作者|MarcHoward
编译|Guoxi
出品|区块链大本营
玩过股票的人都知道，股票市场的波动受各种因素的共同影响，有着很强的随机性，很难预测。而新兴的加密货币市场与股票市场有着很大的差别，更加难以预测。
由于传统方法行不通，国外网友MarcHoward另辟蹊径，通过分析大众对加密货币的情感来预测加密货币市场的波动。在90天的实验周期里这种方法获得了29%的投资回报率，他是怎么做到的？
让我们一起来看看。
我刚开始接触加密货币时，有一些问题困扰着我：
我们真的可以预测比特币的价格么？
谷歌趋势服务所公开的数据是否能从某种程度上反映比特币大致的涨跌趋势？
21Shares Aave ETP成为6月欧洲回报率最差的交易所交易产品:金色财经报道，据Morningstar数据显示，6月欧洲表现最差的交易所交易产品都是加密产品，其中21Shares Aave ETP在六月份的收益率为-52.6%，成为欧洲当月负回报率最高的交易所交易产品。此外，21Shares其他加密货币ETP的表现也非常糟糕，比如21Shares 比特币现金 ETP、以太坊 ETP 和 Bitcoin Suisse ETP 回报率分别为 -47.5%、-46.5% 和 -40.5%。不过，21Shares 比特币 ETP 和以太坊 ETP 在 6 月份创下欧洲市场最大的流入量，分别有 2000 万美元和 1000 万美元的净新资产。[2022/7/6 1:55:38]
我们能否建立一个预测市场动向的可靠交易模型？
报告：ETH月回报率连续两个月排名首位，可能与DeFi市值回升有关:加密货币交易商SFOX发布的加密市场6月报告显示，主流加密货币的波动水平朝着更加同质化的方向发展，但要确定这是否是一个长期趋势还需要观察。虽然美国强劲的就业报告与标普500指数上涨和比特币价格下跌同时出现，但两者之间的相关性并未得到证实。比特币的走势理论上可能只是技术面破位导致的价格下跌，而不是对美国就业新闻的反应。截至6月2日，以太坊连续两个月度回报率排名首位（本月为 16.15%），这可能反映了DeFi市值的回升以及市场参与者为以太坊 2.0 所做的准备。根据DeFi Pulse数据，DeFi市值在新冠肺炎大流行开始时急剧下降，但如今已几乎恢复到新冠肺炎爆发前的峰值，6月6日DeFi生态中锁定的资产总价再度超过10 亿美元。一些ETH由于被锁定而从流通中移除，DeFi的增长可能导致ETH价格的上涨。ETH价格上涨的第二个因素是ETH 2.0 PoS共识机制转移，这将允许至少有32个ETH钱包运行一个权益节点，并参与验证，根据Nansen和Arcane Research的研究，持有至少32个ETH的钱包数量一直在稳定增长。截至6月8日，SFOX多因素市场指数已从中性转为温和看涨。[2020/6/11]
当时，我给自己定下了一个看起来遥不可及的目标，就是试图理解加密货币这个变化无常且看似无法预测的市场。
Polychain Capital加密对冲基金整体回报率可达1332.3%:一份投资者文件显示，Polychain Capital的加密货币对冲基金在2016年的年回报率为2.7%，而2017年的年回报率为2278.8%。随后，该指数在2018年暴跌60.4%，并在2019年（截至11月）飙升至56.1%。这种过山车式的变化象征着加密投资者都深谙的市场剧烈波动，其表现完全脱离了常识和常规市场。文件指出，在该对冲基金生命周期内持有资金的投资者将净赚1332.3%，因此较长期的展望可能抵消增加的风险。彭博全球对冲基金指数显示，2018年非加密货币对冲基金的整体回报率为5.9%，2016年、2017年和2019年分别为4.0%、9.2%和9.0%。不属于加密货币领域的领先对冲基金在其整个周期中可获得15%至35%的收益。Polychain Capital对此拒绝置评。回报能否实现，取决于Polychain Capital的投资者——包括著名风险投资公司Andreessen-Horowitz、Founders Fund、红杉资本（Sequoia Capital）和Union Square Ventures——何时存取资金。（CoinDesk）[2020/3/30]
当然了，我这并不是不自量力。加密货币市场充满了魅力，让许多交易员都沉醉其中。有许多交易员通过技术分析的手段试图揭开加密货币市场神秘的面纱，而有一些交易员则是耍小聪明，照搬股票市场上的基本分析理论。
声音 | Consensys全球产品战略负责人：以太坊2.0验证者期望年化回报率为4.6％至10.3％:Consensys全球产品战略负责人Collin Myers近期表示，以太坊2.0网络启动后，采用32 ETH的验证者可以期望获得的年化回报率为4.6％至10.3％。Myers还透露，他正在构建一个用户应用程序（ETH 2.0 Calculator），使验证者能够根据不同的硬件和电力成本计算年度总回报和净回报。Myers称：“ETH 2.0 Calculator是为协议研究人员、验证人员和爱好者而开发，以增加以太坊2.0网络经济的透明度和教育程度。”他计划在2020年第一季度推出以太坊2.0的同时推出该web工具。（CoinDesk）[2019/10/25]
然而结果并不乐观，没有哪种神奇的交易模型总能战胜市场这只“看不见的手”。从原理上来说，有太多的因素可能会造成加密货币市场的波动，这个市场有着很强的随机性，即使那些最好的基于人工智能的交易模型也不能保证连续获利。
TFUND基金会首期投资回报率高达200%+，现已启动第二期募集:据TFUND披露，于2017年12月23日所启动的首次募集，Q1投资回报率高达200%+，该基金会为只接收TNB投资的数字货币基金。5月5日，TFUND数字货币基金会启动第二期募集，同为只接收TNB，募集总量为5亿TNB，募集下限为100万TNB,为期一年。[2018/5/10]
而我另辟蹊径，从另一个角度入手建立交易模型。这个交易模型非常简单，在这篇文章中我会以最明晰的方式展现我的思路。
需要说明的是，我的交易模型还是一个正在开发中的半成品，虽然在模拟实验中它展现出了强大的预测能力，但它绝不是万无一失的，如果使用我的交易模型请自行承担风险。
战胜”看不见的手“的交易模型
根据我的设想，这个交易模型应该是比特币价格的相对一致性指标，我也在不断测试并修正这个交易模型。
在这次长达90天的模拟实验中，我“买入”了价值10万美元的比特币，通过交易模型做出的买入/卖出决策，最终的投资回报率高达29%。
不过，作为一次模拟实验，这里的利润中并没有扣除实际交易时需要付给加密货币交易所的手续费，这巨额的手续费让我急切地盼望去中心化加密货币交易所的普及。
交易模型的灵感来自于WillyWoo的工作，Willy第一个提出使用谷歌趋势服务的数据来预测比特币价格的走向。我在他工作的基础上做出了一些改进，具体的方法如下。
首先，通过谷歌趋势服务查询最近90天里“比特币兑换美元价格”和“购买比特币”的搜索趋势：
7月7日到10月4日这90天时间里，“比特币兑换美元价格”和“购买比特币”的搜索趋势
其次，我注意到，当“比特币兑换美元价格”与“购买比特币”的搜索量比率低于3：1时，第二天的比特币收盘价格就会上涨。
如果这个比率大于3：1时，比如说达到了4:1或5:1，那么这就是一个要卖出的信号，因为第二天比特币收盘价格会下降。
接下来，我对比特币前后两天收盘价价格差超过80美元的情况进行了进一步的测试，在这些测试中，搜索量的比率与价格波动表现出了极大的相关性。
这里的80美元是我人为给定的一个值，这个值在实验中取得了很不错的效果。实验期间的比特币价格以及交易模型给出的买入/卖出策略如下所示：
实验期间的比特币价格以及交易模型给出的买入/卖出策略截图
根据上图，可以看出：
BTCUSD：谷歌趋势服务给出的当日搜索量数据。
BuyBitcoin：谷歌趋势服务给出的当日搜索量数据。
Price：加密货币排名网站CoinMarketCap给出的比特币当日收盘价。
Excel表格中的E列：“购买比特币”与“比特币兑换美元价格”的搜索量比率。
Excel表格中的F列：交易模型给出的买入/卖出决策。例如，针对单元格F19，决策的公式是：F19=if，“买入”，“卖出”），即当同时满足当日“购买比特币”与“比特币兑换美元价格”的搜索量比率大于35%，当天比特币收盘价与前一天差值大于80美元时买入，否则就卖出。也就是说，Excel表格中E这一列数据大于35%且G这一列数据大于80就是买入的信号。
Excel表格中的G列：比特币收盘价与前一天的差值。
Excel表格中的H列：假定在2018年7月7日价值10万美元的比特币，期间按照该交易模型给出的买入/卖出策略进行交易，当日持有的比特币总价值。
交易模型结果的优化
按照上述的交易策略，在90天的实验周期内，理论上我的资产从10万美元增长到了128,839美元，几乎实现了29％的投资回报率。不过上面我也提到了，这并不是一个最优的模型，我还可以从几个方面做出优化。
“比率大于35％”和“差额大于80美元”这样的判别准则看起来十分随意，因为这只是我在有限的90天数据集中找出的规律。是否有其他的决策标准可以产生更好的买入/卖出决策？
当比特币价格水平维持在6000到8000美元时，这个交易模型可以给出很好的决策。
在分析了过去一两年的交易信息后，我对交易模型做出了一些改进，我将决策规则细化并做成了表格，表格的纵轴为“购买比特币”与“比特币兑换美元价格”的搜索量比率，数值从1：3到1：5不等。
考虑到比特币价格波动较大，“80美元”这个指标并不总能奏效，因此我将这个指标转换为差价与当日比特币价格的比值，并将其列在表格的横轴，在这种情况下，一个可能最优的交易模型就是，在同时满足“购买比特币”与“比特币兑换美元价格”的搜索量比率为1：2.86且价格波动的比率为0.014543229时买入。
改进后的表格看起来这个样：
改进后交易模型的决策规则
后续规划
除此之外，这个交易模型还有很大的优化空间。
首先我想进行一些测试，通过研究过去的交易数据找到能够最大化利润的最佳指标，这需要对过去的价格和搜索量比率进行回归测试。
我的设想是不同的价格水平上存在着相同的最佳指标，GoodLuck！
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。