首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >N-CryptoAsset投资组合 | 使用PCA识别高度相关的加密货币(最近听说某币很疯狂哦!)

N-CryptoAsset投资组合 | 使用PCA识别高度相关的加密货币(最近听说某币很疯狂哦!)

作者头像
量化投资与机器学习微信公众号
发布2018-01-29 17:56:37
1.2K0
发布2018-01-29 17:56:37
举报

前言

在本文中,以每日加密货币价格时间序列为例,以选择其中一个加密货币,通过巧妙地合并,我们将创建一个可存储的(例如HDF5,CSV文件格式)和可重用的N-CryptoAsset投资组合的文件。接下来,对于任何手动定义的时间间隔,我们将应用主成分分析(PCA)去实现建立一些模型,最后基于几个主要组件的分析来识别高度相关的加密货币。

520

找个好人

Python中的

N-Cryptocurrency组合

考虑任何资产的单一(每日抽样)收盘价时间序列。 它有开始和结束日期。 如果我们使用的数据来源是直接通过交易所,每个交易日都有相应的收盘价。 与外汇货币不同,加密货币全年都可以全天候交易。 但是,请记住,每个单一的加密货币在市场上都有自己的“fist time”,因此历史价格系列的长度不一样。 幸运的是,Python和它的pandas可以让我们控制时间序列范围和进一步的过滤。 下面直接开始程序吧:

获取时间序列很容易。 创建投资组合需要更多的关注细节。 让我们把选择的加密货币相对应的代码列表(fsym)放在一起,让我们定义“versus”我们希望表达的全部货币(tsym):

由于交易中流动性很差,所以省略了USDT。

通过运行程序我们给定(fsym)代码列表(每日历史收盘价)创建N-CryptoAsset投资组合:

比特币(BTC)是所有加密货币的头一把交易。

由于我们的DataFrame(df)包含大量缺失值(NaN),所以从这一点来看,有多种可能性可以提取数据分析子集。 例如,如果您想创建一个子组合,比如df1,只能存储BTC,DASH和XMR,可以通过以下方式实现:

那些NaN可以分散注意力。 不好的做法是用固定值(例如零)替换它们,因为它引入了无效数据。 插值也是一个坏主意。 一个好的是根据选择的日期/时间间隔进行过滤,或强制所有的时间序列在同一天开始,数据可用于所有三个货币。 后者由pandas自动完成,如下所示:

在此选择2017年3月作为输入数据,所有21个加密时间序列将在以下内容中进行分析。

相关性基于PCA

相关矩阵:

PC loadings (columns, k=1,…,21):

现在,构建一个涵盖PCA的最后两个PC组件(PC-20和PC-21)中每个隐式货币的相对权重的二重曲线,该协方差矩阵涵盖2017年3月的全时间段:

我们需要确定最大负载的加密货币。 通过阈值,采用导出距离的平均值加上一个标准偏差。 接下来,检查每个货币的数量为1号,2号,3号或4号,保存为一个列表中的元组。 最后,通过分别添加x和y标签来完成一个双曲线的绘制:

第1季度“高于门槛值”的货币可能与第3季度发生的高度相关。同样适用于第2季度与第4季度。我们使用两种不同工具的这种货币对(密码时间序列)的线性相关性,即单因素线性回归(R2)和Kendall的等级相关度量τ

高度相关的加密货币:

ETC ETH
0.953695467194 1.13545626686e-16  # R^2  p-value
0.840760907233 3.03600231596e-11  # tau  p-value
ETC PIVX
0.937915426073 7.20370581785e-15  # R^2  p-value
0.78875507792 4.55270029579e-10   # tau  p-value

WAVES ETH

0.909168786883 1.48631538239e-12 # R^2 p-value

0.81377872765 1.26296896563e-10 # tau p-value

WAVES PIVX

0.894512813936 1.18055349284e-11 # R^2 p-value

0.753498821898 2.59829246278e-09 # tau p-value

- END -

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2017-05-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量化投资与机器学习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档