区块链资产量化交易中的跨币种对冲策略

时间：2024-03-06 15:52:59

在对冲策略中，有各种类型的对冲。跨市场对冲，跨期对冲等等，今天我们来聊一下跨品种对冲，准确的说是区块链资产量化交易中的跨币种对冲策略。通常的对冲交易中的标的物都是相同的，而跨币种对冲是买卖不同的标的物。在相同品种对冲时我们可以使用价格差作为对冲交易中的买卖价格，以最简单的跨市场同品种对冲来说，这个价格差是在一定范围内反复震荡的。而跨品种的对冲肯定不能使用价格差作为买卖价格，因为不同品种的价格差值，观察起来不是很直观，通常使用价格比作为买卖价格。

例如：
A交易对为：LTC_USDT
B交易对为：ETH_USDT

根据A交易对的价格/B交易对的价格这个价格比例数值，分散开仓。这个比例越大，我们就越要卖出A，买入B。反之比例变小则买入A，卖出B。每次对冲相等的USDT金额，实际上就是以LTC/ETH相对价格强弱去进行网格交易的一种策略，策略思路并不复杂。不过需要注意的是，此种对冲组合，实际就是以ETH作为锚定价格货币，去计价LTC。这个锚定的价格是有可能走出单边趋势的，虽然说大部分时间可能为震荡走势，然而这种风险是需要考虑和注意的。

使用发明者量化交易平台，可以很容易写出策略原型：
策略代码运行时，需要引用  和 
「画线类库」：https://www.fmz.com/strategy/27293
「数字货币现货交易类库」：这个是每个用户新建策略时，模板栏中自带的。

/*backtest
start: 2019-05-01 00:00:00
end: 2019-11-04 00:00:00
period: 1m
exchanges: [{"eid":"OKEX","currency":"LTC_USDT","balance":100000,"stocks":30},{"eid":"OKEX","currency":"ETH_USDT","balance":100000,"stocks":30}]
*/

/*
A exchanges[0] : EOS_USDT   
B exchanges[1] : ETH_USDT
*/

var Interval = 500

// 参数
var numPoint = 100        // 节点数
var distance = 0.08       // 比例间距
var amountPoint = 100     // 节点金额，单位USDT
var arrHedgeList = []

function main () {
    var isFirst = true
    while(true) {
        var rA = exchanges[0].Go("GetTicker")
        var rB = exchanges[1].Go("GetTicker")

        var tickerA = rA.wait()
        var tickerB = rB.wait()

        if (tickerA && tickerB) {
            var priceRatioSell = tickerB.Buy / tickerA.Sell     // B sell , A buy
            var priceRatioBuy = tickerB.Sell / tickerA.Buy      // B buy , A sell
            
            if (isFirst) {
                for (var i = 0 ; i < numPoint ; i++) {
                    var point = {
                        priceRatio : priceRatioSell + (i + 1) * distance,
                        coverRatio : priceRatioSell + i * distance,
                        amount : (0.08 * i + 1) * amountPoint,
                        isHold : false,
                    }
                    arrHedgeList.push(point)
                }
                isFirst = false
            }

            for (var j = 0 ; j < arrHedgeList.length; j++) {
                if (priceRatioSell > arrHedgeList[j].priceRatio && arrHedgeList[j].isHold == false) {
                    // B sell , A buy
                    Log("对冲，价格比", priceRatioSell, "#FF0000")
                    $.Buy(exchanges[0], arrHedgeList[j].amount / tickerA.Sell)
                    $.Sell(exchanges[1], arrHedgeList[j].amount / tickerB.Buy)
                    arrHedgeList[j].isHold = true
                    LogStatus(_D(), exchanges[0].GetAccount(), "\n", exchanges[1].GetAccount())
                    $.PlotLine("ratio", (priceRatioSell + priceRatioBuy) / 2)
                    break 
                }

                if (priceRatioBuy < arrHedgeList[j].coverRatio && arrHedgeList[j].isHold == true) {    
                    // B buy , A sell
                    Log("对冲，价格比", priceRatioBuy, "#32CD32")
                    $.Sell(exchanges[0], arrHedgeList[j].amount / tickerA.Buy)
                    $.Buy(exchanges[1], arrHedgeList[j].amount / tickerB.Sell)
                    arrHedgeList[j].isHold = false
                    LogStatus(_D(), exchanges[0].GetAccount(), "\n", exchanges[1].GetAccount())
                    $.PlotLine("ratio", (priceRatioSell + priceRatioBuy) / 2)
                    break
                }
            }
        }
        Sleep(Interval)
    }
}

 

可以通过回测，来最初步的验证一下策略思路

使用默认的回测设置：

可以看到，只使用了几十行代码就构造出了一个自己思路的策略，在发明者量化交易平台，实现一个思路的原型是非常容易的事情。通过上图观察，这个价格比例是大部分时间在震荡，不过会出现一定的趋势走向，优化方向可以是对于对冲时的仓位控制或者加入一定趋势识别。

仓位控制方面，可以让每个对冲节点的对冲金额递增，例如代码中：

if (isFirst) {
    for (var i = 0 ; i < numPoint ; i++) {
        var point = {
            priceRatio : priceRatioSell + (i + 1) * distance,
            coverRatio : priceRatioSell + i * distance,
            amount : (0.08 * i + 1) * amountPoint,          // 每次递增amountPoint的8%
            isHold : false,
        }
        arrHedgeList.push(point)
    }
    isFirst = false
}

 

这样可以让相对较重一点的仓位集中在价格比例较高的位置，避免价格比例较低时，占用仓位偏****r /> 当然，这样的跨品种对冲是很有风险的，如果一个币相对于另一个币价格持续走高就会产生浮亏，所以跨品种的对冲需要两个品种的相关性强一些。

这个策略只是一个最初的DEMO，还可以继续改造、优化。

相关文章