前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >最近一个月,量化交易还能玩吗?

最近一个月,量化交易还能玩吗?

作者头像
申龙斌
发布2019-05-08 16:52:56
1.6K0
发布2019-05-08 16:52:56
举报
文章被收录于专栏:申龙斌的程序人生

本文来自“一块链习”举办的CAVI加密资产价值投资第二期课程的学员杨洋,已获得作者授权发表。

前言

加密资产投资理论众多,方法千变万化,作为接触加密资产领域时间短、经验少、资金少的投资小白要想在币圈混混、赚个零花钱,是不是就要么跟着羊群到处瞎跑最后被割韭菜惨痛离场,要么就只能去上刘毅老师的《CAVI加密资产价值投资》课程呢?

做小绵羊追涨杀跌自然是行不通的,这样无异于自杀;学习刘毅老师的CAVI课程当然是一个好的选择,因为CAVI课程集投资加密货币的理论和实践于一身,既为我建立了加密资产投资的理论基础,同时又结合老师亲自验证过的成功投资实践,最后给出一套完整的加密货币投资思路和策略,让你在熊市打好认知基础、做好心理建设、为牛市来临选择好投资标的、设定好入仓出仓点位和占比,布局好未来4-6年的加密货币投资战略。

最关键的,是把自己假想成为一名猎人,与和我一样的一群猎人同伴一起,手拿长矛在丛林中伏击猛犸象,按耐住自己的急躁情绪,寻找最佳的时机和位置去进攻,最终狩猎成功,抬着猎物回去庆功……以上是我参加了CAVI课程的收获。可以说CAVI课程,给了我从心理到知识基础再到实施策略上的全方位指导。

然而对于一个年轻的投资者,从一开始就保持着CAVI课程中的理性分析、行为克制去等待长达数月甚至数年的机会,似乎有一点感觉太过安静和太过“颓废”了,毕竟数字资产交易市场天天热热闹闹的人气、起起落落的行情,不要说安安静静地等待牛市的来临,就是看一眼都会让人觉得心里痒痒的……

目标

有没有一种方法能结合长期的价值投资思想,又能在熊市相对安全的搞点“小动作”呢?经过我的一番研究和尝试,现在就可以给大家介绍一种利用自动交易机器人在保证资金相对安全的条件下赚点“小钱”的方法。

方法描述

利用自动交易机器人CryptoHopper替代人进行加密货币7x24小时全天候全自动交易来获取利润。

目前市场上比较成熟的加密资产自动交易机器人有三个,他们分别是:

1)CryptoHopper( https://www.cryptohopper.com )

2)Zignaly ( https://zignaly.com )

3) ProfitTrailer ( https://profittrailer.com )

关于机器人的选择,从功能上看这三个机器人大同小异,可以根据自己的偏好去选,没有特别的区分它们的硬指标。我本人选择的是CryptoHopper,原因是界面清晰简洁,我已经用熟了也就不愿意再花时间去研究另外两个机器人的界面了,另外还有一个特别重要的原因,就是机器人不能独立工作,需要借助外部行情信号源和行为策略的指引才能更好的去帮我们赚钱,而我所选用的外部信号源和行为策略与CryptoHopper兼容性最高,故此我就选用CryptoHopper了。

这里简单总结一下使用机器人进行自动交易与我亲自手工交易的区别:

优势:

  • 全天候无间断7x24小时盯盘
  • 交易动作迅速,只要满足交易条件立刻交易
  • 一个机器人(CryptoHopper)同时最多可以操纵75种加密资产,这个就相当于同时紧盯75只标的
  • 可以同时拥有多个机器人(只要肯花钱)
  • 操纵灵活,在机器人界面里就可以随时手动干预操作(手动买入或者卖出某个加密资产)
  • 交易数据报表及时而且完整,可以随时查看收入统计数据

不足:

  • 不是免费的
  • 机器人设定好之后就按照设定的规则定量的去执行,不如人有弹性
  • 不能克服平台风险,例如机器人和交易市场之间的API接口如果出现bug,会直接影响收益,甚至造成损失。不过这个问题出现概率目前看比较小。只要勤登录看一眼,就能避免大的损失
  • 仍然需要我们保持对行业动态的了解,及时调整机器人参数以抵抗潜在风险

CryptoHopper 简单介绍

登录后的界面看上去有些复杂,如下图:

大概有十个功能区,篇幅限制只能做简要的介绍。

① 机器人菜单

② 正在准备交易的资产(无论买入还是卖出)都会列在这

③ 持仓资产情况

④ 收益情况

⑤ 主要控制开关(机器人的开关,买入开关,卖出开关)

⑥ 紧急制动按钮,按下后会抛掉所有持仓的资产并使机器人停机

⑦ 持仓资产的状态

⑧ 最近卖出的资产以及利润

⑨ 手动买入

⑩ 机器人输出信息窗(包括所有机器人的动作详情)

CryptoHopper的设置

设置是机器人操作的核心。为了快速入手,可以购买一些比较成熟的交易策略配置方案(Strategy),按照人家给的说明一步一步填好就可以了。我买的是来自crypto-set的策略套装:

策略设置还是挺复杂的,好在Cryptoset这家公司给我的设置方案比较详细,可以按照设置步骤一步一步来操作,还提供了使用者论坛,便于有问题进行咨询。因为保密需要,策略设置我就不便在此截图来说明了。

这里我说明一点,我选择的机器人是可以操纵75种加密货币的,所以选币要在币安的24小时交易量排行中,选择排在前面的币种,交易量太小的就不要选择了。

设置好策略后,就需要去选择信号源(Signal)了。信号源是外部个人或者公司向机器人发出的购买信号,机器人的购买行为主要依赖信号源。

信号源可以选择一个或者多个。建议选择多个,这样可以在后期的统计数据中摸索哪种信号源效率比较高,便于以后逐步筛选优质信号源。

我选择了如下三个信号源:

其中前两个是收费的(与我选择的交易策略来自同一家公司),最后一个是免费的。

关于风险控制

首先,用于机器人操作的资金不建议大于你的加密总资本的30%。

其次,在熊市阶段,为了控制风险,可以把仓位数量控制在6-10个,也就是说机器人选择持有的币种不能超过10种。

再次,每种虚拟币的最大买入限额是1%(保守),3%(适中)或者4%(激进)。我测试时选择的是4%。也就是说,每种币最多可以花费4%的本金来购买,而我最多允许购买10个币种,综合下来,就是我的资金最多被使用不超过40%。如果限额调整为1%,就说明只有10%的资金可以被用来做机器人交易。

最后,在设置机器人之初可以选择你想使用的基础币种,如果选择USDT则风险较小,因为这样就避免了BTC行情波动造成的损失,当然比特币上涨带来的收益也就没有了。如果选择BTC作为基础币种,那么所有交易都是从比特币开始,最终卖出时都转成比特币,这样做的好处就是比特币如果上涨,你还会有收益,坏处就是比特币下跌,你就跟着损失。如果你长期看好比特币,并且投资风格比较激进,那么可以选择比特币作为基础币种,毕竟期望收益率高,风险也高。

测试及结果

测试周期:2月16日- 3月23日,共36天

基础资产:BTC

初始金额:0.37473318 BTC

期末金额:0.39635642 BTC

买入交易数量:228

卖出交易数量:220

买卖交易总数:448

平均每天交易数:12.44笔

36天收益率:5.77%

年化收益率:58.5%(这里没有考虑复利的影响,如果计算复利,并假设收益稳定,那么年化收益率达到75%)

机器人成本:99美金/月

信号源成本1:14.75美金/月(Cryptoset - Knife Catcher)

信号源成本2:7美金/月(Cryptoset - Technical Analysis)

信号源成本3:免费(Strategy Nakamoto - Signals FREE)

策略:49.99美金(一次性)

综合成本:125美元/月(策略成本摊薄12个月)

假设每月期望收益率为5%且收益稳定,那么本金125 / 5% = 2500美元等值的BTC就可以收回成本。

其他数据:

资产平均持有时间:1天(最长 ETC 8天,最短 QSP 31分钟)

资产平均利润:1.54%(最高 OMG 5.77%,最低 GAS 0.57%)

交易最频繁的币种:IOTA 4次 总利润9.09%,XVG 4次 9.09%

截取3月20-23日的交易详情供参考:

结论

经过36天的测试,CryptoHopper机器人表现稳定,在长期投资策略不变的前提下,实现了短期内风险可控的投资收益。熊市用机器人,牛市用CAVI课程中的建仓策略,两者形成一种互补。我知道具体实施中还会遇到很多不可预知的挑战,所以我还会持续跟进测试这个工具以及方法。

--- END ---

本文中的量化策略周期较短,可能与最近的一点小行情有关,所以请注意风险。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-03-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 申龙斌的程序人生 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 腾讯云自媒体同步曝光计划  ,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
相关产品与服务
区块链
云链聚未来,协同无边界。腾讯云区块链作为中国领先的区块链服务平台和技术提供商,致力于构建技术、数据、价值、产业互联互通的区块链基础设施,引领区块链底层技术及行业应用创新,助力传统产业转型升级,推动实体经济与数字经济深度融合。
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