Tôi đã tạo ra thuật toán giao dịch Bitcoin với 29% lợi nhuận như thế nào?

[Zsangx12]

Tôi đã tạo công thức có thể dự đoán rằng bạn có nên mua hoặc bán Bitcoin dựa trên dữ liệu giá giao dịch hàng ngày và từ khóa của Google Trend hay không? Mô hình này tạo ra lợi nhuận 29% trong 90 ngày với lợi nhuận 28,839 đô la.

Liệu mức giá Bitcoin (BTC) có thể được dự đoán ở mức độ nào? Điều gì xảy ra nếu dữ liệu công khai có sẵn từ Google Trend có thể giúp dự báo biến động giá?

Nói cách khác, chúng ta có thể xây dựng một công thức có thể làm tốt hơn thị trường không? Đây đều là những câu hỏi mà tôi tìm kiếm câu trả lời từ rất lâu. Mục tiêu của tôi là cố gắng hiểu được thị trường rất dễ bay hơi, đáng sợ và dường như không thể đoán trước này.

Tôi muốn nói với các bạn một sự thật là không có chiến lược kinh doanh ma thuật nào luôn vượt trội so với thị trường, bởi vì có quá nhiều biến mà ngay cả các thuật toán giao dịch dựa trên AI tốt nhất cũng không thể liên tục sinh lời.

Công thức hôm nay rất cơ bản và ý định của tôi là có thể trình bày một cách dễ hiểu nhất và tôi cũng mong muốn nhận được phản hồi của các bạn về cách làm cho nó tốt hơn. Đây là một công việc đang được tiến hành, vì vậy hãy cân nhắc các rủi ro khi sử dụng nhé!

Công thức

Tôi đã thử nghiệm công thức của những gì tôi tin là một chỉ số tương đối phù hợp về hiệu suất giá của BTC. Cụ thể, tôi đã có thể mô hình hóa lợi nhuận 29% trong khoảng thời gian 90 ngày bằng cách sử dụng 100,000 đô la làm khoản đầu tư ban đầu. Lưu ý rằng điều này không tính đến phí giao dịch trên sàn, thứ mà tôi hy vọng các giải pháp như sàn giao dịch phi tập trung sẽ loại bỏ sau này.

Mô hình của tôi được lấy cảm hứng từ công việc ban đầu của Willy Woo, người ban đầu đã thử nghiệm với dữ liệu Google Trend như một proxy của việc kiểm tra giá Bitcoin đang hoạt động.

Đây là quá trình tôi đã thực hiện:

• Tôi đã tìm kiếm Google Trends cho “BTC USD” và “Mua Bitcoin” trong khoảng thời gian 90 ngày gần đây nhất.
• Tôi nhận thấy rằng khi tỷ lệ “BTC USD” thành “Mua Bitcoin” nhỏ hơn ~ 3: 1 (cụ thể <35%) với giá đóng cửa trong ngày, giá đóng cửa của ngày hôm sau tăng. Nếu nhiều hơn tỷ lệ ~ 3: 1 (cụ thể> 35%) (tức là 4: 1 hoặc 5: 1) thì đó là tín hiệu để bán vì giá của ngày tiếp theo sẽ giảm.
• Tiếp theo tôi đã thử nghiệm khi giá đóng cửa BTC chênh lệch hơn 80 đô la so với giá đóng cửa của ngày trước đó, điều này làm cho mẫu trở nên phù hợp hơn. 80 đô là một giá trị tùy ý hoạt động tốt trong tập dữ liệu này. Dưới đây là ảnh chụp màn hình về hình thức này:

BTC USD: Chỉ báo hàng ngày trực tiếp từ Google Trends

Buy Bitcoin: Chỉ báo hàng ngày trực tiếp từ Google Trends.

Price: Giá đóng cửa của ngày hiện tại từ Coinmarketcap

Cột E: Tỷ lệ “Mua Bitcoin” / “BTC USD”

Cột F: Công thức quyết định Mua / Bán. Ví dụ

= if (AND (E20> 35%, G20> 80), “BUY”, “SELL”). Lưu ý rằng “35%” là ngưỡng để Mua cùng với giá cao hơn 80 đô.

Cột G: chênh lệch giá Bitcoin so với ngày đóng cửa trước đó.

Cột H: Tổng số hoạt động dựa trên khoản đầu tư ban đầu là 100,000 đô vào ngày 7/7/2018 (lần đầu tiên mua).

Kết quả của mô hình và các bước tiếp theo

Vì vậy, trong khoảng thời gian 90 ngày, khoản đầu tư 100 nghìn đô la trở thành 128,839 đô la trong mô hình của tôi – lợi nhuận gần như 29%. Nhưng đây là một mô hình chưa được tối ưu hóa và có một số điều tôi muốn tối ưu hóa.

Con số “> 35%” và “> 80 đô” khá tùy ý dựa trên những gì dường như hoạt động trong tập dữ liệu có giới hạn trong 90 ngày này. Liệu nếu có một công thức tốt hơn sẽ mang lại tín hiệu Mua / Bán tốt hơn không?

Những biến này dường như hoạt động ở mức giá 6,000 – 8,000 đô BTC. Tôi muốn kiểm tra nhiều dữ liệu lịch sử hơn trong một hoặc hai năm qua. Mô hình này sẽ so sánh tổng thu nhập từ tín hiệu Mua / Bán sử dụng dãy (~ 3: 1– ~ 5: 1) và ” 80 đô” thay vào đó sẽ là tỷ lệ phần trăm cố định của giá BTC hàng ngày để nó có thể chiếm tỷ trọng lớn trong việc tăng giá. Ví dụ, có lẽ mô hình tối ưu kết thúc ở tỷ lệ 3.23–1 ở 0.014543229 biến động giá hàng ngày.

Ma trận biến đầu vào sẽ trông giống như sau:

Hiện tại, tôi muốn thiết lập một thử nghiệm để tìm các biến tối ưu để tối đa hóa lợi nhuận cho tập dữ liệu đã cho. Điều này sẽ liên quan đến việc kiểm tra hồi quy so với giá quá khứ và tâm lý giá. Giả thuyết của tôi là có các biến tối ưu ở các mức giá khác nhau. Hãy cùng chờ xem tôi sẽ phát triển mô hình này như thế nào nhé!

Theo hackernoon