FMZ量化交易[千团大战]币安交割合约策略3——蝶式对冲
admin
2023-08-02 16:54:25
0次
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/
币安交割合约策略3.ipynb下载
币安期货最近发起了第二次“千团大战”活动（活动地址：https://www.binancezh.com/cn/futures/activity/anniversary-competition/129-38599440 ）。FMZ量化平台官方也组织了团队，直接搜索“发明者量化”就可以找到，目前刚刚有100多人，欢迎参与，参加后可加战队队长微信 fmz_zhangchao，回复“币安”拉微信群。
本次为参赛准备的策略为交割合约的蝶式对冲，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）。
1.策略缘由
对冲需要找到一个稳定的差价，当差价过高时做空差价，过低时做多差价，当差价回归平仓就赚到了其中的差价。如期现对冲，当未交割期货价格远高于现货时，可以做空期货合约，做多现货来做空差价。还有不同交割时间合约的跨期对冲，和期现对冲相比，还能做多差价。期现，跨期都是太常见的策略，竞争也很激烈，平时没有行情时，差价相对稳定，虽然可以做长期的大行情，但机会少，手动操作也可以。既然都是找稳定的差价，当一个标的物存在三个交易合约时，还有一个差价，即差价的差价，这就是蝶式对冲，也被称为套利的套利。
2.策略原理
币安币本位合约如BTC、ETH等同时存在三个合约，即永续BTCUSD_PERP、当季BTCUSD_200925、次季BTCUSD_201225。永续合约可以当作现货，一般两个合约做对冲共有三个差价：当季-永续、次季-永续、次季-当季。蝶式套利需要操作三个合约，差价为（次季-当季）-（当季-永续），即差价=次季+永续-2*当季。做多差价需要开做多一份的次季和永续合约，做空2份的当季合约。
3.对冲空间
数据我已经爬取了8月14至9月14日币安的5minK线，可以直接读取（由于时差，显示的时间差8h）。
In [4]:
# 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
import time
%matplotlib inline
In [12]:
#读取数据，大家也可以把数据上传到FMZ论坛，在研究环境中可以直接引用
df = pd.read_csv(\'https://www.fmz.com/upload/asset/1420b2081ecd122522d.csv\',index_col = 0)
df.index = pd.to_datetime(df.index)
df.tail(3)
Out[12]:
BTCUSD_200925
BTCUSD_201225
BTCUSD_PERP
ETHUSD_200925
ETHUSD_201225
ETHUSD_PERP
ADAUSD_200925
ADAUSD_201225
LINKUSD_200925
LINKUSD_PERP
BNBUSD_PERP
TRXUSD_PERP
DOTUSD_PERP
ADAUSD_PERP
LINKUSD_201225
EOSUSD_PERP
LTCUSD_PERP
BCHUSD_PERP
XRPUSD_PERP
ETCUSD_PERP
2020-09-14 02:20:00
10369.9
10509.8
10367.1
366.37
367.78
366.31
0.09493
0.09529
12.040
12.017
29.759
0.03024
5.308
0.09471
12.117
2.719
48.19
223.21
0.2433
5.054
2020-09-14 02:25:00
10366.4
10503.0
10360.4
366.80
367.89
366.33
0.09471
0.09529
12.075
12.048
29.507
0.03025
5.273
0.09453
12.141
2.719
48.11
223.25
0.2440
5.049
2020-09-14 02:30:00
10362.8
10498.6
10356.8
366.13
367.44
365.91
0.09462
0.09520
12.056
12.024
29.493
0.03024
5.280
0.09435
12.118
2.719
48.09
223.10
0.2435
5.055
首先看一下比特币合约之间的差价，8月17日比特币价格快速涨了500u，一般为交割的合约相对于现货处于升水状态，现货价格上涨，对未来的预期会更加乐观，未交割合约和永续之间的差价会变大，如次季-永续的差价达到700u，随着9月份比特币价格的下跌，人们的预期迅速变差，次季-永续的差价跌至150u附近，当季-永续几乎没有了差价，如果做次季-永续的对冲，只能做长周期大差价的回归，如果8月决定做400-600之间的差价，现在显然处于被套牢的状态。
In [18]:
#永续价格
df[\'BTCUSD_PERP\'].dropna().plot(figsize=(15,6),grid=True);
Out[18]:
In [15]:
# 次季-永续的差价
(df[\'BTCUSD_201225\']-df[\'BTCUSD_PERP\']).dropna().plot(figsize=(15,6),grid=True);
Out[15]:
In [16]:
# 当季-永续的差价
(df[\'BTCUSD_200925\']-df[\'BTCUSD_PERP\']).dropna().plot(figsize=(15,6),grid=True);
Out[16]:
In [17]:
# 次季-当季的差价
(df[\'BTCUSD_201225\']-df[\'BTCUSD_200925\']).dropna().plot(figsize=(15,6),grid=True);
Out[17]:
那么此时差价的差价是如何变动的呢？ 下图可以看到，近期差价长期稳定在100-200u，即使9月初的大跌也没有影响很多，给了我们很多反复套利的空间，目前这个差价如果跌到100u，手动做多也是可以的。
当现货波动时，两个未到期合约同时反映了对未来的预期，差价减差价的过程可以很大程度抵消这种波动，表现的相对稳定。ETH的蝶式套利差价也有类似的表现。
In [19]:
#（次季-当季）-（当季-永续）
(df[\'BTCUSD_201225\']-df[\'BTCUSD_200925\']-(df[\'BTCUSD_200925\']-df[\'BTCUSD_PERP\'])).dropna().plot(figsize=(15,6),grid=True);
Out[19]:
In [22]:
#ETH的差价
(df[\'ETHUSD_201225\']+df[\'ETHUSD_PERP\']-2*df[\'ETHUSD_200925\']).dropna().plot(figsize=(15,6),grid=True);
Out[22]:
4.策略回测
为了省事（偷懒），回测还是用上次千团大战策略的USDT本位引擎，虽然会有一些误差，但也能说明问题。回测引擎放在本篇报告的最后，运行代码时要先到后面运行一下。币本位策略如果想赚USDT的话可以考虑对冲，也不复杂。
差价的中线用EMA追踪，采用网格的方式来控制仓位，即差价每拉开N份预定的差价（如30），就做空N份，反之依然。如差价中线为100u，当差价为90时，做空3份，差价变为60，平一份。格子的大小是一个关键参数。
下面是具体的BTC和ETH的回测代码和回测结果，表现还算符合预期，由于ETH、LINK的波动更大，差价也更加稳定，表现的好一些。注意这里的手续费用的是万2，币安默认的vip0的taker手续费是万4，手续费非常重要，接下来的章节专门分析。
In [39]:
trade_symbols = [\'BTCUSD_201225\', \'BTCUSD_200925\', \'BTCUSD_PERP\']
account = []
diff = df[\'BTCUSD_201225\']+df[\'BTCUSD_PERP\']-2*df[\'BTCUSD_200925\']
diff_mean = diff.ewm(alpha=0.001).mean()
e = Exchange(trade_symbols,initial_balance=10000,taker_fee=0.0002)
for row in df[trade_symbols].dropna().iterrows():
date = row[0]
prices = row[1]
e.Update(date, trade_symbols, prices)
account.append([e.account[\'USDT\'][\'margin\'],e.account[\'USDT\'][\'realised_profit\']+e.account[\'USDT\'][\'unrealised_profit\']])
aim_amount = -round((diff[date] - diff_mean[date])/30,1)
now_amount = e.account[\'BTCUSD_PERP\'][\'amount\']
if aim_amount - now_amount < -1:
trade_amount = now_amount - aim_amount
e.Buy(\'BTCUSD_200925\',prices[\'BTCUSD_200925\'],2*trade_amount)
e.Sell(\'BTCUSD_201225\',prices[\'BTCUSD_201225\'],trade_amount)
e.Sell(\'BTCUSD_PERP\',prices[\'BTCUSD_PERP\'],trade_amount)
if aim_amount - now_amount > 1:
trade_amount = aim_amount - now_amount
e.Sell(\'BTCUSD_200925\',prices[\'BTCUSD_200925\'],2*trade_amount)
e.Buy(\'BTCUSD_201225\',prices[\'BTCUSD_201225\'],trade_amount)
e.Buy(\'BTCUSD_PERP\',prices[\'BTCUSD_PERP\'],trade_amount)
e.df = pd.DataFrame(index=df[trade_symbols].dropna().index,columns=[\'margin\',\'profit\'],data=account)
e.df[\'profit\'].plot(figsize=(15,6),grid=True);
Out[39]:
In [59]:
symbol = \'ETH\'
trade_symbols = [symbol+\'USD_201225\', symbol+\'USD_200925\', symbol+\'USD_PERP\']
fee = 0.0002
account = []
diff = df[trade_symbols[0]]+df[trade_symbols[2]]-2*df[trade_symbols[1]]
diff_mean = diff.ewm(alpha=0.001).mean()
e = Exchange(trade_symbols,initial_balance=10000,taker_fee=fee)
for row in df[trade_symbols].dropna().iloc[30:].iterrows():
date = row[0]
prices = row[1]
e.Update(date, trade_symbols, prices)
account.append([e.account[\'USDT\'][\'margin\'],e.account[\'USDT\'][\'realised_profit\']+e.account[\'USDT\'][\'unrealised_profit\']])
aim_amount = -round((diff[date] - diff_mean[date])/(15*prices[trade_symbols[2]]*fee),1)
now_amount = e.account[trade_symbols[2]][\'amount\']
if aim_amount - now_amount < -1:
trade_amount = 1
e.Buy(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Sell(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Sell(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
if aim_amount - now_amount > 1:
trade_amount = 1
e.Sell(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Buy(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Buy(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
e.df = pd.DataFrame(index=df[trade_symbols].dropna().iloc[30:].index,columns=[\'margin\',\'profit\'],data=account)
e.df[\'profit\'].plot(figsize=(15,6),grid=True);
Out[59]:
In [60]:
symbol = \'LINK\'
trade_symbols = [symbol+\'USD_201225\', symbol+\'USD_200925\', symbol+\'USD_PERP\']
fee = 0.0002
account = []
diff = df[trade_symbols[0]]+df[trade_symbols[2]]-2*df[trade_symbols[1]]
diff_mean = diff.ewm(alpha=0.001).mean()
e = Exchange(trade_symbols,initial_balance=10000,taker_fee=fee)
for row in df[trade_symbols].dropna().iloc[30:].iterrows():
date = row[0]
prices = row[1]
e.Update(date, trade_symbols, prices)
account.append([e.account[\'USDT\'][\'margin\'],e.account[\'USDT\'][\'realised_profit\']+e.account[\'USDT\'][\'unrealised_profit\']])
aim_amount = -round((diff[date] - diff_mean[date])/(15*prices[trade_symbols[2]]*fee),1)
now_amount = e.account[trade_symbols[2]][\'amount\']
if aim_amount - now_amount < -1:
trade_amount = 1
e.Buy(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Sell(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Sell(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
if aim_amount - now_amount > 1:
trade_amount = 1
e.Sell(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Buy(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Buy(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
e.df = pd.DataFrame(index=df[trade_symbols].dropna().iloc[30:].index,columns=[\'margin\',\'profit\'],data=account)
e.df[\'profit\'].plot(figsize=(15,6),grid=True);
Out[60]:
５.手续费敏感性
由于同时需要操作3个合约，开仓后平仓共需要8份的手续费，因此手续费对策略的影响很大，如果有万1的手续费，可以进一步减小差价网格间距，BTC的回测结果如下图：
如果是万3的手续费，BTC回测结果如下图：
![20c6b6d8de91f682f97](\”<img%20class="aligncenter "20c6b6d8de91f682f97")
ETH的回测结果：
新注册用户vip0基础的吃单费率为0.0004，被邀请首月减10%，返佣30%，消耗BNB减10%，这样最终手续费为0.0002268,最近币安交割合约交易额大的也有直接奖励。另外策略可以部分挂单，部分吃单，最终的综合费率可以降到万2。另外FMZ官方也在和币安讨论手续费优惠的问题，大家可以期待一下。
总结
套利的目的是寻找稳定的差价，差价的差价更稳定，因此蝶式套利的风险要比跨期、期现少很多，也可以手动操作。本策略只是起到抛砖引玉的作用，真正写成策略实盘运行要考虑很多问题，欢迎大家交流。
In [23]:
class Exchange:
def __init__(self, trade_symbols, leverage=20, maker_fee=0.0002,taker_fee=0.0004,log=\'\',initial_balance=10000):
self.initial_balance = initial_balance #初始的资产
self.taker_fee = taker_fee
self.maker_fee = maker_fee
self.leverage = leverage
self.trade_symbols = trade_symbols
self.date = \'\'
self.log = log
self.df = pd.DataFrame()
self.account = {\'USDT\':{\'realised_profit\':0, \'margin\':0, \'unrealised_profit\':0,
\'total\':initial_balance, \'leverage\':0, \'fee\':0,\'maker_fee\':0,\'taker_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=\'\', maker=True):
if (self.date and symbol == self.log) or self.log == \'all\':
print(\'%-26s%-15s%-5s%-10.8s%-8.6s %s\'%(str(self.date)[:24], 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
if maker:
self.account[\'USDT\'][\'realised_profit\'] -= price*amount*self.maker_fee #扣除手续费
self.account[\'USDT\'][\'maker_fee\'] += price*amount*self.maker_fee
self.account[\'USDT\'][\'fee\'] += price*amount*self.maker_fee
self.account[symbol][\'fee\'] += price*amount*self.maker_fee
else:
self.account[\'USDT\'][\'realised_profit\'] -= price*amount*self.taker_fee #扣除手续费
self.account[\'USDT\'][\'taker_fee\'] += price*amount*self.taker_fee
self.account[\'USDT\'][\'fee\'] += price*amount*self.taker_fee
self.account[symbol][\'fee\'] += price*amount*self.taker_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[\'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
def Buy(self, symbol, price, amount, msg=\'\', maker=False):
self.Trade(symbol, 1, price, amount, msg, maker)
def Sell(self, symbol, price, amount, msg=\'\', maker=False):
self.Trade(symbol, -1, price, amount, msg,maker)
def Update(self, date, symbols, 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 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)
self.account[\'USDT\'][\'leverage\'] = round(self.account[\'USDT\'][\'margin\']*self.leverage/self.account[\'USDT\'][\'total\'],4)
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。
# 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
import time
%matplotlib inline#读取数据，大家也可以把数据上传到FMZ论坛，在研究环境中可以直接引用
df = pd.read_csv(\'https://www.fmz.com/upload/asset/1420b2081ecd122522d.csv\',index_col = 0)
df.index = pd.to_datetime(df.index)
df.tail(3)#永续价格
df[\'BTCUSD_PERP\'].dropna().plot(figsize=(15,6),grid=True);# 次季-永续的差价
(df[\'BTCUSD_201225\']-df[\'BTCUSD_PERP\']).dropna().plot(figsize=(15,6),grid=True);# 当季-永续的差价
(df[\'BTCUSD_200925\']-df[\'BTCUSD_PERP\']).dropna().plot(figsize=(15,6),grid=True);# 次季-当季的差价
(df[\'BTCUSD_201225\']-df[\'BTCUSD_200925\']).dropna().plot(figsize=(15,6),grid=True);#（次季-当季）-（当季-永续）
(df[\'BTCUSD_201225\']-df[\'BTCUSD_200925\']-(df[\'BTCUSD_200925\']-df[\'BTCUSD_PERP\'])).dropna().plot(figsize=(15,6),grid=True);#ETH的差价
(df[\'ETHUSD_201225\']+df[\'ETHUSD_PERP\']-2*df[\'ETHUSD_200925\']).dropna().plot(figsize=(15,6),grid=True);trade_symbols = [\'BTCUSD_201225\', \'BTCUSD_200925\', \'BTCUSD_PERP\']
account = []
diff = df[\'BTCUSD_201225\']+df[\'BTCUSD_PERP\']-2*df[\'BTCUSD_200925\']
diff_mean = diff.ewm(alpha=0.001).mean()
e = Exchange(trade_symbols,initial_balance=10000,taker_fee=0.0002)
for row in df[trade_symbols].dropna().iterrows():
date = row[0]
prices = row[1]
e.Update(date, trade_symbols, prices)
account.append([e.account[\'USDT\'][\'margin\'],e.account[\'USDT\'][\'realised_profit\']+e.account[\'USDT\'][\'unrealised_profit\']])
aim_amount = -round((diff[date] - diff_mean[date])/30,1)
now_amount = e.account[\'BTCUSD_PERP\'][\'amount\']
if aim_amount - now_amount < -1:
trade_amount = now_amount - aim_amount
e.Buy(\'BTCUSD_200925\',prices[\'BTCUSD_200925\'],2*trade_amount)
e.Sell(\'BTCUSD_201225\',prices[\'BTCUSD_201225\'],trade_amount)
e.Sell(\'BTCUSD_PERP\',prices[\'BTCUSD_PERP\'],trade_amount)
if aim_amount - now_amount > 1:
trade_amount = aim_amount - now_amount
e.Sell(\'BTCUSD_200925\',prices[\'BTCUSD_200925\'],2*trade_amount)
e.Buy(\'BTCUSD_201225\',prices[\'BTCUSD_201225\'],trade_amount)
e.Buy(\'BTCUSD_PERP\',prices[\'BTCUSD_PERP\'],trade_amount)
e.df = pd.DataFrame(index=df[trade_symbols].dropna().index,columns=[\'margin\',\'profit\'],data=account)
e.df[\'profit\'].plot(figsize=(15,6),grid=True);symbol = \'ETH\'
trade_symbols = [symbol+\'USD_201225\', symbol+\'USD_200925\', symbol+\'USD_PERP\']
fee = 0.0002
account = []
diff = df[trade_symbols[0]]+df[trade_symbols[2]]-2*df[trade_symbols[1]]
diff_mean = diff.ewm(alpha=0.001).mean()
e = Exchange(trade_symbols,initial_balance=10000,taker_fee=fee)
for row in df[trade_symbols].dropna().iloc[30:].iterrows():
date = row[0]
prices = row[1]
e.Update(date, trade_symbols, prices)
account.append([e.account[\'USDT\'][\'margin\'],e.account[\'USDT\'][\'realised_profit\']+e.account[\'USDT\'][\'unrealised_profit\']])
aim_amount = -round((diff[date] - diff_mean[date])/(15*prices[trade_symbols[2]]*fee),1)
now_amount = e.account[trade_symbols[2]][\'amount\']
if aim_amount - now_amount < -1:
trade_amount = 1
e.Buy(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Sell(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Sell(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
if aim_amount - now_amount > 1:
trade_amount = 1
e.Sell(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Buy(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Buy(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
e.df = pd.DataFrame(index=df[trade_symbols].dropna().iloc[30:].index,columns=[\'margin\',\'profit\'],data=account)
e.df[\'profit\'].plot(figsize=(15,6),grid=True);symbol = \'LINK\'
trade_symbols = [symbol+\'USD_201225\', symbol+\'USD_200925\', symbol+\'USD_PERP\']
fee = 0.0002
account = []
diff = df[trade_symbols[0]]+df[trade_symbols[2]]-2*df[trade_symbols[1]]
diff_mean = diff.ewm(alpha=0.001).mean()
e = Exchange(trade_symbols,initial_balance=10000,taker_fee=fee)
for row in df[trade_symbols].dropna().iloc[30:].iterrows():
date = row[0]
prices = row[1]
e.Update(date, trade_symbols, prices)
account.append([e.account[\'USDT\'][\'margin\'],e.account[\'USDT\'][\'realised_profit\']+e.account[\'USDT\'][\'unrealised_profit\']])
aim_amount = -round((diff[date] - diff_mean[date])/(15*prices[trade_symbols[2]]*fee),1)
now_amount = e.account[trade_symbols[2]][\'amount\']
if aim_amount - now_amount < -1:
trade_amount = 1
e.Buy(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Sell(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Sell(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
if aim_amount - now_amount > 1:
trade_amount = 1
e.Sell(trade_symbols[1],prices[trade_symbols[1]],2*trade_amount)
e.Buy(trade_symbols[0],prices[trade_symbols[0]],trade_amount)
e.Buy(trade_symbols[2],prices[trade_symbols[2]],trade_amount)
e.df = pd.DataFrame(index=df[trade_symbols].dropna().iloc[30:].index,columns=[\'margin\',\'profit\'],data=account)
e.df[\'profit\'].plot(figsize=(15,6),grid=True);如果是万3的手续费，BTC回测结果如下图：
ETH的回测结果：
class Exchange:
def __init__(self, trade_symbols, leverage=20, maker_fee=0.0002,taker_fee=0.0004,log=\'\',initial_balance=10000):
self.initial_balance = initial_balance #初始的资产
self.taker_fee = taker_fee
self.maker_fee = maker_fee
self.leverage = leverage
self.trade_symbols = trade_symbols
self.date = \'\'
self.log = log
self.df = pd.DataFrame()
self.account = {\'USDT\':{\'realised_profit\':0, \'margin\':0, \'unrealised_profit\':0,
\'total\':initial_balance, \'leverage\':0, \'fee\':0,\'maker_fee\':0,\'taker_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=\'\', maker=True):
if (self.date and symbol == self.log) or self.log == \'all\':
print(\'%-26s%-15s%-5s%-10.8s%-8.6s %s\'%(str(self.date)[:24], 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
if maker:
self.account[\'USDT\'][\'realised_profit\'] -= price*amount*self.maker_fee #扣除手续费
self.account[\'USDT\'][\'maker_fee\'] += price*amount*self.maker_fee
self.account[\'USDT\'][\'fee\'] += price*amount*self.maker_fee
self.account[symbol][\'fee\'] += price*amount*self.maker_fee
else:
self.account[\'USDT\'][\'realised_profit\'] -= price*amount*self.taker_fee #扣除手续费
self.account[\'USDT\'][\'taker_fee\'] += price*amount*self.taker_fee
self.account[\'USDT\'][\'fee\'] += price*amount*self.taker_fee
self.account[symbol][\'fee\'] += price*amount*self.taker_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[\'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
def Buy(self, symbol, price, amount, msg=\'\', maker=False):
self.Trade(symbol, 1, price, amount, msg, maker)
def Sell(self, symbol, price, amount, msg=\'\', maker=False):
self.Trade(symbol, -1, price, amount, msg,maker)
def Update(self, date, symbols, 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 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)
self.account[\'USDT\'][\'leverage\'] = round(self.account[\'USDT\'][\'margin\']*self.leverage/self.account[\'USDT\'][\'total\'],4)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。
相关内容
热门资讯
Windows 11 和 10...
Windows 11/10 文件夹属性中缺少共享选项卡 – 已修复
1.检查共享选项卡是否可用
右键...
Radmin VPN Wind...
Radmin VPN 是一款免费且用户友好的软件，旨在牢固地连接计算机以创建一个有凝聚力的虚拟专用网...
如何修复 Steam 内容文件...
Steam 内容文件锁定是当您的 Steam 文件无法自行更新时出现的错误。解决此问题的最有效方法之...
事件 ID 7034：如何通过...
点击进入：ChatGPT工具插件导航大全 服务控制管理器 （SCM） 负责管理系统上运行的服务的活动...
Hive OS LOLMine...
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.m...
在 Windows 11 中打...
什么是链路状态电源管理？
您可以在系统控制面板的电源选项中看到链接状态电源管理。它是 PCI Exp...
如何在 iPhone 14 P...
Apple 的 iPhone 14 Pro 是第一款配备 48MP 传感器的 iPhone。所有以前...
在 iCloud 上关闭“查找...
如果您是 Apple 的长期用户，您肯定会遇到过 Find My 应用程序，它本机安装在 iPhon...
farols1.1.501.0...
faro ls 1.1.501.0(64bit)可以卸载，是一款无需连接外部PC机或笔记本计算机即可...
balenaEtcher烧录后...
balenaEtcher烧录后u盘或者内存卡无法识别不能使用的解决方法想要恢复原来的方法，使用win...