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/

策略有收费升级版，改进很多，具体可以加我微信 wangweibing_ustb 联系

 

[千团大战]币安期货多币种对冲策略最近的复盘和分钟级K线回测的结果.ipynb下载 

币安期货多币种对冲策略最近的复盘和分钟级K线回测的结果

币安多币种对冲策略的研究报告已经发了3篇，这里是第4篇。前三篇的连接，没看的一定要再看一遍，可以了解策略的成型思路，具体参数的设置和策略逻辑。

• [千团大战]币安期货多币种对冲策略研究（第1篇）：https://www.fmz.com/digest-topic/5294
• [千团大战]币安期货做空超涨做多超跌策略重要优化（第2篇）https://www.fmz.com/digest-topic/5364
• [千团大战]币安期货做空超涨做多超跌策略风险分析（第3篇）https://www.fmz.com/digest-topic/5400

很多人还不会使用研究环境，这里有一篇简单的入门介绍:https://www.fmz.com/bbs-topic/4388

本篇文章要复盘以下最近1周的实盘情况，总结一下得失。由于爬取了最近两个月的币安期货分钟线数据，可以更新下原来1hK线的回测结果，更能说明一些参数设置的含义。

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

In [91]:

symbols = [\'BTC\',\'ETH\', \'BCH\', \'XRP\', \'EOS\', \'LTC\', \'TRX\', \'ETC\', \'LINK\', \'XLM\', \'ADA\', \'XMR\', \'DASH\', \'ZEC\', \'XTZ\', \'BNB\', \'ATOM\', \'ONT\', \'IOTA\', \'BAT\', \'VET\', \'NEO\', \'QTUM\', \'IOST\']

分钟线数据

数据从2月21日到4月15下午两点，共77160*24条，这大大降低了我们的回测速度，回测引擎也不够高效，可以自行优化。以后有需要，我会定期追踪一下最新数据。

In [306]:

price_usdt = pd.read_csv(\'https://www.fmz.com/upload/asset/2b1fa7ab641385067ad.csv\',index_col = 0)
price_usdt.shape

Out[306]:

(77160, 24)

In [309]:

price_usdt.index = pd.to_datetime(price_usdt.index,unit=\'ms\')
price_usdt_norm = price_usdt/price_usdt.fillna(method=\'bfill\').iloc[0,]
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,]

In [252]:

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, \'fee\':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,\'fee\':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
        self.account[\'USDT\'][\'fee\'] += price*amount*self.commission
        self.account[symbol][\'fee\'] += price*amount*self.commission
        
        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\']
        
        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\']]

过去一周复盘

策略代码4月10号在微信群放出，刚开始就有一批人跑起了策略2——做空超涨做多超跌，开始的三天，收益很好，回撤很低，迅速激发了大家的热情。部分人放大了杠杆，甚至是满杠杆操作，收益一天就干到了10%。策略广场也公开了大量的实盘，很多人开始不满足与保守的推荐参数，纷纷放大了交易量。4月13后但由于BNB的独立行情，策略开始回撤和横盘，如果按默认3%的trade_value来看，大概回撤了1%。但很多人由于放大的参数，导致赚的少，亏得多。这一波回撤还算及时，让大家冷静了一些。

首先看一下策略二的全币种回测，这里由于是分钟更新，Alpha参数需要调整。从实盘来看，曲线走势相符，说明我们的回测可以作为很强的参考，净值从4.13日到达净值顶点一直处于回撤和横盘阶段。

In [358]:

Alpha = 0.001
#price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.rolling(20).mean() #普通均线
price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
trade_symbols = list(set(symbols))
price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.00075,log=False)
trade_value = 300
for row in price_usdt.iloc[-7500:].iterrows():
    e.Update(row[0], row[1])
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm2.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\'])
        if aim_value - now_value > 0.5*trade_value:
            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 < -0.5*trade_value:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
stragey_2a = e

In [359]:

(stragey_2a.df[\'total\']/stragey_2d.initial_balance).plot(figsize=(17,6),grid = True);

Out[359]:

策略1，做空山寨币策略实现了正收益

In [346]:

trade_symbols = list(set(symbols)-set([\'LINK\',\'BTC\',\'XTZ\',\'BCH\', \'ETH\'])) #做空的币种
e = Exchange(trade_symbols+[\'BTC\'],initial_balance=10000,commission=0.00075,log=False)
trade_value = 2000
for row in price_usdt.iloc[-7500:].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  < -120 :
            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 > 120 :
            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 < -120:
        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 > 120:
        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

In [360]:

(stragey_1.df[\'total\']/stragey_1.initial_balance).plot(figsize=(17,6),grid = True);

Out[360]:

策略2做多超跌做空超涨盈利分析

把最后账户信息打印出来，可见大部分币种都带来了利润，BNB亏损最多，这也是主要因为BNB走出了一波独立行情，上涨不少,最大偏离了0.06。

In [367]:

pd.DataFrame(stragey_2a.account).T.apply(lambda x:round(x,3)).sort_values(by=\'realised_profit\')

Out[367]:

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	amount	fee	hold_price	leverage	margin	price	realised_profit	total	unrealised_profit	value
BNB	-24.871	17.459	15.527	NaN	19.308	15.701	-98.445	NaN	-4.336	390.497
ONT	-304.260	6.416	0.394	NaN	6.000	0.397	-23.734	NaN	-0.913	120.913
IOST	0.000	6.066	0.003	NaN	0.000	0.003	-23.349	NaN	0.000	0.000
BCH	1.353	12.002	222.789	NaN	15.073	223.920	-21.968	NaN	1.530	302.990
VET	-104305.964	13.095	0.004	NaN	19.295	0.004	-17.984	NaN	-4.197	390.104
LTC	2.180	4.727	40.800	NaN	4.448	41.540	-11.820	NaN	1.613	90.567
TRX	9584.665	8.066	0.012	NaN	5.952	0.013	-5.932	NaN	1.250	120.288
ADA	-3573.556	7.060	0.034	NaN	6.000	0.034	-3.283	NaN	0.143	119.857
NEO	0.000	3.961	7.312	NaN	0.000	7.345	4.201	NaN	0.000	0.000
ETH	-0.190	6.102	160.908	NaN	1.529	160.600	5.217	NaN	0.059	30.525
BTC	0.022	8.264	6886.980	NaN	7.500	6901.600	5.682	NaN	0.318	150.317
EOS	-36.526	6.573	2.464	NaN	4.500	2.488	13.441	NaN	-0.877	90.877
XRP	-318.302	7.951	0.188	NaN	3.000	0.189	15.581	NaN	-0.255	60.255
QTUM	-111.029	6.296	1.351	NaN	7.500	1.359	18.775	NaN	-0.888	150.888
ATOM	-225.094	16.758	2.377	NaN	26.753	2.419	23.894	NaN	-9.451	544.502
ZEC	3.378	15.476	35.786	NaN	6.045	35.960	35.389	NaN	0.589	121.486
IOTA	2294.455	7.898	0.159	NaN	18.185	0.158	43.010	NaN	-0.490	363.212
BAT	-1083.685	17.144	0.166	NaN	8.990	0.166	45.001	NaN	-0.526	180.325
XMR	-3.887	7.198	54.172	NaN	10.530	54.800	49.430	NaN	-2.441	213.032
XLM	2488.594	9.248	0.048	NaN	5.963	0.048	64.774	NaN	0.938	120.199
ETC	-22.629	11.372	5.329	NaN	6.029	5.334	65.262	NaN	-0.122	120.701
LINK	218.778	47.897	3.254	NaN	35.592	3.280	84.681	NaN	5.759	717.593
XTZ	45.616	26.661	1.973	NaN	4.500	1.968	146.921	NaN	-0.228	89.772
DASH	3.721	20.171	72.810	NaN	13.545	73.320	160.891	NaN	1.896	272.790
USDT	NaN	293.860	NaN	0.46	236.236	NaN	281.775	10271.146	-10.628	NaN

,

In [355]:

# BNB的偏离情况
(price_usdt_btc_norm2.iloc[-7500:].BNB-price_usdt_btc_norm_mean[-7500:]).plot(figsize=(17,6),grid = True);
#price_usdt_btc_norm_mean[-7500:].plot(figsize=(17,6),grid = True);

Out[355]:

如果把BNB，ATOM亏损大户去掉的结果如何，表现好了一些，但最近依然是会回撤阶段。

In [363]:

Alpha = 0.001
price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
trade_symbols = list(set(symbols)-set([\'BNB\',\'ATOM\']))
price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.00075,log=False)
trade_value = 300
for row in price_usdt.iloc[-7500:].iterrows():
    e.Update(row[0], row[1])
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm2.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\'])
        if aim_value - now_value > 0.5*trade_value:
            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 < -0.5*trade_value:
            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 [364]:

(stragey_2b.df[\'total\']/stragey_2b.initial_balance).plot(figsize=(17,6),grid = True);

Out[364]:

最近两天流行跑主流币策略，我们也回测一下这种策略。由于币种减少，trade_value适当增加4倍以对比,结果表现不错，尤其是最近回撤很小。

需要注意的是只跑主流币在更长时间的回测中是不如全币种的，回撤也更多。自己可以动手在小时线上回测以下，主要是因为币种少了资金分散，波动性反而上升。

In [365]:

Alpha = 0.001
price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
trade_symbols = [\'ETH\',\'LTC\',\'EOS\',\'XRP\',\'BCH\']
price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.00075,log=False)
trade_value = 1200
for row in price_usdt.iloc[-7500:].iterrows():
    e.Update(row[0], row[1])
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm2.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\'])
        if aim_value - now_value > 0.5*trade_value:
            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 < -0.5*trade_value:
            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 [366]:

(stragey_2c.df[\'total\']/e.initial_balance).plot(figsize=(17,6),grid = True);

Out[366]:

手续费和策略参数分析

由于前几个报告用的都是小时线，和实盘参数情况参数很大，现在有了分钟线，就可以看出来一些参数要如何设置，首先先看默认参数的设置:

• Alpha = 0.03 指数移动平局的Alpha参数，设置的越大，基准价格跟踪越敏感，交易的越少，最终持仓也会越低，降低了杠杆，但会降低收益，降低最大回撤。
• Update_base_price_time_interval = 30*60 多久更新一次基准价格, 单位秒，和Alpha参数相关,Alpha 设置的越小，这个间隔也可以设置的更小
• Trade_value：山寨币价格（BTC计价）每偏离指数1%持有价值，需要根据自己投入的总资金和风险偏好决定，建议设置为总资金的3-10%。可通过研究环境的回测看杠杆的大小，Trade_value可以小于Adjust_value，如Adjust_value的一半，这样相当于偏离指数2%的持有价值。
• Adjust_value： 合约价值（USDT计价）调整偏离值。 当 指数偏离 * Trade_value – 当前持仓 > Adjust_value，即目标持仓和当前持仓的差超过此值，就会开始交易。过大调整较慢，太小交易频繁，不能低于10，否则会达不到最小成交,推荐设置为Trade_value的40%以上。

Trade_value不必说，直接关系到我们的收益和风险，如果Trade_value一直没改过，到目前应该是盈利的。

Alpha由于我们这次有了更高频的数据，显然也要1min更新一次才更加合理，自然要比原来小，具体多少可以通过回测确定。

Adjust_value一直推荐Trade_value的40%以上，原来1hK线设置多少都影响不大，有些人希望调的很低，这样就可以更加紧密的贴近目标持仓，这里将会分析为什么不应该这样做。

首先分析手续费的问题

可以看到在默认费率0.00075的情况下，手续费293,利润为270，比例非常高。我们把手续费设为0，Adjust_value设置为10，看看会怎样。

In [369]:

stragey_2a.account[\'USDT\']

Out[369]:

{\'fee\': 293.85972778530453,
 \'leverage\': 0.45999999999999996,
 \'margin\': 236.23559736312995,
 \'realised_profit\': 281.77464608744435,
 \'total\': 10271.146238,
 \'unrealised_profit\': -10.628408369648495}

In [370]:

Alpha = 0.001
#price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.rolling(20).mean() #普通均线
price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
trade_symbols = list(set(symbols))
price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0,log=False)
trade_value = 300
for row in price_usdt.iloc[-7500:].iterrows():
    e.Update(row[0], row[1])
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm2.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\'])
        if aim_value - now_value > 10:
            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 < 10:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
stragey_2d = e

In [371]:

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

Out[371]:

结果是一条直线向上，BNB只是带来了一点小小的波折，较低的Adjust_value抓住了每一次波动，没有手续费利润极佳。

如果有手续费，Adjust_value很小会怎样？

In [372]:

Alpha = 0.001
#price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.rolling(20).mean() #普通均线
price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
trade_symbols = list(set(symbols))
price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.00075,log=False)
trade_value = 300
for row in price_usdt.iloc[-7500:].iterrows():
    e.Update(row[0], row[1])
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm2.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\'])
        if aim_value - now_value > 10:
            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 < 10:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
stragey_2e = e
(stragey_2e.df[\'total\']/e.initial_balance).plot(figsize=(17,6),grid = True);

Out[372]:

结果也走出了一条直线下跌的曲线，想想很容易理解，在很小的差价范围频繁调整，只会亏掉手续费。

综合来看，手续费水平越低，Adjust_value可以设置的越小，交易越频繁，利润越高。

Alpha设置的问题

既然有了分钟线，基准价格就要一分钟更新一次，这里我们简单回测确定下alpha的大小。目前推荐Alpha设置为0.001。

In [374]:

for Alpha in [0.0001, 0.0003, 0.0006, 0.001, 0.0015, 0.002, 0.004, 0.01, 0.02]:
#price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.rolling(20).mean() #普通均线
    price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
    trade_symbols = list(set(symbols))
    price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
    e = Exchange(trade_symbols,initial_balance=10000,commission=0.00075,log=False)
    trade_value = 300
    for row in price_usdt.iloc[-7500:].iterrows():
        e.Update(row[0], row[1])
        for symbol in trade_symbols:
            price = row[1][symbol]
            if np.isnan(price):
                continue
            diff = price_usdt_btc_norm2.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\'])
            if aim_value - now_value > 0.5*trade_value:
                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 < -0.5*trade_value:
                e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
    print(Alpha, e.account[\'USDT\'][\'unrealised_profit\']+e.account[\'USDT\'][\'realised_profit\'])

Out[374]:

0.0001 -77.80281760941007
0.0003 179.38803796199724
0.0006 218.12579924541367
0.001 271.1462377177959
0.0015 250.0014065973528
0.002 207.38692166891275
0.004 129.08021828803027
0.01 65.12410041648158
0.02 58.62356792410955

最近两月的分钟线回测结果

最后在看看长时间回测的结果。就在刚刚，一波此起彼伏的上涨，今日净值又新低，来给大家增强以下信心吧，由于分钟线的频率更高，将会在小时内开仓平仓，所以收益率会高很多。

还有一点，我们一直是固定的trade_value，这使得后期资金利用率不足，实际上的收益率还可以在增加很多。

在这两个月的回测时间内，我们处于什么位置哪？

In [317]:

Alpha = 0.001
#price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.rolling(20).mean() #普通均线
price_usdt_btc_norm2 = price_usdt_btc/price_usdt_btc.ewm(alpha=Alpha).mean() #这里和策略一致，用了EMA
trade_symbols = list(set(symbols))
price_usdt_btc_norm_mean = price_usdt_btc_norm2[trade_symbols].mean(axis=1)
e = Exchange(trade_symbols,initial_balance=10000,commission=0.00075,log=False)
trade_value = 300
for row in price_usdt.iloc[:].iterrows():
    e.Update(row[0], row[1])
    for symbol in trade_symbols:
        price = row[1][symbol]
        if np.isnan(price):
            continue
        diff = price_usdt_btc_norm2.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\'])
        if aim_value - now_value > 0.5*trade_value:
            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 < -0.5*trade_value:
            e.Sell(symbol, price, -round((aim_value - now_value)/price, 6),round(e.account[symbol][\'realised_profit\']+e.account[symbol][\'unrealised_profit\'],2))
stragey_2f = e

In [357]:

(stragey_2f.df[\'total\']/stragey_2e.initial_balance).plot(figsize=(17,6),grid = True);

Out[357]:

In [375]:

(stragey_2f.df[\'leverage\']/stragey_2e.initial_balance).plot(figsize=(17,6),grid = True);

Out[375]:

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。