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？
我们能否建立一个预测市场动向的可靠交易模型？
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。
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]
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。
微星官方使用游戏笔记本进行为期一个月的挖矿实验，以评估投资回报率:近日，微星官方发布博客《微星游戏笔记本电脑的挖矿实验》。微星表示，人们渴望有一台高效的挖矿设备，GPU芯片厂商供不应求，无法满足消费市场的需求，使得矿工使用游戏笔记本来进行挖矿，特别是配有最新的NVIDIA GeForce RTX 30系列显卡的笔记本。微星将使用MSI GE76 Raider游戏笔记本电脑进行为期一个月的挖矿实验，以了解在此期间产生的BTC数量。该笔记本配备RTX 3080图形处理器和独家散热设计。
微星将评估投资回报率（ROI），投资回报率根据购买价格/每日净利润得出的。例如，如果系统（或GPU）的购买价格为300美元，而日收入为2美元（已计入电费），则意味着ROI为150天。尽管就微星该实验而言，游戏笔记本电脑的成本要比纯挖矿设备贵很多。
该实验将进行一个月，查看使用游戏笔记本电脑进行挖矿是否有利可图，微星将更新后续结果博客。
据悉，微星是全球前三大主板厂商和显卡生产商之一。[2021/3/10 18:33:32]
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。
分析 | 除少数主流交易所外 2019年IEO项目回报率相当糟糕:Longhash发布分析文章称，在观察了在2019年上半年结束其IEO ，且截至9月2日还在活跃交易的代币后，在Coincodex上共发现了77个此类项目。其中三分之二代币的价格甚至低于投资者在IEO时支付的低价，与美元相比，其投资回报率的中位数为-81.4％。实际情况可能更糟——因为这只计算了还有活跃交易量的代币。此外，在呈现正投资回报率的三分之一项目中，投资回报率的中位数仅为64％。平均投资回报率更高一些（178％），但这主要是受到了少数异常值的影响。这种回报率很糟糕，因为投资者其实可以简单地把钱投入到比特币，大致上，在相同的时间段里（1月至9月）他们可以获得近3倍的收益。 在分析了2019 年上半年至少完成了四个IEO的交易所的ROI百分比中位数后，其中成绩最好的显然是币安，其四个项目的投资回报率中位数为203％。Gate.io、火币和OKEx都呈现了正投资回报率。另一方面，probit和p2pb2b的投资回报率中位数均低于-90％。[2019/9/6]
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。
动态 | 今年上半年 比特币现货回报率比Vision Hill加密基金综合指数高出近100%:数字资产管理公司Vision Hill Group发布了2019年第二季度加密对冲基金回报报告。报告要点如下： 1. 从绝对值来看，2019年Q2于加密基金而言是一大亮点，因为该季度是加密基金综合指数推出以来表现最好的一个季度； 2. 然而今年上半年，比特币现货的直接回报率比Vision Hill加密基金综合指数高出近100%，比Bitwise 10 Large Cap Index高出近70%； 3. 如果将2018年全年的表现包括在内，所有指数的表现实际上都好于BTC的回报率，自去年1月以来，量化策略的回报率已接近50%（BTC的绝对超额回报率为+70%）； 4. 在今年第二季度，基本策略和机会策略的回报率中值都在50%左右，其中25%的基本基金本季度实现了超80%的回报率（综合高点）。（The Block）[2019/8/17]
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。
分析 | 区块链相关股票和比特币的回报率之间相关性并不显著:据分析，从历史上看，与区块链相关的股票和比特币的回报率之间的相关性一直很小。这些股票在2018年经历了略微升高的相关系数，但此后有所下降。2017年末至2018年间，Overstock发行STO，与比特币的相关性最高。迅雷有限公司是唯一一家在2019年经历显著相关性增长的公司。[2019/7/9]
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！
报名|EOS智能合约与数据库开发
16岁保送北大、麻省理工博士、
EOS黑客松全球总决赛前三名
5月8日晚，精彩技术公开课与您不见不散！
推荐阅读：
小哥怒了!"区块链根本不需要监管,加密货币之魂被你们玩丢了!"
澳洲生活7年,前阿里程序员谈我们的区块链差距究竟在哪？
19岁当老板,20岁ICO失败,21岁将项目挂到了eBay,为何初创公司如此艰难?
养生996的崛起：马云竟给他最痛恨的「兔子」站台？
关于谷歌云，你应该知道的一切！|技术头条
打开阿兹海默之门：华裔张复伦利用RNN成功解码脑电波，合成语音|Nature
人工智能先驱NilsNilsson去世，吴恩达、YannLeCun悼念！
他说：当一个程序员决定告别996，什么都有可能发生！
猛戳"阅读原文"有惊喜哟
老铁在看了吗？?
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。