FMZ量化交易2021年数字货币行情回顾与错过的最简单10倍策略

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/

2021年总结与未来的策略.ipynb下载 

2021年就要过去，从DEFI到GAMEFI热点层出不穷，整体大盘仍然是牛市。现在回过头来总结，你2021年收益多少？错过了什么机会？有什么成功的投资？最近我拉取了一下过去一年的历史行情，发现了一个令人意外的简单暴利策略，但就是多币种指数。

交易所上架币种太多了，有很多注定默默无闻，甚至有可能被退出交易。这里我们选择上线过币安永续合约的币种，它们一般经过了考验，是被认可的主流币种，相对安全。经过简单的筛选，去掉一些指数币，最终得到134个币种。

In [1]:

import requests
from datetime import date,datetime
import time
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

In [144]:

## 当前交易对
Info = requests.get(\'https://fapi.binance.com/fapi/v1/exchangeInfo\')
symbols = [s[\'symbol\'] for s in Info.json()[\'symbols\']]

In [154]:

symbols_f = 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_f)

In [155]:

print(len(symbols_f))

过去一年市场

然后我们获取它们过去一年的日线收盘价，注意到一些币的上架时间较短，因此需要填充数据。对数据进行归一化处理，可以算出指数。

最终的指数收益约为12倍，就是说如果2021年1月1日平均买入这134个币，什么都不做的最终收益为12倍，估计90%以上的人都没有跑赢平均指数。其中跌幅最大的币：ICP跌93%, DODO跌85%, LINA跌75%。涨幅接近百倍的有：SOL、FTM、LUNA、MATIC、SAND、AXS。其中AXS涨幅168倍，是最大的黑马。中位数涨幅为3倍，可以说主要是靠公链和游戏把指数拉起来的。为了防止幸存者偏差，把期间永续新上币种排除在外，也取得了接近11倍的收益。是单纯的持有BTC的7倍收益。

这是个令人绝望的收益率，辛辛苦苦费尽心思做各种各样的策略，还没有一年躺平赚的多。但需要注意的是，其中的几个比涨幅实在太过于巨大，明显偏离了指数，如果年初没有选到这些币，收益将会接近中位数，就远远没有那么突出了。

In [157]:

#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 = int(time.mktime(datetime.strptime(end, \"%Y-%m-%d\").timetuple()))*1000 + 8*60*60*1000
    intervel_map = {\'m\':60*1000,\'h\':60*60*1000,\'d\':24*60*60*1000}
    while start_time < end_time:
        mid_time = min(start_time+1000*int(period[:-1])*intervel_map[period[-1]],end_time)
        url = \'https://\'+base+\'.binance.com/\'+base+\'/\'+v+\'/klines?symbol=%s&interval=%s&startTime=%s&endTime=%s&limit=1000\'%(symbol,period,start_time,mid_time)
        res = requests.get(url)
        res_list = res.json()
        if type(res_list) == list and len(res_list) > 0:
            start_time = res_list[-1][0]
            Klines += res_list
        elif type(res_list) == list:
            start_time = start_time+1000*int(period[:-1])*intervel_map[period[-1]]
        else:
            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

In [164]:

df_all_s = pd.DataFrame(index=pd.date_range(start=\'2021-1-1\', end=\'2021-12-28\', freq=\'1d\'),columns=symbols_s)
for i in range(len(symbols_f)):
    #print(symbols_s[i])
    symbol_s = symbols_f[i]
    df_s = GetKlines(symbol=symbol_s,start=\'2021-1-1\',end=\'2021-12-28\',period=\'1d\',base=\'api\',v=\'v3\')
    df_all_s[symbol_s] = df_s[~df_s.index.duplicated(keep=\'first\')].close

In [165]:

df_all_s.tail() #数据结构

Out[165]:

In [174]:

df_all = df_all_s.fillna(method=\'bfill\')#填充数据
df_norm = df_all/df_all.iloc[0] #归一化
df_norm.mean(axis=1).plot(figsize=(12,4),grid=True);
#最终指数收益图

Out[174]:

In [175]:

#中位数涨幅
df_norm.median(axis=1).plot(figsize=(12,4),grid=True);

Out[175]:

In [168]:

#涨跌排名
print(df_norm.iloc[-1].round(2).sort_values().to_dict())

In [317]:

#当前价格与年内最高点相比最大回撤
print((1-df_norm.iloc[-1]/df_norm.max()).round(2).sort_values().to_dict())

In [177]:

df_all_f = pd.DataFrame(index=pd.date_range(start=\'2021-1-1\', end=\'2021-12-28\', freq=\'1d\'),columns=symbols_s)
for i in range(len(symbols_f)):
    #print(symbols_s[i])
    symbol_f = symbols_f[i]
    df_f = GetKlines(symbol=symbol_f,start=\'2021-1-1\',end=\'2021-12-28\',period=\'1d\',base=\'fapi\',v=\'v1\')
    df_all_f[symbol_f] = df_f[~df_f.index.duplicated(keep=\'first\')].close

In [208]:

#不包含新上币
df = df_all_s[df_all_s.columns[~df_all_f.iloc[0].isnull()]]
df = df.fillna(method=\'bfill\')
df = df/df.iloc[0]
df.mean(axis=1).plot(figsize=(12,4),grid=True);

Out[208]:

In [212]:

#相对于比特币
(df.mean(axis=1)/df.BTCUSDT).plot(figsize=(12,4),grid=True);

Out[212]:

In [213]:

#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)

In [418]:

#为了回测更加准确，爬取了小时K线
df_all_s = pd.DataFrame(index=pd.date_range(start=\'2021-1-1\', end=\'2021-12-28\', freq=\'1h\'),columns=symbols_s)
for i in range(len(symbols_f)):
    #print(symbols_s[i])
    symbol_s = symbols_f[i]
    df_s = GetKlines(symbol=symbol_s,start=\'2021-1-1\',end=\'2021-12-28\',period=\'1h\',base=\'api\',v=\'v3\')
    df_all_s[symbol_s] = df_s[~df_s.index.duplicated(keep=\'first\')].close

In [419]:

df = df_all_s[df_all_s.columns[~df_all_f.iloc[0].isnull()]]
df = df.fillna(method=\'bfill\')
df = df/df.iloc[0]
df.mean(axis=1).plot(figsize=(12,4),grid=True);

Out[419]:

平衡策略的表现

回测选择了2021年1月1日上线币安永续合约的所有币种，K线周期为1h,参数为持仓低于平均值的5%开始补仓，超过5%卖出。当回测为全币种时,最终策略收益为7.7倍。明显不如13倍的平均收益。这也实在预料之中，毕竟几个涨幅百倍的币实在太特殊了，平衡策略会把它们全部卖飞。

如果回测选择去掉涨幅最高的10个币，只考察相对平庸的币种，最终收益4.8倍，远超3.4倍的平均表现。

如果只轮动涨幅最高的3个币，最终收益为373倍，远超过了160倍的平均表现。这说明，如果所选轮动币种的趋势和涨幅趋于一致，那么轮动的结果将远好于不轮动的躺平。

In [494]:

#全币种回测
symbols = list(df.iloc[-1].sort_values()[:].index)
e = Exchange(symbols, fee=0.001, initial_balance=10000)
res_list = []
avg_pct = 1/len(symbols)
for row in df[symbols].iterrows():
    prices = row[1]
    total = e.account[\'USDT\'][\'total\']
    e.Update(prices)
    for symbol in symbols:
        pct = e.account[symbol][\'value\']/total
        if pct < 0.95*avg_pct:
            e.Buy(symbol,prices[symbol],(avg_pct-pct)*total/prices[symbol])
        if pct > 1.05*avg_pct:
            e.Sell(symbol,prices[symbol],(pct-avg_pct)*total/prices[symbol])
    res_list.append([e.account[symbol][\'value\'] for symbol in symbols] + [e.account[\'USDT\'][\'total\']])
res = pd.DataFrame(data=res_list, columns=symbols+[\'total\'],index = df.index)

In [495]:

e.account[\'USDT\']

Out[495]:

In [496]:

#全币种回测表现
(res.total/10000).plot(figsize=(12,4),grid = True); 
df[symbols].mean(axis=1).plot(figsize=(12,4),grid=True);

Out[496]:

In [498]:

#去掉涨幅巨大的币种
symbols = list(df.iloc[-1].sort_values()[:-10].index)
e = Exchange(symbols, fee=0.001, initial_balance=10000)
res_list = []
avg_pct = 1/len(symbols)
for row in df[symbols].iterrows():
    prices = row[1]
    total = e.account[\'USDT\'][\'total\']
    e.Update(prices)
    for symbol in symbols:
        pct = e.account[symbol][\'value\']/total
        if pct < 0.95*avg_pct:
            e.Buy(symbol,prices[symbol],(avg_pct-pct)*total/prices[symbol])
        if pct > 1.05*avg_pct:
            e.Sell(symbol,prices[symbol],(pct-avg_pct)*total/prices[symbol])
    res_list.append([e.account[symbol][\'value\'] for symbol in symbols] + [e.account[\'USDT\'][\'total\']])
res = pd.DataFrame(data=res_list, columns=symbols+[\'total\'],index = df.index)

In [501]:

e.account[\'USDT\']

Out[501]:

In [499]:

(res.total/10000).plot(figsize=(12,4),grid = True); 
df[symbols].mean(axis=1).plot(figsize=(12,4),grid=True);

Out[499]:

In [503]:

#只会测涨幅最高的币
symbols = list(df.iloc[-1].sort_values()[-3:].index)
e = Exchange(symbols, fee=0.001, initial_balance=10000)
res_list = []
avg_pct = 1/len(symbols)
for row in df[symbols].iterrows():
    prices = row[1]
    total = e.account[\'USDT\'][\'total\']
    e.Update(prices)
    for symbol in symbols:
        pct = e.account[symbol][\'value\']/total
        if pct < 0.95*avg_pct:
            e.Buy(symbol,prices[symbol],(avg_pct-pct)*total/prices[symbol])
        if pct > 1.05*avg_pct:
            e.Sell(symbol,prices[symbol],(pct-avg_pct)*total/prices[symbol])
    res_list.append([e.account[symbol][\'value\'] for symbol in symbols] + [e.account[\'USDT\'][\'total\']])
res = pd.DataFrame(data=res_list, columns=symbols+[\'total\'],index = df.index)

In [504]:

e.account[\'USDT\']

Out[504]:

In [505]:

(res.total/10000).plot(figsize=(12,4),grid = True); 
df[symbols].mean(axis=1).plot(figsize=(12,4),grid=True);

Out[505]:

总结

总的来看，2021年是山寨币的大牛市，比特币落寞的一年。比特币的市值占比一路从年初的70%跌倒现在40%，已经是历史最低水平了，所以过去一年买入山寨并持有获取的平均收益远远高于持有比特币。展望2022年，如果你认为未来仍然有几个百倍币在当前市场上诞生，可以大胆分散持有然后耐心等待。如果你特别看好几个币或者看好平均市场，可以用轮动策略无脑获取超额的收益，如果你认为物极必反，可以抄底比特币，获得更好的收益和安全性。

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。