Parhaiden salausstrategioiden testaaminen: salkun uudelleen tasapainottaminen

>

Kaupankäyntistrategioiden tutkimisesta on tullut taidetta kryptovaluuttatilassa. Ei positiivisessa mielessä. Siitä on tullut taiteen tyyppi, joka jätetään avoimeksi tulkinnalle.

Tavoitteenamme on loppututkimuksen aikana jättää epäselvyyttä. Haluamme tutkia strategioita tarkalleen siten, että voimme kohtuudella odottaa ymmärryksemme olevan ainoa mahdollinen tulosten tulkinta.

Tämän ymmärtämistason saavuttamiseksi käytämme tekniikkaa nimeltä backtesting.

Tässä tutkimuksessa testataan useita salkkujen tasapainottamisstrategioita yrittäen tunnistaa, mitkä kokoonpanot olivat historiallisesti menestyneimpiä.

Mikä on backtesting?

Testaus on prosessi, jossa historiallisia markkinatietoja käytetään laskemaan strategian menestyminen aikaisemmin. Tarkkojen hintatietojen avulla pystyimme rekonstruoimaan kaupat, jotka olisimme voineet tehdä kulloinkin.

On korostettava, että jälkitestauksessa arvioidaan vain historiallisia tietoja. Vaikka historiallinen suorituskyky ei takaa tuottoa tulevaisuudessa, jälkitestaus on edelleen arvokas työkalu lupaavien strategioiden tunnistamiseen.

Mikä on Backtesting?

Backtesting on matemaattinen simulaatio, jota kauppiaat käyttävät arvioidakseen kaupankäyntistrategian suorituskykyä. Simulaatio hyödyntää historiallisia markkinatietoja yrittäen laskea kuinka hyvin kaupankäyntistrategia olisi mennyt aiemmin.

Opintomenetelmät

Ennen kuin voimme siirtyä tuloksiin, keskustellaan tutkimuksen suunnittelusta. Näin voimme määrittää tulosten luottamustason.

Strategiat


Keskitymme yhteen ensisijaiseen strategiaan; tasapainottaminen. Tasapainotusta ovat käyttäneet laitokset vuosikymmenien ajan, ja se on pysynyt ajan testissä. Vaikka tasapainottaminen näyttää pinnalta yksinkertaiselta, tasapainottamisella on monimutkaisuutta, joka tarjoaa ainutlaatuisia mahdollisuuksia.

Arvioimme erityisesti sekä kynnysarvojen tasapainottamista että säännöllisiä tasapainottamisstrategioita. Vaikka nämä kaksi strategiaa sisältävät jo tarpeeksi vivahteita perusteellisen tutkimuksen tekemiseksi, emme kuitenkaan pysähdy siihen. Kussakin strategiassa verrataan tavanomaista tasapainoa Shrimpyn “maksuoptimoituun” tasapainoon.

Palkkio-optimoidussa tasapainossa käytetään kehittynyttä yhdistelmää valmistajan ja ottajan tilauksista sekä älykäs reititys maksujen alentamiseksi ja omaisuuden välisen kaupan optimoimiseksi.

Lisätietoja salkun tasapainottamisesta.

Maksun optimointi

Koko tutkimuksen aikana vertaamme maksuoptimoidun tasapainon ja tavallisen tasapainon välillä. Tavalliset tasapainot ovat yksinkertaisesti tasapainotuksia, jotka eivät käytä maksujen optimointia.

Maksun optimointi on ominaisuus, jonka Shrimpy-tiimi on kehittänyt. Se tarjoaa elinkeinonharjoittajille keinon alentaa palkkioita hyödyntämällä kehittyneempää algoritmia yhdistää tekijä- ja ottajakauppoja. Tämä asettaa vastakkain tavanomaiset tasapainot, jotka käyttävät vain takaajakauppoja.

Shrimpyssa tasapainottaminen hyödyntää myös erikoistunutta älykkäiden tilausten reititysalgoritmia, joka voi arvioida eri kaupankäyntiparit reaaliajassa reittiä varten älykkäästi vaihtoehtoisten kaupankäyntiparien kautta. Tämä vähentää edelleen maksuja.

Lue lisää maksuoptimoiduista tasapainoista.

Historiatiedot

Minkä tahansa testin ydin on data. Vaikka markkinoilla on monia palveluita, jotka käyttävät kynttilänjalka-aineistoa backtestin simulointiin, olemme tarkempia tässä tutkimuksessa.

Sen sijaan, että käytämme koottuja tietoja tai epätarkkoja kynttilänjalkoja, käytämme tarkkoja tilauskirjoja Binance vaihto. Nämä korkean tarkkuuden tiedot ovat elintärkeitä tutkimuksellemme, joten varmistimme, että olemme yhteistyössä markkinoiden johtavan tietojen toimittajan kanssa. Kumppanimme tässä tutkimuksessa ovat Kaiko.

Kaiko on ollut luotettu historiallisten markkinatietojen toimittaja vuodesta 2014. Siitä lähtien he ovat edelleen määrittäneet tapaa, jolla yritykset hyödyntävät historiallista tietoa uusien tuotteiden ja palvelujen kehittämiseksi..

kaiko-markkinatiedot

Saumaton yhteys historiallisiin ja reaaliaikaisiin tietosyötteisiin yli 100 spot- ja johdannaisvaihdosta.

Aikaväli kullekin testille sisällytetyille tiedoille alkaa 1. joulukuuta 2019 ja päättyy 1. joulukuuta 2020. Tällä tavoin tutkimme tarkalleen yhden vuoden historiallisia tietoja.

Salkun valinta

Jokaisella testillä suoritetaan tarkalleen 10 satunnaisesti valittua omaisuutta. Vain omaisuudet, jotka olivat käytettävissä sivustolla Binance 1. joulukuuta 2019 sisältyy. Jos tiettyä omaisuuserää ei ollut saatavilla Binancessa kyseiseen päivään mennessä, se suljetaan pois tästä tutkimuksesta.

Varat valitaan jokaisen backtest-iteraation alussa. Yksi backtest-iteraatio arvioi HODL-strategian, tavallisen tasapainon (ilman maksujen optimointia) ja maksuoptimoidun tasapainon. Tämä tarkoittaa, että sama salkku arvioidaan jokaisella näistä kolmesta strategiasta, ennen kuin valitset satunnaisesti uuden salkun. Tämän avulla voimme verrata kunkin strategian tuloksia täsmälleen samoihin varoihin.

Lue lisää salkun optimaalisesta koosta.

Jakelu

Jokainen valittu salku kohdistaa taseen varat tasaisesti. Pohjimmiltaan, jokaisella salkun omaisuudella on täsmälleen 10% salkun painosta takatestin alussa. Jokaisen tasapainotustapahtuman aikana allokaatiot palautetaan täsmälleen vastaamaan kunkin omaisuuserän alkuperäistä 10 prosentin allokaatiota.

Lisätietoja parhaasta tavasta jakaa omaisuuseriä salkkuun.

Tulokset

Nyt kun logistiikka on poissa. On aika kaivaa tuloksia. Seuraavat tulokset sisältävät sekä jaksollisen että kynnysarvojen tasapainottamisen tarkastelun. Näiden kahden ainutlaatuisen strategian lisäksi vertaamme myös maksujen optimointia hyödyntävien tasapainotulosten tuloksia verrattuna niihin, jotka eivät käyttäneet maksujen optimointia.

Säännöllinen tasapainottaminen

Säännölliset tasapainot arvioitiin 1 tunnin, 1 päivän, 1 viikon ja 1 kuukauden välein. Kutakin näistä aikaväleistä verrattiin yksinkertaisen HODL-strategian, tavallisen tasapainon ja maksuoptimoidun tasapainon suorituskykyä.

Yhteensä arvioitiin 12 erilaista ehtoa, joista jokaiselle suoritettiin 1000 takatestiä. Lopputulos oli 12 000 erilaista takatestiä joka arvioi säännöllisen tasapainottamisen tehokkuutta.

HODL-tulokset

Kuva 1: Yllä oleva kaavio on esimerkki salkun suorituskyvyn jakautumisesta, jonka havaitsimme, kun salkkuun ei käynyt kauppaa. Histogrammiin sisällytettiin 1000 selkätestiä. Kunkin takatestin suorittamisen jälkeen se laitettiin yhteen suorituskykysäleistä luomaan käyrä. Esimerkiksi noin 195 takatestiä tuotti suorituskykyä, joka vaihteli 86%: n ja 115%: n välillä HODL-strategiassa.

Arvioidun yhden vuoden jakson aikana HODL-strategiaa käyttäneiden salkkujen mediaanisalkun arvo nousi 113,7%. Huomaa, että tasapainottamisjakson säätäminen ei vaikuta mediaanitulokseen, koska HODL-strategia ei tasapainota.

Tuloksissa havaitaan pieniä poikkeamia HODL-esityksissä. Nämä pienet poikkeamat ovat yksinkertaisesti satunnaisten sattumien seurausta. 1000 backtestin portfolion valinnan perusteella odotamme, että mediaanisuoritukset eivät ole aina samat.

Säännölliset tasapainotulokset

Kuva 2: Yllä oleva kaavio on esimerkki salkun suorituskyvyn jakautumisesta, jonka havaitsimme käytettäessä päivittäistä tasapainottavaa kaupankäyntistrategiaa (ilman maksujen optimointia). Histogrammiin sisällytettiin 1000 selkätestiä. Kunkin takatestin suorittamisen jälkeen se laitettiin yhteen suorituskykysäleistä luomaan käyrä. Esimerkiksi noin 160 taustatestiä tuotti päivittäisen tasapainottamisstrategian suorituskykytuloksia, jotka vaihtelivat välillä 114% – 139%.

Saman vuoden ajanjaksolla säännöllisten säännöllisten tasapainotusten mediaanisuoritukset vaihtelivat 126%: sta 139,1%: iin.

  • 1 tunnin tasapainotus – Median suorituskyky 126,6%

  • Yhden päivän tasapainotus – Mediaani suorituskyky 139,1%

  • Yhden viikon tasapainotus – Median suorituskyky 129,4%

  • Yhden kuukauden tasapainotus – Median suorituskyky 126,0%

Maksun optimoidut tasapainotulokset

Kuva 3: Yllä oleva kaavio on esimerkki salkun suorituskyvyn jakautumisesta, jonka havaitsimme käyttäessämme tuntitasapainotettua kaupankäyntistrategiaa (ilman maksujen optimointia). Histogrammiin sisällytettiin 1000 selkätestiä. Kunkin takatestin suorittamisen jälkeen se laitettiin yhteen suorituskykysäleistä luomaan käyrä. Esimerkiksi noin 160 taustatestiä tuotti suoritustuloksia, jotka vaihtelivat välillä 191% – 231% tuntitasapainotusstrategiassa.

Samalla yhden vuoden ajanjaksolla palkkiooptimoidun jaksottaisen tasapainon mediaanisuoritukset vaihtelivat 129,4% – 254,8%.

  • 1 tunnin tasapainotus – Mediaanin suorituskyky 254,8%

  • Yhden päivän tasapainotus – 158,2% mediaani

  • Yhden viikon tasapainotus – Median suorituskyky 135,9%

  • Yhden kuukauden tasapainotus – Median suorituskyky 129,4%

Keskustelu

Yhdistämällä tulokset voimme visualisoida lopulliset esitykset ruudukkona.

Kuva 4: Jokainen ruudukon solu edustaa 1000 takatestin mediaanisuoritusta. Jos lähtöarvo on 5000 dollaria, 100%: n tulos edustaisi lopullista salkun arvoa 10000 dollaria. Toisin sanoen kaikki tässä taulukossa esitetyt mediaanisalkun arvot yli kaksinkertaistuivat vuoden aikana.

Kuvassa 4 huomataan, että parhaiten suoriutunut strategia oli yhden tunnin tasapainotusstrategia, joka hyödynsi maksujen optimointia.

Ensi silmäyksellä saattaa tuntua huolestuttavalta, että suorituskyky kasvaa, kun tasapainotaajuus kasvaa maksuoptimoiduille tasapainoille. Olisi kuitenkin järkevää, että salkku hyötyy enemmän maksujen optimoinnista, mitä useammin salkkua tasapainotetaan. Pohjimmiltaan, mitä useammin salkku käy kauppaa, sitä suurempi vaikutus “maksujen optimoinnilla” voi olla suorituskykyyn.

Vertaamalla kutakin tasapainotusstrategiaa yksinkertaiseen osto ja pito -strategiaan saamme nämä tulokset.

Kuva 5: Jokainen solu edustaa tasapainottamisstrategian ja HODL: n vertailua. Positiivinen arvo tarkoittaa, että strategia ylitti omistusosuuden tällä määrällä. Pohjimmiltaan, jos omistusstrategia toteutui + 100% yhden vuoden jakson aikana, positiivinen prosentti tarkoittaa sitä, että tasapainotusstrategia toimi jopa paremmin kuin + 100%.

Kuvassa 5 nähdään, että kaikki tasapainottamisstrategiat ylittivät osakkuuden (perustuen mediaanisalkun kehitykseen). Tämä tarkoittaa, että mediaaniosto- ja -ostostrategia toimii huonommin kuin minkä tahansa tasapainottamisstrategian mediaani.

Lopuksi voimme verrata maksulle optimoituja tasapainotuloksia tavallisiin tasapainotuloksiin, jotta voimme nähdä erityisen hyödyn, joka syntyy maksujen optimoinnista.

Kuva 6: Jokainen solu edustaa maksujen optimoinnista saatavaa hyötyä. Pohjimmiltaan kuinka paljon paremmin salkku toimii, kun käytetään maksujen optimointia kuin ei maksujen optimointia.

Kuten aiemmin keskustelimme, voimme nähdä, että maksujen optimoinnin hyöty kasvaa tasapainotaajuuden kasvaessa.

Päätelmät

Näistä tuloksista voidaan päätellä, että tasapainottaminen on yleensä ylittänyt osto- ja pitostrategian historiallisesti. Lisäksi voimme nähdä, että palkkioiden optimointistrategian hyödyllä on taipumus kasvaa kaupankäynnin tiheyden myötä. Mitä useammin strategia käy kauppaa, sitä enemmän hyötyä saadaan maksujen optimoinnista.

Ilman maksujen optimointia paras strategia oli yhden päivän tasapainotusväli.

Kynnyksen tasapainottaminen

Kynnyksen tasapainottamisen arvioimiseksi tutkimme 7 erilaista kynnysstrategiaa. Näihin sisältyy 1%, 5%, 10%, 15%, 20%, 25% ja 30% kynnysarvojen tasapainottaminen. Samoin kuin tämän tutkimuksen jaksoittaisessa tasapainottamisosassa, verrataan tavanomaista tasapainotusta, maksuoptimoitua tasapainoa ja HODL-tuloksia.

Kukin kokoonpano suorittaa 1000 ainutlaatuista taustatestiä yhteensä 21000 selkätestiä.

HODL-tulokset

Kuva 7: Yllä oleva kaavio on esimerkki salkun suorituskyvyn jakautumisesta, jonka havaitsimme, kun salkkuun ei käynyt kauppaa. Histogrammiin sisällytettiin 1000 selkätestiä. Kunkin takatestin suorittamisen jälkeen se laitettiin yhteen suorituskykysäleistä luomaan käyrä. Esimerkiksi noin 160 taustatestiä tuotti suorituskykyä, joka vaihteli 110%: n ja 137%: n välillä HODL-strategiassa.

Arvioidun yhden vuoden jakson aikana HODL-strategiaa käyttäneiden salkkujen mediaanisalkun arvo nousi 115%. Huomaa, että tasapainokynnyksen säätäminen ei vaikuta mediaanitulokseen, koska HODL-strategia ei tasapainota.

Tuloksissa havaitaan pieniä poikkeamia HODL-suorituskyvyssä. Nämä pienet poikkeamat ovat yksinkertaisesti satunnaisten sattumien seurausta. 1000 backtestin portfolion valinnan perusteella odotamme, että mediaanisuoritukset eivät ole aina samat.

Säännölliset tasapainotulokset

Kuva 8: Yllä oleva kaavio on esimerkki salkun suorituskyvyn jakautumisesta, jonka havaitsimme käytettäessä 15 prosentin kynnysarvon tasapainottamisstrategiaa (maksujen optimoinnilla). Histogrammiin sisällytettiin 1000 selkätestiä. Kunkin takatestin suorittamisen jälkeen se laitettiin yhteen suorituskykysäleistä luomaan käyrä. Esimerkiksi noin 98 takatestiä tuotti suoritustuloksia, jotka vaihtelivat välillä 173% ja 197% välillä 15%: n kynnysarvon tasapainottamisstrategia.

Yhden vuoden ajanjaksolla säännöllisten kynnysarvojen tasapainon mediaanisuoritukset vaihtelivat 134,1%: sta 152,7%: iin.

  • 1% kynnys – Mediaanin suorituskyky 134,1%

  • 5% kynnys – Median suorituskyky 150,5%

  • 10% kynnys – Median suorituskyky 150,2%

  • 15% kynnys – 152,7% mediaani

  • 20% kynnys – 147,4% mediaani

  • 25% kynnys – Median suorituskyky 150,2%

  • 30% kynnys – 147,0% mediaani

Maksun optimoidut tasapainotulokset

Kuva 9: ​​Yllä oleva kaavio on esimerkki salkun suorituskyvyn jakautumisesta, jonka havaitsimme käytettäessä 1 prosentin kynnyksen tasapainottavaa kaupankäyntistrategiaa (maksujen optimoinnilla). Histogrammiin sisällytettiin 1000 selkätestiä. Kunkin takatestin suorittamisen jälkeen se laitettiin yhteen suorituskykysäleistä luomaan käyrä. Esimerkiksi noin 118 takatestiä tuotti suoritustuloksia, jotka vaihtelivat 152%: n ja 189%: n välillä yhden prosentin kynnysarvon tasapainottamisstrategiassa.

Yhden vuoden ajanjaksolla palkkiooptimoidun kynnyksen tasapainotuksen mediaanisuoritukset vaihtelivat välillä 156,5 – 258,3%.

  • 1% kynnys – Mediaanin suorituskyky 258,3%

  • 5% kynnys – Mediaanin suorituskyky 197,2%

  • 10% kynnys – Median suorituskyky 179,1%

  • 15% kynnys – Median suorituskyky 172,1%

  • 20% kynnys – Keskimääräinen suorituskyky 163,2%

  • 25% kynnys – Keskimääräinen suorituskyky 164,1%

  • 30% kynnys – Keskimääräinen suorituskyky 156,3%

Keskustelu

Yhdistämällä tulokset voimme visualisoida lopulliset esitykset ruudukkona.

Kuva 10: Jokainen ruudukon solu edustaa 1000 takatestin mediaanisuoritusta. Prosenttiosuus edustaa salkun arvon prosentuaalista kasvua yhden vuoden aikana. Siksi 100% edustaisi salkun arvoa, joka kaksinkertaistuu backtest-jaksolla.

Kuviosta 10 voimme nähdä, että vaikka mediaani-salkut, jotka hyödyntävät osto-ja -ostostrategiaa, ovat yli kaksinkertaistuneet yhden vuoden aikana, kaikki kynnyksen tasapainottamisstrategiat ylittivät HODL-strategian.

Tämä viittaa siihen, että valitusta kynnyksestä riippumatta tasapainottaminen on perinteisesti pyrkinyt ylittämään pidon.

Kun rajaamme arviointimme vertailemaan vain maksuoptimoituja tasapainotuksia tavallisiin tasapainotaseisiin, voimme nähdä, että maksujen optimoinnilla on suuri vaikutus tuloksiin.

Kuva 11: Jokainen solu edustaa mediaanin kasvua prosentteina, joka kullakin strategialla on yli ostamisen ja pitämisen. Pohjimmiltaan positiivinen arvo tarkoittaa, että strategia ylitti ostamisen ja pitämisen kyseisellä prosentilla. Huomaa, että jos HODL-strategiaa käyttävän salkun arvo kasvaa 100%, positiivinen arvo tässä taulukossa tarkoittaisi, että tasapainottamisstrategia toimii vielä paremmin (niin yli 100% tässä esimerkissä).

Kuvassa 11 näemme, että mediaanitasapainostrategia ylitti yksinkertaisen HODL-strategian kaikissa tutkituissa tapauksissa. Palkkojen optimointi pystyi kuitenkin edelleen rakentamaan suorituskyvyn lisäyksiä lisäarvon tuottamiseksi.

Verrattaessa vain kahta tasapainottamisstrategiaa, voimme nähdä, kuinka paljon arvoa tuotettiin palkkiooptimointialgoritmeilla, joita käytettiin “maksuoptimoiduissa” tasapainotuksissa.

Kuva 12: Jokainen solu edustaa maksujen optimoinnista saatavaa hyötyä. Pohjimmiltaan kuinka paljon paremmin salkku toimii, kun käytetään maksujen optimointia kuin ei maksujen optimointia.

Kuvassa 12 voidaan nähdä maksuoptimoidun strategian hyödyntäminen. Säännöllisessä tasapainotustapauksessa näkemiemme aiheiden mukaisesti voimme nähdä, että maksujen optimointi tarjoaa enemmän hyötyä, kun kauppoja käydään usein.

Päätelmät

Näemme, että samanlainen kuin säännöllinen tasapainottaminen, kynnyksen tasapainottaminen on historiallisesti ylittänyt yksinkertaisen osto ja pito -strategian. Lisäksi näemme, että maksujen optimoinnin edut kasvavat, kun kaupankäynti lisääntyy.

Lopulliset ajatukset

Tutkittuamme 33 000 taustatestiä pystyimme jatkuvasti osoittamaan maksuoptimoidun tasapainottamisen edun verrattuna strategioihin, joissa ei käytetä maksujen optimointia. Lisäksi pystyimme tuottamaan lopullisesti tuloksia, jotka viittaavat siihen, että salkun tasapainottaminen ylitti HODL-strategiat historiallisesti.

Itse asiassa melkein 85% kaikista arvioiduista salkkuista tuotti parempia tuloksia tasapainottamisstrategiaa käytettäessä verrattuna HODL: ään.

Näytä kaikki tulokset

Koko yksityiskohtaiset tulokset ovat seuraavassa Google-asiakirjassa. Voit vapaasti selata koko tuloksia itse ja löytää muita mielenkiintoisia trendejä tai malleja.

Vastuuvapauslauseke: Backtestit voivat tutkia vain aiempia suorituksia eivätkä takaa tulevaa suorituskykyä. Tässä tutkimuksessa arvioidaan tasapainottamista koko vuoden ajan. Tasapainottaminen ei ole lyhytaikainen strategia, eikä se todennäköisesti tuota mitattavia tuloksia yhdessä päivässä tai edes yhdessä viikossa.

Muita hyviä lukuja

Kuinka tehdä salauskauppabotti Pythonilla

Vertailu kriittisten valuuttasalkkujen tasapainottamisstrategioihin

Yhteiset tasapainotusskenaariot salauksessa

Kynnyksen uudelleensuuntaus salaussalkun hallintaa varten

Mikä on DeFi? Opas hajautettuun rahoitukseen

Sosiaalinen kaupankäyntialusta

Katkarapu on salausvaluutan sosiaalinen kaupankäyntialusta. Se on suunniteltu sekä ammattimaisille että aloitteleville kauppiaille tulemaan oppimaan kasvavasta salausteollisuudesta. Shrimpy-palvelussa käyttäjät voivat kopioida muiden kauppiaiden salkut ja kaupankäyntistrategiat.

Seuraa meitä Viserrys ja Facebook päivityksiä varten ja kysy kysymyksiä hämmästyttäville, aktiivisille yhteisöillemme Sähke & Erimielisyydet.

Kiitos käynnistä!

Katkarapuryhmä

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me