Wie entwickelt sich professionelle Handelssignale, die von Data Science unterstützt werden?

Letzte Woche haben wir hat einen Beitrag veröffentlicht Beschreibung der Einführung unseres ersten Token-Dienstprogramms, mit dem COFI-Inhaber 25.000 Token für den Zugriff auf die Beta-Version von CoinFi Trading Signals einsetzen können.

Es war aufregend zu sehen, wie Benutzer ihre COFI-Token einsetzen, um Zugriff zu erhalten:

In der Tat sind COFI-Staker jetzt gemeinsam die Elftgrößter Inhaber von COFI-Token in der Blockchain!

Zum jetzigen Zeitpunkt haben Beta-Benutzer 2.960.622,9548 COFI-Token für den frühen Zugriff auf CoinFi-Handelssignale eingesetzt, was 1,685% des zirkulierenden COFI-Angebots entspricht.

Der Slogan für unsere Signale lautet “Professionelle Handelssignale, die von Data Science unterstützt werden”. Daher dachten wir diesen Monat, wir würden einen Teil der Data Science teilen, die diesen Handelssignalen zugrunde liegt.

Dies ist natürlich nur die Spitze des Eisbergs, aber hoffentlich haben Sie ein besseres Verständnis dafür, wie wir Sie mit nützlichen Handelssignalen versorgen.

Handelssignale, die attraktiv und vorausschauend sind

Auf hohem Niveau sind wir an Handelssignalen interessiert, die 1) CoinFi-Benutzer wünschen und 2) bessere Handelsentscheidungen ermöglichen. Es ist wichtig zu beachten, dass diese beiden nicht unbedingt dasselbe sind.

Es könnte Beispiele für Signale geben, die Benutzer wünschen, die aber letztendlich nicht mit dem Preis korrelieren. Und umgekehrt – es gibt möglicherweise Signale, die den Benutzern nicht bekannt sind, die jedoch bessere Handelsentscheidungen ermöglichen würden, wenn Sie Zugriff auf sie hätten.

Aus diesem Grund folgen wir zwei parallelen (wenn auch nicht unabhängigen) Routen, um zu entscheiden, welche Handelssignale versendet werden sollen. In den frühen Stadien liegt unser Hauptaugenmerk jedoch auf Signalen, die beides sind attraktiv an Benutzer UND vorausschauend der Preisänderung.

Später werden wir auch Zeit damit verbringen, Vorhersagesignale zu untersuchen, die unsere Benutzer möglicherweise nicht berücksichtigt haben.

Um herauszufinden, was Benutzer wollen, hat unser Produktmanager Joe viel Zeit damit verbracht, mit Ihnen – unseren Benutzern – zu sprechen. Bei dieser Statusaktualisierung konzentrieren wir uns jedoch darauf, wie wir die Vorhersagbarkeit von Signalen testen.

Die Signalfabrik


Um die Vorhersagekraft von Signalen zu testen, verwenden wir das, was wir als bezeichnet haben Signalfabrik. Dies ist unser internes Tool zum schnellen Backtesting von Signalen für historische Daten. Insbesondere führen wir unsere Signaldatensätze durch eine Reihe von Tests mit mehreren Granularitäten (täglich, stündlich, Minute) und messen Dinge wie Gewinnrate, Portfoliorenditen usw. Natürlich testen wir auch die Signifikanz (sowohl mit Bayesian als auch mit Frequentist) nähert sich). Die Grundidee ist zu testen: Wenn ein Signal zum Zeitpunkt t ausgelöst würde, hätte es eine Preisänderung zum Zeitpunkt t + n vorhergesagt.

Der Zweck der Signal Factory besteht im Wesentlichen darin, den Build-Measure-Learn-Zyklus zu beschleunigen. Es stellt aber auch die Konsistenz bei der Art und Weise sicher, wie wir Signale zurücktesten, und ermöglicht vergleichbare Metriken für dieselben Daten.

Wir haben auch begonnen, mit Black-Box-Methoden zu experimentieren, bei denen wir große Mengen an Signalen kombinieren und Methoden des maschinellen Lernens wie tiefe neuronale Netze nutzen, um Vorhersagen über die Zukunft zu treffen.

Diese haben jedoch Priorität zweiter Ordnung. In diesem frühen Stadium möchten wir in der Lage sein, genau zu kommunizieren, warum ein Signal ausgelöst wird. Die Optimierung der Bewertungsmetriken ist wichtig – aber das ist noch nicht alles. Die Kommunikation rund um unsere Signale ist ebenso wichtig, um das Vertrauen unserer abgesteckten Benutzer zu gewinnen.

Beispiele für Backtesting-Ergebnisse

Wir werden in Kürze einen Abschnitt „CoinFi Research“ veröffentlichen, in dem Sie über die Backtesting-Ergebnisse unserer Handelssignale lesen können. Hier sind jedoch einige Teaser unserer bisherigen Backtesting-Ergebnisse.

ETH zu / von Börsen

Dies war einer der ersten Signalbereiche, die wir uns angesehen haben. Wie bei allen unseren Signalen müssen wir sehr spezifisch werden und darüber nachdenken, wie genau eine Hypothese wie „Der Wechsel der ETH in (oder aus) Börsen wird ein führender Prädiktor für den ETH-Preis sein“ quantitativ ausgedrückt werden kann..

Zum Beispiel könnten Sie dies ausdrücken als:

  1. Anzahl der ETH-Transaktionen
  2. Gesamtvolumen der ETH-Transaktionen
  3. Anzahl der ETH-Transaktionen größer als X ETH
  4. Anzahl der verschiedenen Brieftaschen, die die ETH senden

… und so weiter.

Das Schöne an unserer Signal Factory ist, dass wir all diese verschiedenen Varianten ausdrücken und sie dann alle anhand historischer Daten testen können. Auf diese Weise lassen wir die Daten entscheiden, wie Austauschbewegungen am besten beschrieben werden können. Jede spezifische Instanziierung eines Signals wird als parametrisiertes Signal bezeichnet.

Wir werden normalerweise jedes einzelne parametrisierte Signal zurücktesten, da dies ein vollautomatischer und skalierbarer Prozess ist. Wir können dann die Top-Signale basierend auf Gewinnrate, Portfoliorenditen usw. auswählen und diese durch Deep-Dive-Analysen genauer untersuchen.

Hier ist ein Beispieldiagramm aus einem tiefen Tauchgang, den wir durchgeführt haben, um die Dynamik des Preises während der 48 Stunden nach dem Auslösen eines Signals zu verstehen:

Die blaue Linie ist der indizierte gemittelte ETH-Preis an Tagen, an denen das Signal ausgelöst wurde. Die orange Linie ist dieselbe, jedoch für Tage, an denen das Signal nicht ausgelöst wurde. Die x-Achse „Stunde“ ist relativ zum Zeitpunkt der Signalauslösung.

Kurz gesagt zeigt die obige Grafik, dass der Preis innerhalb der ersten 24 Stunden nach Auslösung des Signals historisch gesunken ist, sich dann aber innerhalb von 48 Stunden erholt hat. Mit anderen Worten, dieses Signal kann je nach Handelsstil nützlich sein, um schnell zu verkaufen oder den Dip zu kaufen.

Hier können Sie sehen, wie das Signal historisch ausgelöst hat, überlagert mit dem ETH-Preis:

BTC und ETH als Frühindikatoren für andere Münzen

Wir können nicht erwarten, dass alle unsere Backtests zu prädiktiven Signalen führen. Tatsächlich wird die Mehrheit der Signale, die wir testen, unsere Messlatte nicht überschreiten – das sollte nicht einfach sein! Aber fehlgeschlagene Experimente sind keine Fehler – sie geben unseren Benutzern immer noch einen Wert, solange wir unsere Erkenntnisse kommunizieren.

Ein Beispiel hierfür sind BTC und ETH als führende Preisindikatoren für andere Münzen. Durch Granger-Kausaltests fanden wir, dass z.B. BTC war früher ein anständiger Prädiktor für den ETH-Preis, aber diese Beziehung brach ungefähr im Februar dieses Jahres zusammen, wie Sie hier tatsächlich visuell sehen können:

Es besteht auch die Möglichkeit, dass die Beziehung nicht tatsächlich verschwunden ist. Es könnte sein, dass die Latenz des Signals ist einfach gesunken, da mehr Bots und professionelle Händler auf den Markt gekommen sind.

Unabhängig davon war die Schlussfolgerung für uns hier, dass wir werden nicht Implementieren Sie ein Signal „BTC als führender Preisindikator“ – obwohl dies ein vorgeschlagenes Signal ist. Selbst wenn BTC ein kurzer Frühindikator sein könnte, würde es nahezu Echtzeit-Handelsaktionen erfordern, was unsere Hauptbenutzer nicht wirklich tun.

Wal-Token-Bewegungen

Ein weiteres Signal, über das sich viele Benutzer freuen, sind Wale, die ihre Token bewegen. Wir verfolgen jede einzelne Transaktion in der Blockchain für mehr als 1100 ERC20-Token. Dies bedeutet, dass wir unsere Benutzer benachrichtigen können, wenn wir bemerkenswerte Transaktionen sehen.

Das Schwierige an diesem ist, dass es schwierig ist, über alle Token hinweg konsistente Muster zu finden. Anstatt zu versuchen, durch Backtesting nach einem schwer fassbaren „einheitlichen Wal-Token-Signal“ zu suchen, haben wir uns entschlossen, Sie einfach Token ansehen zu lassen, an denen Sie interessiert sind, und wir werden Sie benachrichtigen, wenn wir eine Transaktion im 99,9-Perzentil sehen in einen Austausch.

Interessanterweise haben wir festgestellt, dass in einigen Fällen der Preis kurzfristig sinkt, wenn die Token-Zentralisierung (% des Angebots der Top-100-Geldbörsen) steigt. Sie können dies im Fall von OmiseGo historisch sehen:

Zwei Erklärungen könnten sein:

1) Privatanleger (kleine Geldbörsen) kauften früh (dies wird die Zentralisierung verringern) und verkauften dann ab Mai 2018 zunehmend (zunehmende Zentralisierung).

2) Wale (große Geldbörsen) wurden um den Januar herum abgeladen (dies wird auch die Zentralisierung verringern) und möglicherweise ab Mai 2018 zurückgekauft (zunehmende Zentralisierung)..

Beide Erklärungen könnten wahr sein.

OmiseGo ist nicht das einzige Token, bei dem Tokenbewegungen mit Preisbewegungen korrelieren. Ein weiteres Beispiel ist Crypto.com (ehemals Monaco), wo Sie sehen können, dass die meisten Spitzen ein Verkaufssignal ausgelöst hätten:

Long / Short-Positionen der BTC-Marge

Ein Signal, auf das wir noch nicht geschlossen haben, sind Margin-Long / Short-Positionen. Es gibt eine klare umgekehrte Korrelation zwischen Short-Positionen und dem BTC-Preis, wie diese Grafik zeigt:

Um sicherzustellen, dass dies umsetzbar und verständlich ist, werden wir mehr Zeit darauf verwenden, genau herauszufinden, welche Art von Signal wir mit diesen Daten auslösen möchten.

Was in Zukunft zu erwarten ist

Wir haben in diesem Jahr riesige Datenmengen auf den Kryptomärkten gesammelt. Um nur einige Bereiche zu nennen: Wir verfügen über Blockchain-Transaktionen, Kryptowährungs-Nachrichtenartikel, Social-Media-Posts und Austauschdaten, die von Orderbuch-Schnappschüssen bis hin zu Balken mit offenem, hohem und niedrigem Volumen reichen.

Wichtig ist, dass wir alle diese Datenpunkte über unsere Münzstammdatenbank kombinieren können, die unserer Ansicht nach die umfangreichste Kryptowährungsdatenbank ist, die es gibt.

Wie bereits erwähnt, hat das Backtesting einzelner Handelssignale derzeit höchste Priorität, aber wir werden bald zu mehr maschinellem Lernen übergehen, bei dem wir die Fülle der verfügbaren Daten wirklich nutzen können. Beispielsweise sehen einige frühe Experimente, die tiefe neuronale Netze nutzen, um die Preisvolatilität vorherzusagen, vielversprechend aus.

Wir werden weiterhin alle unsere Signale durch Benutzertests und Backtests testen, um Benutzern, die COFI-Handelssignale einsetzen, nicht nur attraktive, sondern auch prädiktive Signale zu geben.

Wenn Sie an der Beta-Version für Handelssignale interessiert sind, ist es noch nicht zu spät! Gehen Sie einfach hierher, klicken Sie auf “Meinen Platz reservieren” und setzen Sie einige COFI-Token ein.

Ein neuer & Verbessertes CoinFi.com

Wenn Sie unsere monatlichen Updates verfolgt haben, wissen Sie, dass sich CoinFi News seit etwa 3 Monaten in der Closed Beta befindet.

Während sich ein Großteil des Datenteams auf Signale konzentriert hat, steht CoinFi News ebenfalls kurz vor der Veröffentlichung. Wenn Sie bisher noch keine Gelegenheit hatten, an der Beta teilzunehmen, können Sie davon ausgehen, bald von uns zu hören.

Für den Rest des vierten Quartals sind einige wichtige Aktualisierungen der CoinFi-Website in Arbeit

Seien Sie wie immer gespannt auf weitere Entwicklungen!

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