’,\’BCH\’, \’ETH\’, \’ETC\’,\’ATOM\’,\’BNB\’,\’EOS\’,\’LTC\’不参与第一个策略的做空，具体的币种可以自己回测。

需要注意的是，现在的山寨币指数处于过去一年中低点，也许不是做空良机，反而可以做多，需要根据个人选择。

In [9]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\', \'ETC\',\'ATOM\',\'BNB\',\'EOS\',\'LTC\'])) #剩余的币种，具体减去哪些，可自己设置。
1-price_btc_norm[trade_symbols].iloc[-1,].mean()

Out[9]:

0.6714306758250285

In [12]:

price_btc_norm[trade_symbols].mean(axis=1).plot(figsize=(16,6),grid = True,legend=False);

Out[12]:

4.币安永续数据

同样的，币安永续的数据已经整理好了，你也可以在自己的notebook中直接引用，数据是2020年1月28到3月31日的1h行情K线，因为币安上线大部分永续合约的时间就这两个月，所以数据用于回测是够了。

In [14]:

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)

In [15]:

price_usdt.tail()

Out[15]:

	BTC	ETH	BCH	XRP	EOS	LTC	TRX	ETC	LINK	XLM	…	XTZ	BNB	ATOM	ONT	IOTA	BAT	VET	NEO	QTUM	IOST
0
2020-04-07 23:00:00	7192.90	164.55	252.51	0.1925	2.632	44.83	0.01329	5.475	2.729	0.04843	…	1.960	14.725	2.346	0.4219	0.1632	0.1611	0.003873	7.719	1.373	0.003394
2020-04-08 00:00:00	7153.32	164.42	251.62	0.1914	2.591	44.41	0.01321	5.415	2.719	0.04816	…	1.928	14.588	2.321	0.4167	0.1628	0.1600	0.003822	7.658	1.366	0.003368
2020-04-08 01:00:00	7160.02	163.83	250.55	0.1924	2.601	44.53	0.01321	5.428	2.758	0.04818	…	1.943	14.592	2.320	0.4152	0.1628	0.1633	0.003815	7.657	1.369	0.003373
2020-04-08 02:00:00	7262.37	168.74	264.67	0.1972	2.684	45.94	0.01352	5.586	2.808	0.04947	…	1.995	14.902	2.378	0.4244	0.1662	0.1674	0.003873	7.800	1.400	0.003442
2020-04-08 03:00:00	7378.88	172.81	275.81	0.2003	2.741	46.68	0.01371	5.720	2.838	0.05033	…	2.052	15.339	2.419	0.4355	0.1700	0.1702	0.003930	7.965	1.420	0.003484

5 rows × 24 columns

先归一化数据看一下整体走势，在3月份的大跌中，相对于2月初的价格，普遍腰斩，可见永续的风险也很高，这波大跌也是对策略的考验。

In [16]:

price_usdt_norm = price_usdt/price_usdt.fillna(method=\'bfill\').iloc[0,]
price_usdt_norm.plot(figsize=(16,6),grid = True,legend=False);

Out[16]:

将我们要做空的币相对于比特币的指数价格画出来，策略原理就是做空这条曲线，收益也基本上是这条曲线反过来。

In [17]:

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,]
price_usdt_btc_norm[trade_symbols].mean(axis=1).plot(figsize=(16,6),grid = True);
#price_usdt_btc_norm.mean(axis=1).plot(figsize=(16,6),grid = True,legend=False);

Out[17]:

5.回测引擎

由于FMZ本地回测并没有所有币种的数据，也不支持多币种回测，所以需要重新实现一个回测引擎，写的比较简单，但也基本够用。考虑到了手续费，但基本忽略了资金费率，没有考虑维持保证金的情况。记录了总权益、占用保证金、杠杆等历史。由于这次策略基本多空对等的，所以资金费率的影响不大。

回测并未考虑到滑价情况，可以自行加大手续费模拟，考虑到币安maker手续费低，即使是冷门币种的盘口差价也很小，实际下单中可以利用冰山委托的方式下单，影响应该不大。

创建交易所对象时，需要指定要交易的币种，Buy做多，Sell做空，由于永续的限制，同时多空会自动平仓, 当做空时币种数量为负。参数如下：

• trade_symbols：要交易的币种列表
• leverage：杠杆，影响保证金,
• commission：手续费，默认万5
• initial_balance：初始资产，USDT计价
• log：是否打印交易记录

In [18]:

class Exchange:
    
    def __init__(self, trade_symbols, leverage=20, commission=0.00005,  initial_balance=10000, log=False):
        self.initial_balance = initial_balance #初始的资产
        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}}
        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}
            
    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 #扣除手续费
        
        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[\'USDT\'][\'margin\'] -= cover_amount*self.account[symbol][\'hold_price\']/self.leverage #释放保证金
            
            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): #对资产进行更新
        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\']
            if self.date.hour in [0,8,16]:
                pass
                self.account[\'USDT\'][\'realised_profit\'] += -self.account[symbol][\'amount\']*close_price[symbol]*0.01/100
        
        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\']]

In [16]:

# 先测试一下回测引擎
e = Exchange([\'BTC\',\'XRP\'],initial_balance=10000,commission=0,log=True)

e.Buy(\'BTC\',100, 5)
e.Sell(\'XRP\',10, 50)

e.Sell(\'BTC\',105,e.account[\'BTC\'][\'amount\'])
e.Buy(\'XRP\',9,-e.account[\'XRP\'][\'amount\'])

round(e.account[\'USDT\'][\'realised_profit\'],4)

Out[16]:

75.0

6.第一个策略代码

策略逻辑：

• 1.检查币种价格，如果不为nan，则可以交易
• 2.检查山寨币合约价值，如果小于目标值trade_value，则卖空相应的差额，如果大于，则买入平仓相应的额度。
• 3.将所有山寨币空头价值相加，调整BTC仓位与之反向对冲。

做空的价值trade_value，决定了仓位的大小。设置log=True将打印交易日志

In [19]:

# 需要与BTC对冲
trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\', \'ETC\',\'ATOM\',\'BNB\',\'EOS\',\'LTC\'])) #剩余的币种
e = Exchange(trade_symbols+[\'BTC\'],initial_balance=10000,commission=0.0005,log=False)
trade_value = 2000
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    empty_value = 0
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        if e.account[symbol][\'value\'] - trade_value  < -20 :
            e.Sell(symbol, price, round((trade_value-e.account[symbol][\'value\'])/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        if e.account[symbol][\'value\'] - trade_value > 20 :
            e.Buy(symbol, price, round((e.account[symbol][\'value\']-trade_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        empty_value += e.account[symbol][\'value\']
    price = row[1][\'BTC\']
    if e.account[\'BTC\'][\'value\'] - empty_value < -20:
        e.Buy(\'BTC\', price, round((empty_value-e.account[\'BTC\'][\'value\'])/price,6),round(e.account[\'BTC\'][\'realised_profit\']+e.account[\'BTC\'][\'unrealised_profit\'],2))
    if e.account[\'BTC\'][\'value\'] - empty_value > 20:
        e.Sell(\'BTC\', price, round((e.account[\'BTC\'][\'value\']-empty_value)/price,6),round(e.account[\'BTC\'][\'realised_profit\']+e.account[\'BTC\'][\'unrealised_profit\'],2))
stragey_1 = e

最终各个币种的利润如下：

In [20]:

pd.DataFrame(stragey_1.account).T.apply(lambda x:round(x,3))

Out[20]:

	realised_profit	margin	unrealised_profit	total	leverage	amount	hold_price	value	price
USDT	5576.449	2350.526	-536.669	15057.009	3.176	NaN	NaN	NaN	NaN
DASH	847.374	86.354	-272.925	NaN	NaN	-26.788	64.472	2000.000	74.660
IOST	926.829	88.409	-231.819	NaN	NaN	-574052.813	0.003	2000.000	0.003
ONT	1302.690	85.751	-284.984	NaN	NaN	-4592.423	0.373	2000.000	0.436
XMR	654.856	77.073	-458.549	NaN	NaN	-34.471	44.717	2000.000	58.020
XLM	643.571	81.016	-379.678	NaN	NaN	-39737.731	0.041	2000.000	0.050
IOTA	1358.780	82.337	-353.258	NaN	NaN	-11764.706	0.140	2000.000	0.170
QTUM	902.930	87.172	-256.569	NaN	NaN	-1408.451	1.238	2000.000	1.420
BAT	1013.011	82.470	-350.592	NaN	NaN	-11750.881	0.140	2000.000	0.170
XRP	682.601	83.889	-322.224	NaN	NaN	-9985.022	0.168	2000.000	0.200
VET	1278.532	78.069	-438.614	NaN	NaN	-508905.852	0.003	2000.000	0.004
NEO	1109.221	83.870	-322.590	NaN	NaN	-251.099	6.680	2000.000	7.965
ADA	982.309	81.397	-372.060	NaN	NaN	-54510.766	0.030	2000.000	0.037
ZEC	1173.761	82.286	-354.278	NaN	NaN	-52.618	31.277	2000.000	38.010
TRX	706.935	82.172	-356.555	NaN	NaN	-145878.920	0.011	2000.000	0.014
BTC	-7708.165	1188.261	4234.779	NaN	NaN	3.795	6262.883	28000.001	7378.880

下面两幅图分别是净值曲线和使用的杠杆。

净值曲线中黄色的是1倍杠杆做空山寨币指数的效果，可以看到策略基本放大了指数的波动，符合预期。最终两个月收益60%，最大回撤20%，最大使用杠杆约8倍，大部分时间都在6倍以下，还是比较安全的。最重要的是，完全对冲使得策略在3月12号大跌中损失不大。

当做空的币价上涨，合约价值增加，此时是减仓的，反之盈利是加仓。这使得总的合约价值维持恒定，即使暴涨暴跌也损失有限。

但风险前面也提到了，山寨币是很有可能走出独立的行情的，并且有可能从底部抬升不少。这取决与如何使用，如果你看好山寨币并认为已经到底部，可以方向操作，做多指数。或者你看好某几个币种，可以和它们对冲。

In [67]:

(stragey_1.df[\'total\']/stragey_1.initial_balance).plot(figsize=(18,6),grid = True);#净值曲线
#(2-price_usdt_btc_norm[trade_symbols].mean(axis=1)).plot(figsize=(18,6),grid = True);

Out[67]:

In [24]:

# 策略的杠杆stragey_1.df[\'leverage\'].plot(figsize=(18,6),grid = True);

Out[24]:

当然由于山寨币对USDT的价格也是下跌的，极端的方案是不对冲，直接裸空，但波动很大，回撤很高

In [25]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\', \'ETC\',\'ATOM\',\'BNB\',\'EOS\',\'LTC\'])) #剩余的币种
e = Exchange(trade_symbols+[\'BTC\'],initial_balance=10000,commission=0.0005,log=False)
trade_value = 2000
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    empty_value = 0
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        if e.account[symbol][\'value\'] - trade_value  < -20 :
            e.Sell(symbol, price, round((trade_value-e.account[symbol][\'value\'])/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        if e.account[symbol][\'value\'] - trade_value > 20 :
            pass
            #e.Buy(symbol, price, round((e.account[symbol][\'value\']-trade_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        empty_value += e.account[symbol][\'value\']
stragey_1b = e

In [26]:

(stragey_1b.df[\'total\']/stragey_1.initial_balance).plot(figsize=(18,6),grid = True);#净值曲线
(2-price_usdt_btc_norm[trade_symbols].mean(axis=1)).plot(figsize=(18,6),grid = True);

Out[26]:

7.第二个策略代码

策略逻辑：

• 1.检查是否有价格，有价格进行交易
• 2.检查币种价格相对于指数的偏离
• 3.根据偏离判断做多做空,根据偏离大小判断仓位
• 4.计算未对冲的仓位用BTC对冲

同样由trade_value控制开仓大小。也可以修改diff/0.001的换算系数

In [31]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\'])) #剩余的币种
price_usdt_btc_norm_mean = price_usdt_btc_norm[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols+[\'BTC\'],initial_balance=10000,commission=0.0005,log=False)
trade_value = 300
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    empty_value = 0
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm.loc[row[0],symbol] - price_usdt_btc_norm_mean[row[0]]
        aim_value = -trade_value*round(diff/0.01,0)
        now_value = e.account[symbol][\'value\']*np.sign(e.account[symbol][\'amount\'])
        empty_value += now_value
        if aim_value - now_value > 50:
            e.Buy(symbol, price, round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        if aim_value - now_value < -50:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
    price = row[1][\'BTC\']
    aim_value = -empty_value
    now_value = e.account[\'BTC\'][\'value\']*np.sign(e.account[\'BTC\'][\'amount\'])
    if aim_value - now_value > 50:
        e.Buy(\'BTC\', price, round((aim_value - now_value)/price, 6),round(e.account[\'BTC\'][\'realised_profit\']+e.account[\'BTC\'][\'unrealised_profit\'],2))
    if aim_value - now_value < -50:
        e.Sell(\'BTC\', price, -round((aim_value - now_value)/price, 6),round(e.account[\'BTC\'][\'realised_profit\']+e.account[\'BTC\'][\'unrealised_profit\'],2))
stragey_2 = e

策略的收益相对第一个策略好上不少，近两个月有100%的收益，但还是有20%的回撤，并且最近一周由于行情波动较小，收益不明显。总体的杠杆也不多。这个策略值得尝试。根据偏离程度的不同，最多的开了7800多USDT。

注意到如果某个币走出了独立的行情，比如相对于指数上涨了几倍，将会在该币种上积累大量的做空仓位，同样的大幅下跌也会使得策略大量做多，可以限制最大开仓价值。

In [32]:

(stragey_2.df[\'total\']/stragey_2.initial_balance).plot(figsize=(18,6),grid = True);

Out[32]:

In [33]:

# 各币种汇总结果pd.DataFrame(e.account).T.apply(lambda x:round(x,3))

Out[33]:

	realised_profit	margin	unrealised_profit	total	leverage	amount	hold_price	value	price
USDT	11544.446	2240.648	-572.088	20961.347	2.142	NaN	NaN	NaN	NaN
LTC	208.435	71.269	-74.615	NaN	NaN	-32.134	44.358	1500.000	46.680
DASH	-1611.443	15.000	-0.000	NaN	NaN	-4.018	74.660	300.000	74.660
IOTA	-731.880	137.227	255.450	NaN	NaN	17647.059	0.156	3000.000	0.170
QTUM	3695.002	15.000	8.472	NaN	NaN	217.234	1.381	308.472	1.420
EOS	515.414	15.000	-16.148	NaN	NaN	-115.340	2.601	316.148	2.741
XRP	804.351	213.625	-527.496	NaN	NaN	-23964.054	0.178	4800.000	0.200
VET	2029.654	119.771	39.893	NaN	NaN	619674.671	0.004	2435.321	0.004
NEO	1046.044	44.474	39.211	NaN	NaN	116.595	7.629	928.682	7.965
ADA	606.302	29.077	-26.916	NaN	NaN	-16583.748	0.035	608.458	0.037
BNB	895.348	71.510	-69.793	NaN	NaN	-97.790	14.625	1500.000	15.339
TRX	980.596	141.199	-218.180	NaN	NaN	-221893.491	0.013	3042.160	0.014
IOST	3369.938	103.764	24.726	NaN	NaN	602755.454	0.003	2100.000	0.003
ETC	-2929.940	245.720	485.595	NaN	NaN	944.056	5.206	5400.000	5.720
ONT	1365.283	216.755	464.890	NaN	NaN	11021.814	0.393	4800.000	0.436
XMR	662.873	239.586	-608.286	NaN	NaN	-93.071	51.484	5400.000	58.020
XLM	319.303	238.507	-629.853	NaN	NaN	-107291.874	0.044	5400.000	0.050
ATOM	1501.062	113.670	126.604	NaN	NaN	992.146	2.291	2400.000	2.419
BAT	1572.965	45.429	-29.451	NaN	NaN	-5511.329	0.165	938.028	0.170
ZEC	-1108.730	126.443	171.133	NaN	NaN	71.034	35.601	2700.000	38.010
BTC	164.300	37.620	-0.000	NaN	NaN	-0.102	7378.880	752.395	7378.880

In [34]:

e.df[\'leverage\'].plot(figsize=(18,6),grid = True);

Out[34]:

如果不对冲的结果如下，实际上差别不大。因为多空基本是平衡的。

In [63]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\']))#剩余的币种
price_usdt_btc_norm_mean = price_usdt_btc_norm[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.0005,log=False)
trade_value = 300
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    empty_value = 0
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm.loc[row[0],symbol] - price_usdt_btc_norm_mean[row[0]]
        aim_value = -trade_value*round(diff/0.01,1)
        now_value = e.account[symbol][\'value\']*np.sign(e.account[symbol][\'amount\'])
        empty_value += now_value
        if aim_value - now_value > 20:
            e.Buy(symbol, price, round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        if aim_value - now_value < -20:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
stragey_2b = e

In [58]:

(stragey_2b.df[\'total\']/stragey_2.initial_balance).plot(figsize=(18,6),grid = True);
#(stragey_2.df[\'total\']/stragey_2.initial_balance).plot(figsize=(18,6),grid = True); #可叠加在一起看看

Out[58]:

如果参考USDT的价格回归，效果会差很多

In [59]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\']))+[\'BTC\'] #剩余的币种
price_usdt_norm_mean = price_usdt_norm[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.0005,log=False)
trade_value = 300
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    empty_value = 0
    for symbol in trade_symbols+[\'BTC\']:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_norm.loc[row[0],symbol] - price_usdt_norm_mean[row[0]]
        aim_value = -trade_value*round(diff/0.01,1)
        now_value = e.account[symbol][\'value\']*np.sign(e.account[symbol][\'amount\'])
        empty_value += now_value
        if aim_value - now_value > 20:
            e.Buy(symbol, price, round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        if aim_value - now_value < -20:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
stragey_2c = e

In [60]:

(stragey_2c.df[\'total\']/stragey_2.initial_balance).plot(figsize=(18,6),grid = True);
(stragey_2b.df[\'total\']/stragey_2.initial_balance).plot(figsize=(18,6),grid = True);

Out[60]:

如果限制最大持仓价值,表现会差一些

In [64]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'XTZ\',\'BCH\', \'ETH\'])) #剩余的币种
price_usdt_btc_norm_mean = price_usdt_btc_norm[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols+[\'BTC\'],initial_balance=10000,commission=0.0005,log=False)
trade_value = 300
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    empty_value = 0
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm.loc[row[0],symbol] - price_usdt_btc_norm_mean[row[0]]
        aim_value = -trade_value*round(diff/0.01,1)
        now_value = e.account[symbol][\'value\']*np.sign(e.account[symbol][\'amount\'])
        empty_value += now_value
        if aim_value - now_value > 20 and abs(aim_value)<3000:
            e.Buy(symbol, price, round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
        if aim_value - now_value < -20 and abs(aim_value)<3000:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
    price = row[1][\'BTC\']
    aim_value = -empty_value
    now_value = e.account[\'BTC\'][\'value\']*np.sign(e.account[\'BTC\'][\'amount\'])
    if aim_value - now_value > 20:
        e.Buy(\'BTC\', price, round((aim_value - now_value)/price, 6),round(e.account[\'BTC\'][\'realised_profit\']+e.account[\'BTC\'][\'unrealised_profit\'],2))
    if aim_value - now_value < -20:
        e.Sell(\'BTC\', price, -round((aim_value - now_value)/price, 6),round(e.account[\'BTC\'][\'realised_profit\']+e.account[\'BTC\'][\'unrealised_profit\'],2))
stragey_2d = e

In [65]:

(stragey_2d.df[\'total\']/stragey_2.initial_balance).plot(figsize=(17,6),grid = True);

Out[65]:

8.总结与风险

第一个策略利用了山寨币总体价值不如比特币的特点，如果你看多比特币，不妨将这个策略长期坚持用下去，由于多空对等，也基本不怕8h一次的资金费率。长期来看，胜率比较高。但也担心山寨币目前在底部，有可能走出一段上涨的行情，造成策略的亏损。

第二个策略运用了山寨币的价格回归特性，涨的比指数多，大概率要跌回来。但可能会在单币种累计过多仓位，如果某个币真的一飞冲天不回头，会产生较大亏损。

由于策略的启动时间不同，具体参数不同，使用这个策略的人比较多时影响应该也不是很大。

总之，没有完美的策略，只有正确看待策略的态度，它终究还取决与使用者对风险的理解和对未来的判断。

这两个策略将在比赛前放出FMZ发明者量化平台的源码供大家参考。再此之前，也可以自己写出来，欢迎大家分享。

In [ ]:

FMZ量化交易平台邀请链接：https://www.fmz.com/

全球最大交易所币安，国区邀请链接：https://accounts.binance.com/zh-CN/register?ref=16003031  币安注册不了IP地址用香港，居住地选香港，认证照旧，邮箱推荐如gmail、outlook。支持币种多，交易安全！

买好币上KuCoin：https://www.kucoin.com/r/af/1f7w3  CoinMarketCap前五的交易所，注册友好操简单快捷！

目前不清退的交易所推荐：

1、全球第二大交易所OKX欧意，邀请链接：https://www.myts3cards.com/cn/join/1837888 注册简单，交易不需要实名，新用户能开合约，币种多，交易量大！。

2、老牌交易所比特儿现改名叫芝麻开门 :https://www.gate.win/signup/649183

买好币上币库：https://www.kucoin.com/r/1f7w3

火必所有用户现在可用了，但是要重新注册账号火币：https://www.huobi.com

全球最大交易所币安，

国区邀请链接：https://accounts.suitechsui.mobi/zh-CN/register?ref=16003031 支持86手机号码，网页直接注册。