Jak se vyvíjí profesionální obchodní signály založené na vědě o datech

Minulý týden jsme zveřejnil příspěvek popisující představení našeho prvního nástroje pro tokeny, který umožňuje držitelům COFI vsadit 25k tokenů pro přístup k CoinFi Trading Signals beta.

Bylo vzrušující sledovat, jak uživatelé vsazují své tokeny COFI, aby získali přístup:

Ve skutečnosti jsou sázky COFI nyní kolektivně 11. největší držitel tokenů COFI na blockchainu!

V době psaní tohoto článku vsadili uživatelé beta 2 960 622 9548 tokenů COFI pro předčasný přístup k signálům obchodování CoinFi, což je 1,685% cirkulující nabídky COFI.

Slogan našich signálů je „Profesionální obchodní signály podporované datovou vědou“, takže tento měsíc jsme si mysleli, že sdílíme některé datové vědy, které jsou základem těchto obchodních signálů.

Je to samozřejmě jen špička ledovce, ale doufejme, že lépe porozumíte tomu, jak pracujeme, abychom vám poskytli užitečné obchodní signály.

Obchodní signály, které jsou atraktivní a prediktivní

Na vysoké úrovni nás zajímají obchodní signály, které 1) uživatelé CoinFi chtějí, a 2) umožňují lepší obchodní rozhodnutí. Je důležité si uvědomit, že tito dva nemusí být nutně totéž.

Mohly by existovat příklady signálů, které uživatelé chtějí, ale které nakonec nemají žádnou korelaci s cenou. A naopak – mohou existovat signály, o kterých si uživatelé nejsou vědomi, ale které by umožnily lepší obchodní rozhodnutí, pokud byste k nim měli přístup.

Z tohoto důvodu sledujeme dvě paralelní (i když ne nezávislé) cesty, které nám pomáhají rozhodnout, které obchodní signály odeslat. Naše hlavní zaměření v raných fázích je však na signály, které jsou oba přitažlivý uživatelům A prediktivní změny ceny.

Později také strávíme čas zkoumáním prediktivních signálů, které naši uživatelé možná nezohlednili.

Aby zjistil, co uživatelé chtějí, náš produktový manažer Joe trávil spoustu času rozhovorem s vámi – našimi uživateli. U této aktualizace stavu se ale zaměříme na to, jak testujeme prediktivitu signálů.

Signální továrna

Abychom otestovali prediktivní sílu signálů, použijeme to, co jsme nazvali Signální továrna. Toto je náš interní nástroj pro rychlé zpětné testování signálů na historických datech. Konkrétně naše signální datové sady provozujeme pomocí baterie testů s více granularitami (denně, každou hodinu, minutu) a měříme věci jako míra výhry, návratnost portfolia atd. Přirozeně také testujeme významnost (pomocí Bayesian a Frequentist přístupy). Základní myšlenkou je otestovat: pokud by byl signál spuštěn v čase t, předpověděl by změnu ceny v čase t + n.

Účelem továrny na signály je v podstatě urychlit cyklus sestavování, měření a učení. Zajišťuje však také konzistenci způsobu zpětného testování signálů, což umožňuje srovnatelné metriky na stejných datech.

Začali jsme také experimentovat s metodami černé skříňky, kde kombinujeme obrovské množství signálů a využíváme metody strojového učení, jako jsou hluboké neurální sítě, abychom mohli předpovídat budoucnost.

Jedná se však o prioritu druhého řádu. V této rané fázi bychom chtěli být schopni přesně komunikovat, proč se signál spouští. Optimalizace metrik hodnocení je důležitá – ale to není všechno. Komunikace kolem našich signálů je stejně důležitá pro získání důvěry našich vsazených uživatelů.

Příklady výsledků zpětného testování

Brzy budeme sdílet sekci „CoinFi Research“, kde si můžete přečíst o výsledcích zpětného testování našich obchodních signálů, ale zde je několik ukázek z našich dosavadních výsledků zpětného testování.

ETH na / z burz

To byla jedna z prvních signálních oblastí, na které jsme se začali dívat. Stejně jako u všech našich signálů se musíme dostat velmi konkrétně a přemýšlet o tom, jak přesně kvantitativně vyjádřit hypotézu jako „ETH pohybující se do (nebo z) burz bude hlavním prediktorem ceny ETH“.

Můžete to například vyjádřit jako:

  1. Počet transakcí ETH
  2. Celkový objem transakcí ETH
  3. Počet transakcí ETH větších než X ETH
  4. Počet různých peněženek odesílajících ETH

… a tak dále.

Pěkné na naší Signal Factory je, že můžeme vyjádřit všechny tyto různé varianty a poté je všechny zpětně otestovat na historických datech. Tímto způsobem necháme data rozhodnout, jaký je nejlepší způsob, jak popsat pohyby směny. Každou konkrétní instanci signálu označujeme jako parametrizovaný signál.

Obvykle provedeme zpětný test každého parametrizovaného signálu, protože se jedná o plně automatizovaný a škálovatelný proces. Poté můžeme vybrat nejlepší signály na základě míry výhry, návratnosti portfolia atd. A důkladněji je studovat pomocí hloubkových analýz.

Zde je příklad grafu z hloubkového ponoru, který jsme provedli, abychom porozuměli dynamice ceny během 48 hodin po spuštění signálu:

Modrá čára je indexovaná průměrná cena ETH ve dnech, kdy byl spuštěn signál. Oranžová čára je stejná, ale pro dny, kdy se signál nespustil. Osa „hodiny“ je relativní s okamžikem, kdy byl spuštěn signál.

Stručně řečeno, výše uvedený graf ukazuje, že cena historicky poklesla během prvních 24 hodin od spuštění signálu, ale poté se zotavila do 48 hodin. Jinými slovy, tento signál může být užitečný pro rychlý prodej – nebo pro nákup dipu – v závislosti na vašem obchodním stylu.

Zde vidíte, jak se signál historicky spustil, překrytý cenou ETH:

BTC a ETH jako hlavní ukazatele pro ostatní mince

Nemůžeme očekávat, že všechny naše zpětné testy povedou k prediktivním signálům. Ve skutečnosti většina signálů, které testujeme, neprojde naším barem – to by nemělo být snadné! Ale neúspěšné experimenty nejsou neúspěchy – stále dávají hodnotu našim uživatelům, pokud sdělujeme naše poznatky.

Jedním z příkladů jsou BTC a ETH jako hlavní cenové ukazatele pro ostatní mince. Prostřednictvím Grangerových testů kauzality jsme zjistili, že např. BTC býval slušným prediktorem ceny ETH, ale tento vztah se rozpadl přibližně kolem února letošního roku, jak můžete vidět vizuálně zde:

Existuje také šance, že vztah ve skutečnosti nezmizel. Může se stát, že latence signálu prostě kleslo, protože na trh vstoupilo více robotů a profesionálních obchodníků.

Bez ohledu na to tu pro nás byl závěr, že to uděláme ne implementovat signál „BTC jako hlavní indikátor ceny“ – navzdory tomu, že jde o navrhovaný signál. I když by BTC mohl být krátkým předstihovým indikátorem, vyžadovalo by to téměř obchodování v reálném čase, což naši hlavní uživatelé ve skutečnosti nedělají.

Pohyby žetonů velryb

Dalším signálem, který mnoho uživatelů nadchne, jsou velryby, které pohybují svými žetony. Sledujeme každou transakci, která se děje na blockchainu, u více než 1100 tokenů ERC20. To znamená, že můžeme své uživatele upozornit, kdykoli uvidíme významné transakce.

Složité na tomhle je, že je těžké najít konzistentní vzory napříč všemi žetony. Takže místo toho, abychom se pokusili hledat nepolapitelný „signál jednotného velrybího tokenu“ prostřednictvím zpětného testování, rozhodli jsme se, že vám jednoduše umožníme sledovat tokeny, které vás zajímají, a my vás upozorníme, kdykoli uvidíme transakci, která se pohybuje na 99,9. Percentilu do výměny.

Zajímavé je, že jsme zjistili, že v některých případech, kdy centralizace tokenů (% nabídky držené u nejlepších 100 peněženek) stoupne, cena krátkodobě poklesne. V případě OmiseGo to vidíte historicky:

Mohou být dvě vysvětlení:

1) Drobní investoři (malé peněženky) nakupovali brzy (tím se sníží centralizace) a poté stále více prodávají od května 2018 (rostoucí centralizace)

2) Velryby (velké peněženky) byly dumpingové kolem ledna (tím se také sníží centralizace) a případně zpětný nákup od května 2018 (zvýšení centralizace).

Obě vysvětlení mohou být pravdivá.

OmiseGo není jediným tokenem, kde pohyby tokenů korelují s pohyby cen. Dalším příkladem je Crypto.com (dříve Monako), kde vidíte, že většina vrcholů by spustila prodejní signál:

BTC marže dlouhé / krátké pozice

Jedním signálem, který jsme dosud neuzavřeli, je margin / short pozice. Tento graf ukazuje jasnou inverzní korelaci mezi krátkými pozicemi a cenou BTC:

Abychom však zajistili, že je to proveditelné a srozumitelné, budeme trávit více času tím, abychom přesně zjistili, jaký druh signálu chceme pomocí těchto dat spustit.

Co očekávat do budoucna

Letos shromažďujeme obrovské množství dat na kryptotrzích. Stačí zmínit několik oblastí, máme nezpracované transakce blockchainu, zpravodajské články o kryptoměně, příspěvky na sociálních médiích a výměnu dat, od snímků objednávek po pruhy otevřeného, ​​vysokého, nízkého a blízkého objemu.

Důležité je, že jsme schopni kombinovat všechny tyto datové body prostřednictvím naší databáze hlavních mincí, o které se domníváme, že je nejrozsáhlejší databází kryptoměn v existenci.

Jak již bylo zmíněno, zpětné testování jednotlivých obchodních signálů je právě teď nejvyšší prioritou, ale brzy přejdeme k dalšímu strojovému učení, kde můžeme skutečně využít množství dat, která máme k dispozici. Jako příklad vypadají slibné některé rané experimenty využívající hluboké neurální sítě k predikci volatility cen.

Budeme pokračovat v uživatelském testování a zpětném testování všech našich signálů, abychom poskytli uživatelům, kteří sázejí na obchodní signály COFI, nejen atraktivní, ale také prediktivní.

Pokud máte zájem připojit se k beta signálům obchodování, není pozdě! Stačí se vydat sem, kliknout na rezervovat mé místo a vsadit pár žetonů COFI.

Nový & Vylepšený CoinFi.com

Pokud sledujete naše měsíční aktualizace, víte, že zprávy CoinFi jsou v uzavřené beta verzi asi 3 měsíce.

Zatímco velká část datového týmu byla zaměřena na signály, CoinFi News se také blíží veřejnému vydání. Pokud jste doposud neměli příležitost účastnit se beta verze, můžete očekávat, že se nám brzy ozvete.

Ve zbývající části čtvrtého čtvrtletí máme také několik významných aktualizací webu CoinFi

Jako vždy zůstaňte naladěni na další vývoj!

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