Zpětné testování nejlepších krypto strategií: Vyvažování portfolia

>

Studium obchodních strategií se stalo v prostoru kryptoměny uměním. Ne v pozitivním smyslu. Stal se typem umění, které je ponecháno otevřené interpretaci.

Naším cílem je po zbytek této studie nenechat žádnou dvojznačnost. Chceme přesně studovat strategie takovým způsobem, že můžeme rozumně očekávat, že naše porozumění bude jedinou možnou interpretací výsledků.

K dosažení této úrovně porozumění používáme techniku ​​zvanou zpětné testování.

V této studii provedeme zpětný test řady strategií vyvážení portfolia ve snaze zjistit, které konfigurace byly historicky nejúspěšnější.

Co je zpětné testování?

Zpětné testování je proces, při kterém se pomocí historických údajů o trhu vypočítává, jak dobře by si strategie v minulosti vedla. Pomocí přesných informací o cenách nabídky a poptávky jsme byli schopni rekonstruovat obchody, které bychom byli schopni provést v každém okamžiku.

Je třeba zdůraznit, že zpětné testování hodnotí pouze historická data. Ačkoli historický výkon nezaručuje budoucí výnosy, zpětné testování je stále cenným nástrojem pro identifikaci slibných strategií.

Co je zpětné testování?

Zpětné testování je matematická simulace, kterou obchodníci používají k hodnocení výkonnosti obchodní strategie. Simulace využívá historické údaje o trhu ve snaze vypočítat, jak dobře by si obchodní strategie v minulosti vedla.

Metodika studia

Než se dostaneme k výsledkům, proberme si návrh studie. Tímto způsobem můžeme určit úroveň spolehlivosti, kterou můžeme mít ve výsledcích.

Strategie


Zaměříme se na jedinou primární strategii; vyvážení. Vyvážení využívají instituce po celá desetiletí a obstály ve zkoušce času. I když to na první pohled vypadá jednoduše, rebalancování má složitosti, které představují jedinečné příležitosti.

Zejména budeme hodnotit strategie vyvážení prahových hodnot a periodické vyvážení. I když tyto dvě strategie již obsahují dostatek nuancí, aby si zajistily úplné studium samy, nezastavíme se. Každá strategie bude srovnávat standardní rebalance se Shrimpyho „poplatkově optimalizovaným“ rebalance.

Rebalance optimalizovaná podle poplatků využívá sofistikovanou kombinaci objednávek tvůrců a příjemců spolu s inteligentním směrováním ke snížení poplatků a optimálnímu směrování obchodů mezi aktivy.

Další informace o vyvážení portfolia.

Optimalizace poplatků

V průběhu studie provedeme srovnání rebalancí optimalizovaných s poplatkem a standardních rebalancí. Standardní rebalance jsou jednoduše rebalance, které nevyužívají optimalizaci poplatků.

Optimalizace poplatků je funkce vyvinutá týmem Shrimpy. Poskytuje obchodníkům způsob, jak snížit své poplatky využitím sofistikovanějšího algoritmu pro umístění kombinace obchodů makléř a příjemce. To kontrastuje se standardními vyváženostmi, které budou využívat pouze obchody příjemce.

V Shrimpy rebalance také využívají specializovaný algoritmus směrování inteligentních objednávek, který dokáže vyhodnotit různé obchodní páry v reálném čase a inteligentně směrovat obchody přes alternativní obchodní páry. To dále snižuje poplatky.

Další informace o rebalancování optimalizovaných poplatků.

Historická data

Jádrem každé zpětné zkoušky jsou data. Přestože na trhu existuje mnoho služeb, které k simulaci zpětného testu používají data ze svíček, budeme pro tuto studii přesnější.

Spíše než používat agregovaná data nebo nepřesné svícny, budeme používat přesné knihy objednávek na Binance výměna. Tato vysoce věrná data jsou pro náš výzkum zásadní, proto jsme se ujistili, že jsme uzavřeli partnerství s předním poskytovatelem dat na trhu. Našimi partnery pro tuto studii jsou Kaiko.

Kaiko je důvěryhodným poskytovatelem historických údajů o trhu od roku 2014. Od té doby pokračují v předefinování způsobu, jakým společnosti využívají historická data pro vývoj nových produktů a služeb.

tržní data kaiko

Bezproblémové připojení k historickým a živým datovým kanálům z více než 100 burz spotů a derivátů.

Časový rozsah pro data zahrnutá pro každou backtest začíná 1. prosince 2019 a končí 1. prosince 2020. Tímto způsobem studujeme přesně 1 rok historických dat.

Výběr portfolia

Každá zpětná zkouška bude spuštěna přesně 10 náhodně vybraných aktiv. Pouze aktiva, která byla k dispozici na Binance 1. prosince 2019 budou zahrnuty. Pokud konkrétní aktivum nebylo k tomuto datu k dispozici na Binance, je aktivum z této studie vyloučeno.

Aktiva se vybírají na začátku každé iterace backtestu. Jedna iterace backtestu vyhodnotí strategii HODL, standardní rebalance (bez optimalizace poplatků) a rebalance s optimalizací poplatků. To znamená, že stejné portfolio bude hodnoceno s každou z těchto 3 strategií před náhodným výběrem nového portfolia. To nám umožňuje porovnat výsledky každé strategie s přesně stejnými prostředky.

Přečtěte si více o optimálních velikostech portfolia.

Rozdělení

Každé vybrané portfolio rovnoměrně rozdělí aktiva v portfoliu. V podstatě, každé aktivum v portfoliu bude držet přesně 10% váhy portfolia na začátku backtestu. Během každé události rebalancování budou alokace vráceny zpět, aby přesně odpovídaly původní 10% alokaci pro každé aktivum.

Seznamte se s nejlepším způsobem distribuce aktiv v portfoliu.

Výsledek

Nyní, když logistika není v cestě. Je čas se ponořit do výsledků. Následující výsledky zahrnují posouzení periodického a prahového vyvážení. Kromě těchto dvou jedinečných strategií porovnáme také výsledky rebalancí, které využívaly optimalizaci poplatků, ve srovnání s těmi, které optimalizaci poplatků nevyužívaly.

Periodické vyvážení

Periodické rovnováhy byly hodnoceny v 1hodinových, 1denních, 1týdenních a 1měsíčních intervalech. Každý z těchto intervalů byl použit k porovnání výkonu jednoduché strategie HODL, standardní rebalance a rebalance s optimalizací poplatků.

Celkově bylo hodnoceno 12 různých podmínek, přičemž každá podmínka proběhla přes 1000 zpětných testů. Konečný výsledek byl 12 000 různých zpětných testů která hodnotila účinnost periodického vyvážení.

Výsledky HODL

Obrázek 1: Výše ​​uvedený graf je příkladem distribuce výkonu portfolia, kterou jsme pozorovali, když se pro portfolio neprovedlo žádné obchodování. Do histogramu bylo zahrnuto 1 000 zpětných testů. Poté, co byl spuštěn každý backtest, byl umístěn do jednoho z výkonových segmentů a vytvořil křivku, kterou vidíte. Například asi 195 zpětných testů přineslo výsledky výkonu, které se u strategie HODL pohybovaly mezi 86% a 115%.

Za období 1 roku, které bylo hodnoceno, došlo u portfolií, která používala strategii HODL, ke zvýšení střední hodnoty portfolia o 113,7%. Všimněte si, že úprava období rebalance nemá vliv na střední výkon, protože strategie HODL nevyvažuje.

Ve výsledcích jsou pozorovány malé odchylky ve výkonu HODL. Tyto malé odchylky jsou jednoduše výsledkem náhodné náhody. Na základě výběru portfolia pro 1 000 zpětných testů očekáváme, že střední výkon nebude pokaždé stejný.

Pravidelné výsledky vyvážení

Obrázek 2: Výše ​​uvedený graf je příkladem distribuce výkonu portfolia, kterou jsme pozorovali při použití denní obchodní strategie vyvážení (bez optimalizace poplatků). Do histogramu bylo zahrnuto 1 000 zpětných testů. Poté, co byl spuštěn každý backtest, byl umístěn do jednoho z výkonových segmentů a vytvořil křivku, kterou vidíte. Například 160 zpětných testů přineslo výsledky výkonu, které se pohybovaly mezi 114% a 139% pro denní strategii vyvážení.

Ve stejném časovém období 1 roku měly pravidelné periodické rebalance střední výkon v rozmezí od 126% do 139,1%.

  • 1hodinová rovnováha – Medián výkonu 126,6%

  • 1denní rebalance – Medián výkonu 139,1%

  • 1týdenní vyvážení – Medián výkonu 129,4%

  • Zůstatek za 1 měsíc – Medián výkonu 126,0%

Výsledky rebalancované optimalizace poplatků

Obrázek 3: Výše ​​uvedený graf je příkladem distribuce výkonu portfolia, kterou jsme pozorovali při použití hodinové rebalanční obchodní strategie (bez optimalizace poplatků). Do histogramu bylo zahrnuto 1 000 zpětných testů. Poté, co byl spuštěn každý backtest, byl umístěn do jednoho z výkonových segmentů a vytvořil křivku, kterou vidíte. Například 160 zpětných testů přineslo výsledky výkonu, které se pohybovaly mezi 191% a 231% pro hodinovou strategii vyvážení.

Ve stejném časovém období 1 roku měly medián výkonu v rozmezí od 129,4% do 254,8% periodické rebalance s optimalizací poplatků.

  • 1hodinová rovnováha – Medián výkonu 254,8%

  • 1denní rebalance – Medián výkonu 158,2%

  • 1týdenní vyvážení – Medián výkonu 135,9%

  • Zůstatek za 1 měsíc – Medián výkonu 129,4%

Diskuse

Kombinací výsledků můžeme vizualizovat finální výkony jako mřížku.

Obrázek 4: Každá buňka v mřížce představuje střední výkon 1 000 zpětných testů. S počáteční hodnotou 5 000 USD by výkon 100% představoval konečnou hodnotu portfolia 10 000 USD. Jinými slovy, všechny střední hodnoty portfolia uvedené v této tabulce se za období jednoho roku více než zdvojnásobily.

Na obrázku 4 si všimneme, že nejvýkonnější strategií byla 1hodinová strategie vyvážení, která využila optimalizaci poplatků.

Na první pohled by se mohlo zdát, že výkon se zvyšuje s rostoucí frekvencí rebalance u rebalancovaných optimalizací poplatků. Dávalo by však smysl, že portfolio bude mít větší užitek z optimalizace poplatků, čím častěji bude portfolio vyváženo. V zásadě platí, že čím častěji se portfolio obchoduje, tím větší dopad může mít „optimalizace poplatků“ na výkon.

Porovnáním každé ze strategií rebalancování s jednoduchou strategií nákupu a držení získáme tyto výsledky.

Obrázek 5: Každá buňka představuje srovnání mezi strategií rebalancování a HODL. Kladná hodnota znamená, že strategie překonala držení o tuto částku. V zásadě platí, že pokud byla strategie držení provedena po dobu 1 roku + 100%, kladné procento znamená, že strategie rebalance byla provedena ještě lépe než + 100%.

Na obrázku 5 vidíme, že všechny strategie rebalancování překonaly holding (na základě mediánu výkonnosti portfolia). To znamená, že medián strategie nákupu a podržení má horší výkon než medián jakékoli strategie vyvážení.

Nakonec můžeme porovnat výsledky rebalance optimalizované s poplatkem se standardními výsledky rebalance, abychom viděli konkrétní výhodu, která je generována použitím optimalizace poplatků.

Obrázek 6: Každá buňka představuje výhodu odvozenou z optimalizace poplatků. V zásadě, o kolik lépe si vede portfolio při použití optimalizace poplatků, než bez optimalizace poplatků.

Jak jsme již dříve diskutovali, vidíme, že výhoda optimalizace poplatků roste s rostoucí frekvencí rebalance.

Závěry

Z těchto výsledků můžeme usoudit, že rebalancování mělo tendenci historicky překonávat strategii nákupu a držení. Kromě toho vidíme, že výhoda používání strategie optimalizace poplatků má tendenci se zvyšovat s frekvencí obchodování. Čím častěji se strategie obchoduje, tím více výhod přináší optimalizace poplatků.

Bez optimalizace poplatků byla nejvýkonnější strategií 1denní interval vyvážení.

Vyrovnání prahové hodnoty

Abychom mohli vyhodnotit vyvážení prahové hodnoty, prozkoumáme 7 různých prahových strategií. Patří mezi ně 1%, 5%, 10%, 15%, 20%, 25% a 30% prahové vyvážení. Podobně jako v této studii budeme pravidelně srovnávat část, srovnáme standardní rebalance, optimalizaci poplatků a výsledky HODL.

Každá konfigurace spustí 1000 jedinečných zpětných testů celkem 21 000 zpětných testů.

Výsledky HODL

Obrázek 7: Výše ​​uvedený graf je příkladem distribuce výkonu portfolia, kterou jsme pozorovali, když se pro portfolio neprovedlo žádné obchodování. Do histogramu bylo zahrnuto 1 000 zpětných testů. Poté, co byl spuštěn každý backtest, byl umístěn do jednoho z výkonových segmentů a vytvořil křivku, kterou vidíte. Například 160 zpětných testů přineslo výsledky výkonu, které se u strategie HODL pohybovaly mezi 110% a 137%.

Za období 1 roku, které bylo hodnoceno, došlo u portfolií, která používala strategii HODL, ke zvýšení střední hodnoty portfolia o 115%. Všimněte si, že nastavení prahu rebalance nemá vliv na střední výkon, protože strategie HODL nevyvažuje.

Ve výsledcích jsou pozorovány malé odchylky ve výkonu HODL. Tyto malé odchylky jsou jednoduše výsledkem náhodné náhody. Na základě výběru portfolia pro 1 000 zpětných testů očekáváme, že střední výkon nebude pokaždé stejný.

Pravidelné výsledky vyvážení

Obrázek 8: Výše ​​uvedený graf je příkladem rozdělení výkonu portfolia, které jsme pozorovali při použití 15% strategie vyvážení prahové hodnoty (s optimalizací poplatků). Do histogramu bylo zahrnuto 1 000 zpětných testů. Poté, co byl spuštěn každý backtest, byl umístěn do jednoho z výkonových segmentů a vytvořil křivku, kterou vidíte. Například asi 98 zpětných testů přineslo výsledky výkonu, které se pohybovaly mezi 173% a 197% pro 15% strategii vyvážení prahové hodnoty.

Během období 1 roku měly pravidelné prahové rovnováhy střední výkon v rozmezí od 134,1% do 152,7%.

  • Prahová hodnota 1% – Medián výkonu 134,1%

  • Prahová hodnota 5% – Medián výkonu 150,5%

  • Prahová hodnota 10% – Medián výkonu 150,2%

  • 15% práh – Medián výkonu 152,7%

  • 20% práh – Medián výkonu 147,4%

  • Prahová hodnota 25% – Medián výkonu 150,2%

  • Prahová hodnota 30% – Medián výkonu 147,0%

Výsledky rebalancované optimalizace poplatků

Obrázek 9: Výše ​​uvedený graf je příkladem distribuce výkonu portfolia, kterou jsme pozorovali při použití obchodní strategie s 1% prahovou rovnováhou (s optimalizací poplatků). Do histogramu bylo zahrnuto 1 000 zpětných testů. Poté, co byl spuštěn každý backtest, byl umístěn do jednoho z výkonových segmentů a vytvořil křivku, kterou vidíte. Například 118 zpětných testů přineslo výsledky výkonu, které se pohybovaly mezi 152% a 189% pro strategii vyvážení 1% prahové hodnoty.

Během období 1 roku měla mediální výkonnost v rozmezí od 156,5% do 258,3% optimalizované prahové rovnováhy poplatků.

  • Prahová hodnota 1% – Medián výkonu 258,3%

  • Prahová hodnota 5% – Medián výkonu 197,2%

  • Prahová hodnota 10% – Medián výkonu 179,1%

  • 15% práh – Medián výkonu 172,1%

  • 20% práh – Střední výkon 163,2%

  • Prahová hodnota 25% – Medián výkonu 164,1%

  • Prahová hodnota 30% – Medián výkonu 156,3%

Diskuse

Kombinací výsledků můžeme vizualizovat finální výkony jako mřížku.

Obrázek 10: Každá buňka v mřížce představuje střední výkon 1 000 zpětných testů. Procentní podíl představuje procentní nárůst hodnoty portfolia v průběhu období 1 roku. 100% by tedy představovalo hodnotu portfolia, která se zdvojnásobila během backtestového období.

Na obrázku 10 vidíme, že ačkoliv se střední portfolia využívající strategii nákupu a držení v průběhu 1 roku více než zdvojnásobily, všechny strategie vyvážení prahových hodnot překonaly strategii HODL.

To naznačuje, že bez ohledu na zvolenou prahovou hodnotu má rebalancování historicky tendenci překonávat držení.

Když zúžíme naše hodnocení pouze na srovnání rebalancí optimalizovaných s poplatkem se standardními rebalancemi, vidíme, že optimalizace poplatků má velký dopad na výsledky.

Obrázek 11: Každá buňka představuje střední procentní nárůst, který má každá strategie nad nákupem a podržením. Kladná hodnota v podstatě znamená, že strategie o toto procento překonala nákup a držení. Všimněte si, že pokud portfolio využívající strategii HODL vzrostlo o hodnotu o 100%, pozitivní hodnota v této tabulce by znamenala, že strategie vyvážení bude provedena ještě lépe (v tomto příkladu tedy větší než 100%).

Na obrázku 11 vidíme, že mediánová strategie vyvážení překonala jednoduchou strategii HODL ve všech studovaných případech. Optimalizace poplatků však dokázala dále stavět na zvýšení výkonu a generovat tak další hodnotu.

Při srovnání pouze dvou strategií rebalancování můžeme vidět, jak velkou hodnotu ve skutečnosti generovaly algoritmy optimalizace poplatků použité v rebalancích „optimalizovaných poplatků“.

Obrázek 12: Každá buňka představuje výhodu odvozenou z optimalizace poplatků. V zásadě, o kolik lépe si vede portfolio při použití optimalizace poplatků, než bez optimalizace poplatků.

Na obrázku 12 vidíme výhodu využití strategie optimalizované poplatků. V souladu s tématy, která jsme viděli v případě periodického vyvážení, vidíme, že optimalizace poplatků poskytuje větší výhodu, když dochází k častým obchodům.

Závěry

Vidíme, že podobně jako u periodického rebalancingu, i přes vyrovnávání prahových hodnot historicky překonala jednoduchou strategii buy and hold. Kromě toho vidíme, že výhody optimalizace poplatků rostou s tím, jak se obchodování zvyšuje.

Závěrečné myšlenky

Po prověření 33 000 zpětných testů jsme byli schopni důsledně demonstrovat výhodu rebalancování optimalizovaného poplatkem ve srovnání se strategiemi, které nepoužívají optimalizaci poplatků. Kromě toho jsme byli schopni definitivně vyprodukovat výsledky, které naznačují, že rebalancování portfolia historicky překonalo HODL strategie.

Vlastně skoro 85% všech portfolií, která byla hodnocena, přinesla lepší výsledky při použití strategie vyvážení ve srovnání s HODL.

Zobrazit úplné výsledky

Všechny podrobné výsledky najdete v následujícím dokumentu Google. Neváhejte si sami prohlédnout celé výsledky a najít další zajímavé trendy nebo vzory.

Zřeknutí se odpovědnosti: Zpětné testy mohou zkoumat pouze minulý výkon a nezaručují budoucí výkon. Tato studie hodnotí rebalancování po celý rok. Vyvážení není krátkodobá strategie a pravděpodobně nepřinese měřitelné výsledky za jediný den nebo dokonce za jediný týden.

Další dobrá čtení

Jak si vyrobit kryptoobchodního robota pomocí Pythonu

Srovnání strategií rebalancování pro portfolia kryptoměn

Běžné scénáře rebalancování v krypto

Vyrovnání prahové hodnoty pro správu kryptoportfolia

Co je to DeFi? Průvodce decentralizovaným financováním

Naše platforma pro sociální obchodování

Krevety je sociální obchodní platforma pro kryptoměnu. Je určen pro profesionální i začínající obchodníky, aby se dozvěděli o rostoucím krypto průmyslu. Na Shrimpy mohou uživatelé kopírovat portfolia a obchodní strategie jiných obchodníků.

Následuj nás na Cvrlikání a Facebook pro aktualizace a zeptejte se našich úžasných aktivních komunit na Telegram & Svár.

Díky za zastavení!

Shrimpy Team

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Like this post? Please share to your friends:
Adblock
detector
map