3、 币资产固定策略的原理以及模拟回测数据

　　

　　免责声明：本文旨在传递更多市场信息，不构成任何投资建议。文章仅代表作者观点，不代表火星财经官方立场。 　　

　　

　　边肖：记得要集中注意力。 　　

　　

　　资料来源：OKEx情报局 　　

　　

　　1.数量交易的特点和适用范围 　　

　　

　　首先明确一点，任何量化交易的前提都是【货币价格波动】，单边市的任何策略都有可能出现亏损。最近行情不太适合量化，最多就是有点亏。今天，我们分享单一交易对策略。这些策略适用于任何交易对。做好了就来回波动，比如主流货币。后来，BTC/USDT交易对也被用来给出回测数据。 　　

　　

　　先说战略能力：任何战略都有一定的能力。策略频率越高，价差越小，容量越小，也就是不一定能拿到单。因为高频策略容量低，不适合大多数人，所以今天主要说一下高容量策略，也就是低频策略。手术时间2~10天左右，无需手续，手工操作即可轻松完成。策略的基本思想是在时间维度上低买高卖。因为不涉及趋势，所以今天的策略没有说止盈止损。跌了就不停补仓，涨了就不停出货。空头头寸和满仓一样危险，所以一般不会有空头头寸或满仓。适合数字货币的长期持有者。 　　

　　

　　2.半仓策略的原理和模拟回测数据。 　　

　　

　　半仓策略：保持比特币资产等于USDT资产。 　　

　　

　　参数：x，当比特币资产USDT * (1 x)或USDT比特币资产* (1 x)平衡时，同等对待比特币和USDT。简单来说，就是把比特币资产和USDT资产的差距保持在一定范围内。如果比特币涨了，就卖一点；如果比特币下跌，就买一点。 　　

　　

　　模拟数据为2017年10月27日至2018年8月9日。BTC价格为5773，BTC价格为6314，货币价格上涨了9.37%。我们这样评价策略的优劣：通过交易对的基准涨幅来判断策略的优劣，这里是9.37%。如果涨幅高于这个值，说明策略还可以；如果涨幅低于这个值，说明策略无效。简单来说，在市场大起大落的过程中，保持资产跑赢市场。 　　

　　

　　紫色是总资产曲线，蓝色是比特币价格曲线，绿色是USDT资产曲线。当绿色曲线上升时，意味着卖出BTC，下降意味着买入BTC。你可以用这个来观察策略的买卖时机。 　　

　　

　　如上所述，这个模拟的参数是0.31，这导致了25%的战略利润。0-0.5之间的参数平均利润在20%左右。相比比特币，价格上涨了9.37%，略好于大盘。如果是单边行情，策略也会亏损。所以量化也要求市场是波动的。所以这种策略一般选择大币而不是假币。这个策略，其实也存在于巴菲特的投资技巧中。 　　

　　

　　可以观察上图中的绿线，表示usdt的金额。上升的线表示卖出BTC，下降的线表示买入。可以对比btc的价格，看买卖时机。基本上都是短期高点卖，短期低点买。如果继续单边，就继续买卖。所以这个更适合长期持币，会比单纯持币有更高的收益，因为它包含了一些低买高卖的成分。 　　

　　

　　 　　

　　

　　货币资产固定策略：保持比特币资产等于一定数量的USDT，比如100 USDT。 　　

　　

　　参数：x，当比特币资产为100*(1 x)时，卖出比特币，留下相当于100 USDT的比特币；当比特币资产，购买比特币，达到相当于100 USDT。如果USDT不足，就不要操作。简单来说，就是让你的比特币永远保持100美元的资产。跌到95，涨到100买，涨到105，5美元卖。这样操作之后，美元会越来越多。 　　

　　

　　看看模拟的资产曲线： 　　

　　

　　参数：0.37 　　

　　

　　效果：战略利润89%，0-0.5之间的参数平均利润64%。 　　

　　

　　是 　　

　　

　　跌到63美元时，补仓37美元。这样比特币涨了9%，战略资产涨了89%。 　　

　　

　　也就是说拿着100美元不动，最后只有109美元。跑分攻略可以到189美元。仔细看图中的绿线。绿线的波动表示买卖点。 　　

　　

　　标注了前几个买卖点。红色是卖点，绿色是买点。结果，你的资产曲线离货币价格曲线越来越远。可见紫线离蓝线越来越远，单边行情不适合。除了趋势策略对单边市稍微好一点，其他策略都不喜欢单边市，这也是我前面说的大前提。需要有波动性，波动性越高越好。如果你用这个策略来经营一个山寨机，基本上 　　

就是一路补仓，这 2 个策略都可以在震荡行情使用，但是判断震荡行情很难，跌 5%买，涨 5%卖，这就是网格了， 相当于在 K 线上横向画很多线。看起来像网格，这个很多变种，可以是上次买卖的价格，也可以是你的持仓平均价，其实很多量化策略就一句话，参数越少的，越简单，今天介绍的，只有一个参数，而且 0 到 0.5 内的参数效果差不多，所以比较容易使用，随便找个参数都可以跑出类似的结果，我还有一些策略有 5 个以上的参数，各个参数组合，有上百万种可能，这种就很麻烦了，过拟合，对历史数据很好，但是对未来数据不行，分享的 2 个策略，因为频率低，容量非常大，应该可以支持上千万甚至上亿的资金规模，而且对实效性要求不好，所以也可以手操，基本上一天看一次就好了，程序实现， 也就不到 30 行代码，参数是自己定，其实各种策略，在不同的市场都一样，参数不同而已。

　　

基于历史数据，把各种参数都跑一次，看看参数和收益是否是连续的，如果是连续的， 就选择中部就可以了。如果不连续，那么可能就是参数不够。可能得增加其他可能性， 相当于参数维度扩展，比如，网格的参数，上下百分比，每次买入卖出比例，这就是 2

　　

个参数，或者可以看做 4 个参数，甚至买入卖出比例跟仓位可以相关，这就更加复杂了我刚刚提供的参数是模拟区间范围内最优解，而且其他参数效果差不太多，第一个策略， 最优解盈利 25%，其他参数盈利均值也有 20%，第二个策略，参数：0.37，效果：策略盈利 89%，0~0.5 之间的参数盈利均值为 64%，也就是你随便找一个，也可以有大约 60% 左右的收益率。