En sammenligning af rebalanceringsstrategier for kryptovalutaporteføljer

>

Kryptomarkedet har nogle af de hårdeste rivaliseringer, når det kommer til startups. Hundredvis af kryptobørs udkæmper tand og søm for handelsvolumen, likviditet og nye handlende. Denne kamp er blevet et af knudepunkterne i branchen.

I denne undersøgelse vil vi tilbagestille genbalanceringsstrategier på tværs af en række forskellige kryptokursudvekslinger og sammenligne resultaterne. Hensigten er at skabe den mest pålidelige guide til, hvordan udførelse af handler og mere specifikt rebalancer kan påvirke ydeevnen fra børs til børs.

Når du bygger din portefølje og opsætter din automatiserede strategi, er et af de første spørgsmål, du måske stiller dig selv, “hvilken børs skal jeg bruge til at handle?” Følgende resultater kan hjælpe os med at besvare dette spørgsmål samt sammenligne resultater på tværs af børser for at give et øjebliksbillede af de nuværende markedsforhold.

Vores team har tidligere gennemført en række undersøgelser, men dette vil være den første, der evaluerer den samme strategi på tværs af en række forskellige udvekslinger. På den måde kan vi direkte sammenligne den samme strategi (ved hjælp af den samme metode), der implementeres på forskellige børser.

Den første bemærkelsesværdige undersøgelse, vi frigav, var “Rebalance vs. HODL: En teknisk analyse”. Under den intense volatilitet mod slutningen af ​​2017 og ind i 2018 gav denne undersøgelse spændende resultater for porteføljeombalancering og bragte endnu en gang denne strategi i det globale fokus.

Rejer – Personlig porteføljestyring

Rejerudviklere – Universal Crypto Trading API’er

Introduktion

For effektivt at kunne evaluere forskellen i ydeevne mellem rebalancering og et simpelt køb & hold (“HODL”) -strategi, skal vi først lægge grundreglerne for, hvordan vi vil udføre denne undersøgelse.

Genbalancering


Porteføljeombalancering er handlen med at handle med hvert enkelt aktiv i din portefølje for at matche et mål (ønsket) sæt allokeringer. På tidspunktet for ombalancering købes eller sælges kryptovalutaer for at nå disse målallokeringsprocenter.

Lad os se på et eksempel. Hvis du vil have en portefølje med en jævn fordeling (25%) af 4 forskellige aktiver, vil du muligvis have noget som 25% BTC, 25% ETH, 25% LTC og 25% XMR.

Selvom disse måske er de ønskede procenter for hver af dine aktiver, betyder det ikke, at du i øjeblikket ejer så meget i hvert aktiv. For eksempel har du muligvis 20% af din porteføljeværdi i BTC, 30% i ETH, 27% i LTC og 23% i XMR.

Under en rebalance vil du sælge ETH og LTC for at købe XMR og BTC. Ved afslutningen af ​​genbalancen har du 25% af hvert aktiv i din portefølje.

Dette enkle eksempel vil se sådan ud:

Nuværende portefølje

Eksemplet har en aktuel portefølje med 20% BTC, 30% ETH, 27% LTC og 23% XMR.

Mål (ønsket) tildeling

Dette er de ønskede procentsatser for porteføljen. Hvert aktiv ville have 25% vægt i porteføljen.

Periodisk genbalancering

Periodisk genbalancering er handlingen med at genbalancere en portefølje med et regelmæssigt interval eller “periode”. Ved slutningen af ​​hvert interval balanceres porteføljen igen, så den igen matcher målallokeringerne.

Nogle eksempler på almindelige genbalanceringsperioder inkluderer 1 time, 1 dag, 1 uge og 1 måned genbalanceringsperioder. Hver af disse perioder evalueres senere i denne undersøgelse.

Periodisk genbalancering har været en pålidelig strategi fra nye cryptocurrency-investorer på grund af enkelheden i at forstå, hvornår og hvordan porteføljen vil blive vedligeholdt.

For eksempel, hvis der er indstillet en 1-dags rebalanceperiode for en portefølje, vil porteføljen blive tildelt igen med målallokeringerne på samme tid hver dag. Denne sammenhæng giver en klar forventning til, hvordan strategien implementeres.

Portefølje genbalancering for kryptovaluta

Grænseombalancering

Tærskel-rebalansering bruger de samme kernebegreber som periodisk rebalansering, men i stedet for at implementere et konsistent interval for at beslutte, hvornår der skal balanceres, bruger tærsklen afvigelsen fra målallokeringerne (ønsket) for at bestemme, hvornår der skal udløses en rebalance.

Tærsklen, der evalueres for at udløse en tærskelbaseret genbalance, er baseret på følgende formel:

Formel: ((C – D) / D) x 100

Hvor,

  • C er nuværende fordeling.

  • D er ønsket fordeling.

  • Vi gange med 100 for at konvertere fra en decimal til en procentdel.

Hvis vi bruger det foregående eksempel, hvor BTC havde en nuværende tildeling på 30% og den ønskede fordeling på 25%, ville vi derfor være i stand til at beregne dens aktuelle afvigelse ved at tilslutte disse værdier til formlen.

BTC-afvigelse = ((.30 – .25) / .25) x 100

BTC-afvigelse = 20%

Med en nuværende afvigelse på 20% betyder det, at hvis vi havde en tærskel under 20%, ville hele porteføljen blive afbalanceret.

I denne undersøgelse vil vi evaluere tærskler, der spænder fra 1% til 30%. På den måde kan vi observere en lang række strategier og deres præstationer.

Grænseombalancering – Udviklingen i Cryptocurrency Portfolio Management

Data & Handelsberegninger

Dataene til denne undersøgelse blev indsamlet i realtid fra hver enkelt udveksling. Det betyder, at backtests for Bittrex for eksempel bruger nøjagtige markedsdata indsamlet fra Bittrex.

Vi har aldrig brugt aggregerede eller estimerede data til at beregne vores backtests, og denne undersøgelse er ingen undtagelse. Hver handel beregnes ved hjælp af præcise ordrebogsdata fra hver specifik udveksling.

Under hver ombalanceringsbegivenhed evalueres den historiske ordrebog, nøjagtige handler simuleres baseret på den aktuelle status for ordrebogen på det tidspunkt, og de resulterende saldi beregnes.

Hver simuleret handel bruger de relevante handelsgebyrer, der aktuelt er aktive på børsen. Da hver rebalance kun bruger taker-handler, krydses spredningen i hver handel, hvilket betyder, at spread og handelsgebyrer er inkluderet i omkostningerne ved rebalance.

For at give de mest nøjagtige beregninger handler disse backtests alle ved hjælp af BTC som den eneste kursvaluta. Det betyder, at hvis en handel skal finde sted mellem LTC og ETH under rebalancen, vil backtesten simulere dette som først en handel fra LTC til BTC, derefter en handel fra BTC til ETH. Der er ingen optimeringer til situationer, hvor der er muligheder for direkte handel, selvom der er direkte handelspar til rådighed.

Dataene for denne undersøgelse begynder den 1. januar 2019 og slutter den 1. januar 2020. På den måde begrænser vi evalueringsperioden til kun 2019.

Forsigtig: Kun nøjagtige bud-ask-data skal bruges, når der køres backtests. Brug af aggregerede data fra CoinMarketCap eller andre lignende tjenester vil resultere i meget unøjagtige beregninger. Rejerestudier er aldrig kompromitteret af brugen af ​​sådanne data.

Backtesting

Hver enkelt strategi blev evalueret ved at køre 1.000 backtests på hver børs. Det betyder, at når vi for eksempel evaluerede en 1-times genbalanceringsstrategi, kørte vi 1.000 backtests ved hjælp af denne strategi på hver børs.

I alt, 66.000 backtests blev kørt for at konstruere de komplette resultater, vi vil diskutere gennem hele denne undersøgelse.

Porteføljestørrelse

For at begrænse antallet af variabler varierede vi ikke antallet af aktiver i porteføljen på tværs af backtests. I vores tidligere studier har vi fundet ud af, at mangfoldighed påvirker porteføljens resultater, så hvis du er interesseret i disse resultater, kan du finde dem her.

Crypto-brugere, der diversificerer, klarer sig bedre

Denne undersøgelse vil bruge 10 aktiver for hver portefølje.

Tildelinger

Som diskuteret i tidligere afsnit er allokeringer de ønskede procenter for hver af aktiverne i en portefølje. Under hver rebalance foretages handler for at nå disse målallokeringer.

For enkelheds skyld bruger denne undersøgelse lige fordelinger på tværs af alle aktiver i hver portefølje, der evalueres. Det betyder, at da der er 10 aktiver i hver portefølje, vil hvert aktiv have en procent tildeling på 10% i porteføljen.

Under hver simuleret genbalance køber eller sælger backtest hvert aktiv for at nå den 10% -allokering, der blev tildelt hvert aktiv.

Den bedste aktivfordeling til genbalancering af kryptovaluta

Midler

Ved starten af ​​hver backtest finansieres porteføljen med $ 5.000 som den oprindelige porteføljeværdi. De resulterende porteføljeværdier beregnes derefter på baggrund af denne startværdi.

Valg af aktiv

For at undersøgelsen skulle forblive upartisk over for specifikke aktiver, var vi nødt til omhyggeligt at implementere en udvælgelsesproces, der inkorporerede alle tilgængelige aktiver på en børs. Dette blev gjort ved først at finde de aktiver, der var tilgængelige i hele backtestingsperioden (1. januar 2019 til 1. januar 2020) på hver børs. Fra de aktiver, der var tilgængelige, valgte hver backtest tilfældigt de 10 aktiver, der ville deltage i backtesten.

Randomiseringen af ​​aktivudvælgelsesprocessen fjerner bias for specifikke aktiver. I stedet for at evaluere resultaterne for specifikke porteføljer forsøger vi at forstå resultaterne af den generelle strategi.

Ydelsesberegninger

I slutningen af ​​backtesten er resultaterne to forskellige værdier. Disse værdier er den endelige værdi af porteføljen, hvis en rebalanceringsstrategi var blevet brugt, og den endelige værdi af porteføljen, hvis en HODL-strategi var blevet brugt.

For at bestemme, hvordan disse strategier sammenlignes, beregner vi præstationen for genbalanceringsstrategien mod HODL-strategien ved hjælp af følgende formel.

Ydeevne = ((R – H) / H) x 100

hvor,

  • R er den endelige værdi af den portefølje, der brugte en genbalanceringsstrategi.

  • H er den endelige værdi af den portefølje, der brugte HODL-strategien.

  • Resultatet er ganget med 100 at konvertere fra en decimal til en procent.

Bemærk, at alle de resultater, der er diskuteret i denne undersøgelse, sammenligner en rebalanceret portefølje med nøjagtig den samme HODLed-portefølje. Det betyder, at disse værdier ikke er relative til startværdien af ​​porteføljen, men de endelige værdier, der følger af disse to strategier.

Hvis der vises en værdi på 5%, betyder det, at det endelige resultat for den genbalancerede portefølje er 5% højere end HODLed-porteføljen. Der diskuteres ikke sammenligning af de indledende og endelige værdier for porteføljen, da det ikke er formålet med denne undersøgelse.

Valgte børser

Denne undersøgelse vil give en omfattende analyse af rebalance versus HODL-ydeevne på tværs af 6 større børser.

De valgte børser inkluderer:

  • Binance

  • Bittrex

  • Kraken

  • KuCoin

  • OKEx

  • Poloniex

Disse børser blev valgt på baggrund af deres popularitet, datatilgængelighed og valg af aktiver.

Bemærk: Børs som Coinbase Pro, Gemini og Bitstamp blev udelukket fra denne undersøgelse på grund af det begrænsede antal aktiver, der var tilgængelige på denne børs mellem 1. januar 2019 og 1. januar 2020. Da vi besluttede at bruge en standardporteføljestørrelse på 10 aktiver, disse børser gav ikke et forskelligt nok valg til at deltage.

Hver af de valgte børser gennemgår den samme backtestproces, således at resultaterne kan sammenlignes direkte på tværs af børser.

Resultater

Disse resultater dækker både tærskelbalancering og periodisk genbalancering. For hver udveksling leverer vi ydeevnehistogrammet for den bedst mulige strategi i både tærskel-rebalancering og periodisk rebalanceringskategorier.

Binance-backtests

Binance er den mest populære børs i verden. Dette kan tilskrives børsens høje likviditet, lave handelsgebyrer og pålidelige tjenester.

Periodiske rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 4 forskellige genbalanceringsperioder.

Binance periodiske rebalanceringsresultater viser en historisk præference for højere frekvens rebalancer. Som vi kan se i det farvede diagram, blev de bedste porteføljeresultater observeret, når porteføljer genbalanceres med et timeligt eller dagligt interval.

Når vi undersøger histogrammet om timebalance, kan vi se en klar klokkekurve for resultaterne. Disse resultater spænder fra -36% til en 57% stigning i ydeevne i forhold til køb & holde.

Den gennemsnitlige timeombalanceringsstrategi på Binance overgik HODL med 12,2%.

Tærskel rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 7 forskellige rebalancetærskler.

I lighed med de periodiske rebalanceringsresultater på nogle måder kan vi se, at tærskelens rebalanceringsresultater stadig demonstrerede en affinitet over for tærskler, der producerer rebalansering med højere frekvens. Den højeste præstationsgrænse for Binance var en 5% tærskelbalance.

Når man sammenligner resultaterne mellem de periodiske og tærskel-rebalanceringsstrategier, bliver det klart, at tærskel-rebalancering drastisk overgik periodisk rebalansering. Faktisk var der ud af alle de strategier, der blev testet, ingen periodiske rebalanceringsintervaller, der overgik nogen tærskelrebalanceringsstrategier på Binance.

Median 5% tærskel rebalanceringsstrategi på Binance overgik HODL med 21,7%.

Bittrex Backtests

Bittrex er en af ​​de hotteste børser i USA. Med en historie med stærk sikkerhed, god kundesupport og et ambitiøst team var det vigtigt for os at undersøge denne branchefavorit.

Periodiske rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 4 forskellige genbalanceringsperioder.

I modsætning til Binance har Bittrex vist en tilknytning til lidt længere genbalanceringsperioder. Dette kan sandsynligvis tilskrives deres højere handelsgebyrer og mindre likvide ordrebøger. Resultatet er, at flere gebyrer vil blive taget ud af porteføljen under hver genbalance.

Den bedste genbalanceringsperiode for Bittrex i hele 2019 var en 1 ugers genbalanceringsperiode. En 1-dages genbalanceringsperiode kom tæt på et sekund.

Interessant nok, selvom medianpræstationen for Bittrex var lavere end Binance på tværs af hver periodisk genbalanceringsstrategi, portrætterer histogrammet et antal højtydende porteføljer, der overgik de bedste porteføljer i Binance-undersøgelsen. Dette viser, at selv om medianporteføljen klarede sig dårligere på Bittrex, så klarede de øverste porteføljer sig bedre.

Den gennemsnitlige ugentlige genbalanceringsstrategi på Bittrex overgik HODL med 7,1%.

Tærskel rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 7 forskellige rebalancetærskler.

I lighed med resultaterne af periodisk genbalancering oplevede Bittrex højere median præstationsforøgelser ved højere tærskler end Binance. Da højere tærskler resulterer i, at porteføljen sjældnere genbalanceres, reducerer dette det betalte gebyrbeløb.

Resultaterne indikerer en 20% tærskel-genbalanceringsstrategi, der er den bedste for Bittrex. Præstationen matchede nøje de resultater, der blev observeret ved 5% -tærsklen på Binance, dog svarende til det periodiske rebalanceringseksempel, de mest effektive porteføljer overgik igen porteføljerne på Binance.

Den mediale 20% tærskel rebalanceringsstrategi på Bittrex overgik HODL med 21,4%.

Kraken Backtests

Kraken har længe konkurreret med Coinbase Pro om den øverste plads blandt amerikanske børser. Denne institution-venlige udveksling kunne ikke overses for denne undersøgelse.

Periodiske rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 4 forskellige genbalanceringsperioder.

Kraken periodiske rebalanceringsresultater viser en historisk præference for længere rebalanceringsperioder. I denne undersøgelse observerede vi det højest præstationsinterval, der var en 1-måneders rebalanceperiode.

Fra histogrammet kan vi se, at ydeevnespredningen er ekstremt stram. Resultaterne varierer kun fra -7% til 19% for månedlige rebalancer. Ud over en mindre spredning i histogrammet ser vi også en mindre spredning i medianresultaterne for de forskellige periodiske strategier.

Den gennemsnitlige månedlige rebalanceringsstrategi på Kraken overgik HODL med 5,3%.

Tærskel rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 7 forskellige rebalancetærskler.

I lighed med resultaterne fra periodiske rebalancering backtests viste tærskel rebalancing også en affinitet mod højere tærskler. Det betyder, at mindre hyppige tærskelbalanceringer også klarede sig bedre end hyppigere rebalancer.

Vi kan bemærke, at den tærskel, der præsterer bedst, udføres næsten identisk med de højest udførte periodiske rebalancer. Imidlertid klarede tærskelrebalancering i gennemsnit bedre end periodisk genbalancering på tværs af alle de undersøgte tærskler.

Den gennemsnitlige 30% tærskel rebalanceringsstrategi på Kraken overgik HODL med 5,3%.

KuCoin-backtests

KuCoin-udvekslingen har længe været en af ​​samfundets favoritter. Deres stjernemarkedsføring på græsrods har inspireret en dedikeret følge af handlende, der er forelsket i børsen.

Periodiske rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 4 forskellige genbalanceringsperioder.

I lighed med Kraken oplevede KuCoin-porteføljer størst fordel ved længere genbalanceringsperioder. Her ser vi, at 1-måneders rebalanceperiode overgik alle andre perioder.

I modsætning til Kraken, hvor vi så stramme spænd i performance over backtests, der brugte 1-måneders rebalanceperiode, ser vi et stort spænd for KuCoin. Dette spredning spænder fra -84% til 156%.

Den mest effektive periode for KuCoin var et månedligt rebalanceringsinterval. Dette gav de højeste resultater på 12,3% i forhold til køb & holde.

Bemærk: Årsagen til, at vi sandsynligvis ser, at resultaterne genererer en klokkekurve, og at nogle af de samlede resultater i laveste ende skyldes nogle få specifikke aktiver på KuCoin, der har ekstremt store spreads, lav likviditet eller konsekvent fald i værdi. Generelt kan disse ekstremer undgås ved ikke at tilføje svindel, aktiver med lav likviditet eller andre aktiver med lav markedsværdi til din portefølje.

Den gennemsnitlige månedlige genbalanceringsstrategi på KuCoin overgik HODL med 12,3%.

Tærskel-rebalanceringsresultater

Dette histogram viser resultaterne af 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til køb og tilbageholdelse. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil 1.000 backtests er blevet løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 7 forskellige tærskler for rebalance.

KuCoin oplevede den højeste median præstationsforøgelse for strategier for rebalancering af tærskler på tværs af højere tærskler. Den største præstationsforøgelse for tærskeludbalancering blev set for 25% tærskeludbalanceringer.

I lighed med mange af de andre børser så vi de højeste median præstationer øges, når vi bruger strategier for tærskelbalancering. Faktisk overgik 5 ud af de 7 forskellige tærskler endda den mest effektive periodiske rebalanceringsstrategi på KuCoin.

Median 25% tærskel rebalanceringsstrategi på KuCoin overgik HODL med 23,5%.

OKEx-backtests

OKEx har været en dominerende styrke internationalt. Selvom børsen muligvis ikke har haft den samme indflydelse på det amerikanske marked som nogle af de andre på denne liste, giver det stadig en overbevisende sag at blive betragtet som en af ​​de mest populære børser.

Periodiske rebalanceringsresultater

Dette histogram viser resultaterne af 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 4 forskellige genbalanceringsperioder.

Efter at have undersøgt hver af de periodiske rebalanceringsintervaller på OKEx, finder vi, at den optimale periode var midt i vores testinterval. Den højeste præstation observeres i en uges rebalanceperiode.

Histogramfordelingen for 1-ugers rebalanceringsresultater viser en kraftig skævhed mod den nedre ende af spredningen. Området for disse resultater strækker sig fra -26% til en 120% præstationsforøgelse i forhold til HODLing.

Den mediane ugentlige genbalanceringsstrategi på OKEx overgik HODL med 12,0%.

Tærskel-rebalanceringsresultater

Dette histogram viser præstationsresultaterne for 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til køb og tilbageholdelse. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 7 forskellige rebalancetærskler.

Tærskelombalancering på OKEx tegner et interessant billede. Selvom resultaterne svarer til de periodiske rebalanceringsresultater, finder vi, at den optimale tærskel er i den højere ende af spektret. Den højeste median præstationsforøgelse for tærskelbalancering på OKEx var på en 30% rebalancetærskel.

Baseret på disse resultater ville det være vanskeligt at afgøre afgørende, om tærskelværdi eller periodisk rebalansering historisk har fungeret bedst på OKEx. Det forbliver dog klart, at højfrekvent rebalansering generelt klarede sig dårligere end rebalancering med lavere frekvens på OKEx.

Den gennemsnitlige 30% tærskel rebalanceringsstrategi på OKEx overgik HODL med 13,9%.

Poloniex-backtests

Poloniex har en interessant historie i kryptorummet. Efter en episk stigning og eftergang sendes udvekslingen nu rundt som en varm kartoffel. Poloniex vil være den sidste udveksling, vi undersøger i denne undersøgelse.

Periodiske rebalanceringsresultater

Dette histogram viser resultaterne af 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til buy and hold. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 4 forskellige genbalanceringsperioder.

Poloniex presterede ikke særlig godt, når det kom til periodisk ombalancering. Ud af de 4 forskellige periodiske rebalanceringsstrategier fandt vi kun månedlig rebalancering bedre end en HODL-strategi. Imidlertid var den mediane præstationsforøgelse så slank, at det ville være svært at afgive en afgørende erklæring om sagen.

Histogrammet for Poloniex-forestillingen var et syn at se. Det er næsten en perfekt klokkekurve i området fra -21% til 22%.

Den gennemsnitlige månedlige genbalanceringsstrategi på Poloniex overgik HODL med 0,3%.

Tærskel-rebalanceringsresultater

Dette histogram viser resultaterne af 1.000 backtests. X-aksen er præstationsforøgelsen i forhold til en simpel HODL-strategi. Y-aksen er antallet af backtests, der er faldet i performance-skovlene, der er defineret på x-aksen. (Eksempel: En backtest blev kørt, og resultatet var en stigning på 15% i forhold til køb og tilbageholdelse. Dette vil betyde, at du tilføjer en 1 i x-akse-skovlen, der indeholder 15% i dens rækkevidde. Denne proces gentages, indtil der er udført 1.000 backtests løb.)

Median præstation stiger i forhold til køb & besiddelse af porteføljer, der udnyttede hver af de 7 forskellige tærskler for rebalance.

Resultaterne for tærskelbalancering synes mere lovende end periodisk genbalancering for Poloniex. Som vi kan se her, kun 1% tærskel rebalanceringsstrategi fungeret dårligere end HODL. De resterende strategier overgik HODL. Den mest effektive tærskel rebalanceringsstrategi er en 25% tærskel.

Histogrammet for tærskelresultaterne på 25% er vist ovenfor. Vi kan se et ret stramt interval fra -17% til 31%. I dette interval landede størstedelen af ​​backtests mellem 0% og 10% præstationsforøgelse i forhold til et køb & hold strategi.

Median 25% tærskel rebalanceringsstrategi på Poloniex overgik HODL med 4,6%.

Konklusioner

Disse resultater viser spændende indsigt i den historiske præstation af både periodisk og tærskelbalancering på tværs af 6 større børser.

Periodisk genbalancering

Nu hvor vi har dækket hver af børserne, kan vi vise resultaterne i et simpelt gitter. På den måde kan vi direkte sammenligne hver af de udvekslinger, vi undersøgte. Værdierne, der vises i diagrammet, er den mediane præstationsforøgelse i forhold til køb og beholdning. Det betyder, at hvis der er en værdi på 10%, klarede medianporteføljen 10% bedre ved at bruge genbalanceringsstrategien end køb og behold.

Den mediane præstation viser, at jo højere rebalanceperioden med det højere antal aktiver giver de højeste gevinster for rebalancering. Hver værdi repræsenterer en stigning i procent OVER køb og tilbageholdelse. Det betyder en værdi på 18 betyder, at medianen for den gruppe udførte 18 procent BEDRE end køb og tilbageholdelse. Dette viser, at selv det absolut værste tilfælde klarer sig bedre end ved at holde, selv efter at have overvejet skat.

På tværs af alle de udvekslinger, vi har undersøgt i denne undersøgelse, ser vi en klar tendens, der fortsat understøtter den fortælling, der tidligere har været diskuteret. I det væsentlige, når likviditeten på en børs stiger, og handelsgebyrene falder, har vi tendens til at finde højere medianudviklingsstigninger ved højere rebalanceringsfrekvenser. For eksempel har Binance både høj likviditet og et lavt handelsgebyr, så vi forventer at se den højeste præstationsforøgelse på Binance ved højere rebalanceringsfrekvenser.

Når vi tager alle disse resultater i betragtning, ser vi, at den periode med den bedste præstation i høj grad afhænger af udvekslingen. Det er vanskeligt at lokalisere en enkelt genbalanceringsperiode, der fungerede mest optimalt på tværs af alle børser.

Grænseombalancering

Tærskelombalancering giver en lignende historie. Jo mere likviditet der understøttes på en børs og lavere handelsgebyrer, jo højere hyppige rebalanceringsstrategier udføres optimalt.

Generelt var den mest effektive tærskel på tværs af de fleste børser et sted mellem 15% og 25%. Disse resultater stemmer tæt overens med vores tidligere undersøgelse af tærskelbalancering.

Den bedste tærskel for strategier for genbalancering af kryptovaluta

Når vi sammenligner disse resultater med resultaterne af de periodiske rebalanceringsstrategier, kan vi se en klar indikation af, at tærskelbalancering generelt har en tendens til at overgå periodiske rebalanceringsstrategier.

Selv om der er et par undtagelser, overgik de fleste tærskel-rebalanceringsstrategier købet & holde. Dette er en vigtig indikator for mennesker, der kæmper for at beslutte en strategi for genbalancering af en enkelt tærskel.

Begrænsninger

Resultaterne fra undersøgelsen dækker kun data mellem den 1. januar 2019 og til den 1. januar 2020. Et større datasæt ville være nødvendigt for at teste længere tilbage i fortiden. Da kryptovalutamarkedet er ustabilt, forventes det, at forskellige tidsperioder kan give forskellige resultater.

Historisk præstation bestemmer ikke fremtidige resultater. Selvom vores team har kørt omfattende backtests for data, der dækker de sidste 3 år, kan vi ikke garantere, at fremtidige år vil give de samme resultater.

Yderligere læsning

Almindelige rebalance-scenarier i Crypto

Denne Bitcoin-handelsstrategi overgik HODLing

Gennemsnit af dollaromkostninger for Cryptocurrency-porteføljer

Cryptocurrency trading bots – Den komplette guide

Vores handelsbot

Rejer er en applikation til opførelse af tilpassede kryptokurrencyindeksfonde, genbalancering og styring af en forskellig portefølje af digitale aktiver. Automatiser din portefølje ved at linke til nogen af ​​de 16 krypto-udvekslinger, vi understøtter.

Shrimpys Universal Crypto Exchange API’er er designet til udviklere. Integrering med vores samlede API’er giver dig øjeblikkelig adgang til ensartede slutpunkter til handel, dataindsamling, brugeradministration og mere på tværs af alle større kryptokurrencyudvekslinger.

For at få adgang til de komplette Python- og Node-biblioteker skal du følge disse links:

Node

Python

Hvis du bygger noget med Shrimpy API’erne, så lad os det vide! Vi vil meget gerne høre, hvordan vi kan fortsætte med at støtte dig på hvert trin i din udvikling.

Følg os på Twitter og Facebook for opdateringer, og still spørgsmål til vores fantastiske, aktive samfund på Telegram & Uenighed.

Tak fordi du kom forbi!

Rejerholdet

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