数字多空策略(实盘+回测+数据)

2024-03-16 10:44

本文主要是介绍数字多空策略(实盘+回测+数据),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 

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


技术宅此前分享的数字策略多为单边策略。单边策略最大的特征是在承担一定的波动风险前提下获取高收益率。而对于许多稳健的、中、低风险偏好的投资者来说,在承担尽可能小的波动风险前提下,获取尽可能高的收益率,是他们追求的目标。

本期,我们将推出一期同时兼顾低风险和高收益的优质策略:数字货币多空策略。策略不受整个数字货币市场涨跌的影响、回撤小同时长期运行也有极高的收益率,让我们一起来看看吧!

策略逻辑

首先,我们简要介绍“数字货币多空策略”的策略逻辑:

随着交易所挂牌交易的合约数量不断增加,同时合约相互间相关性不断降低,有更多的币种不与BTC、ETH等主流币同涨同跌,呈现涨跌分化的状态,因此每天都有不同币种的做多、做空机会。下图是我们随机选取某天币安所有U本位合约的涨跌幅排序,可以看出币种涨跌分化很明显,涨幅排名第一的ICPUSDT和跌幅排名第一的BSVUSDT的24h涨跌幅差距超过40%,而涨幅排名前5名币种的24h涨跌幅差距也超过20%,多空分化产生的交易机会很多、价差收益也很可观。

那么,问题的关键就在如何有效筛选出多空分化的币种,从而实现合约的价差收益。我们通过全量历史数据+海量因子筛选测试,最终确定了三个最有效的信号因子,以及之对应的三个多空策略,每个多空策略的多空币种市值相当,实现了方向上的完全对冲,不受整个数字货币市场涨跌的影响,能够在低风险的前提下,有效赚取币种间的相对强弱收益

三个策略的目标执行周期不同,因此在捕捉行情的时间维度上也有一定的分散度。三策略既可以单策略独立运行,也可以三策略组合运行。组合运行的策略收益更稳定、回撤更小

回测绩效

三策略通用测试参数:测试周期从2020-1-1测试到2023年末共计4年时间;交易成本按照单次多空交易千分之二扣除(足够覆盖交易手续费与盘口价差成本);测试杠杆采用2倍杠杆;单利测试。

我们先分别看三策略单策略绩效:

策略一:累积收益率超过17.5倍,年化收益率超过437.5%,单次多空交易利润3.7%,最大回撤率<20%。

策略二:累积收益率同样超过17.5倍,年化收益率超过437.5%,单次多空交易利润2.6%,最大回撤率<25%

策略三:累积收益率超过16倍,年化收益率超过400%,单次多空交易利润1.4%,最大回撤率<15%

再来看组合绩效,组合绩效是同时运行三个多空策略所产生的效果,组合策略累积收益率同样超过17.5倍,年化收益率超过437.5%,单次多空交易利润2.5%,最大回撤率<15%。可以看出,组合策略在实现不低于单策略收益率的同时,最大回撤率更低,运行也更稳健,真正创造了低风险、高收益的特征

通过历史测试可以看到,多空策略在低风险的环境下,在2倍杠杆的条件下,实现了年均超4倍的利润,其盈利能力完全不低于目前市场中的大多数单边策略

实盘业绩

我们根据回测确定的最佳三策略组合,并编写了实盘交易系统。并在测试账户进行为期两个半月多的实盘交易(同样采用2倍杠杆),累积产生了超过150%的收益率!(ps:尽管BTC处于大牛市,策略仍大幅跑赢BTC涨幅),实盘业绩曲线如下。

附上部分随机截取实盘交易记录

至此,数字多空策略通过实盘业绩验证。

这篇关于数字多空策略(实盘+回测+数据)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/815230

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)

usaco 1.2 Name That Number(数字字母转化)

巧妙的利用code[b[0]-'A'] 将字符ABC...Z转换为数字 需要注意的是重新开一个数组 c [ ] 存储字符串 应人为的在末尾附上 ‘ \ 0 ’ 详见代码: /*ID: who jayLANG: C++TASK: namenum*/#include<stdio.h>#include<string.h>int main(){FILE *fin = fopen (