Crypto Trading Algorithms: Fullstendig oversikt

Algoritmisk kryptohandel er automatisert, følelsesløs og er i stand til å åpne og lukke handler raskere enn du kan si “HODL”.

Tusenvis av disse kryptohandelsrobotene lurer dypt i bytteordrebøkene og leter etter lukrative handelsmuligheter. De varierer i kompleksitet, fra et enkelt enkelt strategiskript til mangesidige og komplekse handelsmotorer.

De blir også mye mer populære. Etter hvert som kryptomarkedene blir oversvømmet med nye aktører, må smarte handelsmenn ty til nye metoder for å få et forsprang på konkurrentene sine..

Men er kryptohandelsalgoritmer lønnsomme og kan du bli involvert?

I dette innlegget vil vi gi deg alt du trenger å vite om algoritmisk handel.

Hva er en handelsalgoritme?

Enkelt sagt, algoritmisk handel er bruk av dataprogrammer og systemer for å handle markeder basert på forhåndsdefinerte strategier på en automatisert måte. I detaljmarkedene blir de noen ganger referert til som roboter eller “roboter”.

Begrepet kan brukes til å referere til alt fra et enkelt handelsskript som du utviklet på din hjemme-datamaskin til de mange million dollar-systemene som brukes av HFT Quant Funds på Wall Street..

Det er en rekke fordeler som disse algoritmene har over menneskelige handelsmenn.

Den første og mest åpenbare av dem er at de er i stand til å løpe kontinuerlig. Når menneskelige handelsmenn har kalt det dag, kan disse robotene fortsette å kjøre så lenge kryptovalutamarkedene er åpne. Gitt at disse markedene er åpne 24/7/365, så kan robotene fungere.

Hva er Crypto Algo Trading

Bildekilde: MQL5

En annen fordel med disse handelsroboter er hastigheten som de er i stand til å plassere handler på. Disse robotene er vanligvis kjørte høytytende servere som er i stand til å åpne og lukke handler på et øyeblikk.

Den viktigste fordelen med en algoritme er imidlertid at den har ingen følelser.

Disse systemene styres helt av kode. Det er ingen følelsesmessig komponent når disse manusene handler. De behandler bare tallene og utfører handelen uavhengig av hvordan du kan føle deg.

Faktisk er følelser av frykt og grådighet ofte noen av de direkte årsakene til store handelstap. En næringsdrivende vil avlede fra en velprøvd strategi bare på grunn av hvordan de har det.

Så roboter er helt klart et effektivt verktøy i et mettet marked.

Hvordan fungerer handelsalgoritmer?

Hvis du har en strategi som bare er avhengig av prisforhold mellom kryptoaktiva, er det mulig å utvikle en algoritme for den. Det er faktisk mange strategier som kan brukes med algo trading (vi vil dekke nedenfor).

De er vanligvis kodet på kjente programmeringsspråk, inkludert Python, Nodejs, R, C ++. Disse vil da kjøres på dedikerte maskiner som vil koble til et exchange-API og bruke prisstrømmene som innganger til modellen. Utgangene vil være bestillinger.

Programmeringsspråk for Crypto Algo

Noen av programmeringsspråkene bruker for algoritmer

For at de skal fungere og være lønnsomme, må du ha tre ting i markedet. Dette er følgende:

  • Sterk likviditet: Du må ha likviditet i ordrebøkene hvis du skal ha en bot som handler på ønsket nivå. Det hjelper ikke hvis du har brede bud / spørspredninger og handelsalgoritmen har massiv ordreslipp. Dette vil ødelegge ethvert automatisert system og forklarer kanskje hvorfor roboter ikke opererer på lavvolum med lav markedsverdi altcoins
  • Åpen tilgang: Dette er relatert til hvordan boten selv kan få tilgang til børsens ordrebøker. Selv om de fleste cryptocurrency-børser i disse dager har API-funksjonalitet, har noen begrensninger. Jo flere begrensninger et API legger på tilgangen din til informasjon, jo mindre effektiv er handelsalgoritmen din.
  • Gryende marked: Dette er en fangst 22 av den algoritmiske handelskonkurransen. I hovedsak, jo mindre konkurranse du har fra konkurrerende handelsalgoritmer, jo større er lønnsomheten din. Når du får mer konkurranse fra andre operatører, må du avgrense den for å gjøre bot enten smartere eller raskere. Dette er også mer relevant når det gjelder å utføre strategier som er relatert til arbitrage (mispricings).

I markedene for kryptokurver har vi for tiden alle tre av de rette ingrediensene for å betjene disse algoritmene.

På tvers av de 10 største kryptovalutaene på markedet, ser vi ut til å ha sterk likviditet. Vi har også åpen tilgang fra en rekke forskjellige sentraler med ganske robuste API-systemer. Disse inkluderer de børsene som tilbyr fysisk handel, så vel som de som tilbyr derivater som Bitmex Futures.

Ja, markedene blir mer mettede og mer konkurransedyktige, men ikke i nærheten av så mye som aksje- og futuresmarkedene er. Dette kan selvfølgelig endre seg etter hvert som flere institusjoner begynner å komme inn på markedet. De kan følges av en rekke høyfrekvente handelsselskaper og kvantitative hedgefond.

Så crypto algo trading er fortsatt lønnsomt, men hva slags strategier kan du utvikle?

Trend følger

For de handelsmennene som benytter seg av tekniske strategier for tradinganalyse, så er disse sannsynligvis ganske kjent for deg. Uansett hvilke regler du bruker for å informere dine daglige handler, kan du kode inn i en kryptovaluta-algoritme.

Dette er vanligvis basert på forestillingen om at markedene har fart, og at du vil være på toppen av det momentumet. En av de mest kjente tekniske indikatorene er trendene. Det er mange tekniske indikatorer som prøver å kartlegge trender.

For eksempel er en av de mest kjente av disse Moving Average (MA) Cross Overs. Disse oppstår når en “raskere” og kortere MA-indikator krysser over lengre eller “langsom” indikator.

I bildet nedenfor har vi et eksempel på en klassisk 50-dagers MA crossover av 200-dagers MA-indikatoren. I dette tilfellet er crossover en indikasjon på en bearish trend, og Bitcoin (BTC) bør kortsluttes.

Moving Average Crossover Crypto

Moving Average Crossover på BTCUSD. Bilde via Tradingview

Det motsatte vil oppstå hvis den raske indikatoren krysser langsomme indikatoren fra bunnen. I dette tilfellet bør du gå lang Bitcoin. Dette er vanligvis en av de enkleste indikatorene, og handelsmenn vil vanligvis kombinere det med en rekke andre.

Du kan utvikle en enkel handelsalgoritme som vil utføre handelen for deg. Den skal ha funksjonaliteten til å også plassere stopptap og stoppe grenseoppdrag når utførelsesordren er gitt. De fleste roboter vil vanligvis inneholde en rekke forskjellige TA-indikatorer i handelsverktøykassen.

Omvendelse til gjennomsnittet

Mens markedene er i stand til å følge en bestemt trend i en periode, er ekstreme og uvanlige bevegelser vanligvis en indikasjon på en potensiell tilbakevending til et langsiktig middel.

Med andre ord, hvis det er en bevegelse i prisen på en eiendel som tar den til nivåer som får den til å se ekstrem ut fra historiske standarder, er det stor sjanse for at den sannsynligvis vil komme tilbake eller “tilbakeføre”.

Gjennomsnittlige reversjonsstrategier vil se på historisk distribusjon og deretter plassere den nåværende bevegelsen i sammenheng med det. Det finnes også en rekke forskjellige gjennomsnittlige reversjonsstrategier som en bot kan benytte. La oss ta en titt på to av dem.

Standardavviks reversering

For de av dere som er kjent med statistikk, vil dere ha hørt om begrepet standardavvik. Dette er forestillingen om en gjennomsnittlig bevegelse vekk fra statistisk gjennomsnitt, og den brukes til å modellere abnormiteter i data.

Et av de viktigste datapunktene fra et handelsperspektiv er at 2 standardavvik. Disse brukes for å modellere Bollinger Bands rundt det glidende gjennomsnittet av et handelspar.

Hvis du skal utvikle en handelsstrategi som er basert på gjennomsnittlig reversering, kan du bruke kryssoverganger fra bollingerbånd som en indikasjon på at en eiendel er oversolgt / overkjøpt og dermed sannsynligvis vil tilbakeføre.

For eksempel, i diagrammet nedenfor har vi prisen på Bitcoin Cash (BCH) i Bitcoin, og vi har modellert Bollinger Bands (BB) på 20-dagers MA. Som du kan se, var det to poeng da prisen krysset under bunnen BB.

Omvendelse til gjennomsnittlig krypto

Gjennomsnittlig reversering på BCH / BTC vekk fra Bollinger Bands. Bilde via Tradingview

Dette var en indikasjon på at prisen på eiendelen var oversolgt og dermed sannsynligvis vil gå tilbake snart. Du kan opprette en algoritme som vil inngå en handelskontingent med denne tilstanden. Dette ville være et kortsalg på baksiden når prisen på eiendelen krysset øvre bånd.

Selvfølgelig er dette den mest grunnleggende av tilbakeføringsstrategier for Bollinger Band. Du kan bruke forskjellige tidskomponenter eller en kombinasjon av noen få. Du kan også innlemme den med større standardavvik.

Det er skjønnheten i en handelsalgoritme, du kan bruke mange innganger som vil avgjøre handelshandling mye mer effektivt enn en menneskelig handelsmann noensinne kunne.

Parhandel

Gjennomsnittlig reverseringshandel er ikke bare reservert for en eiendel, men kan også brukes når det handles med spredningen mellom to forskjellige eiendeler.

Forestillingen er at hvis to eiendeler har handlet i nærheten av lockstep tidligere, så hvis det er en tilbakevending i det historiske forholdet, betyr det at de to eiendelene sannsynligvis vil gå tilbake.

Du vil da selge eiendelen som er “overpriset”, og du vil kjøpe den underprisede. I dette tilfellet, hvis prisene går tilbake, vil du tjene penger. Videre er du mindre utsatt for de generelle markedsbevegelsene, ettersom du er lang en eiendel og kort den andre.

Det er imidlertid viktig at disse eiendelene har samme systematiske eksponering mot det bredere markedet. For eksempel bruker vanlige parhandelsstrategier to aksjer i samme bransje som Apple og Microsoft.

Når det gjelder handel med kryptovaluta, kan du enkelt handle det historiske forholdet mellom to forskjellige mynter. De vil ha en ganske høy korrelasjon med generelle kryptomarkedsbevegelser, noe som betyr at du er ganske sikret mot uønskede markedsbevegelser.

Ser vi på grafen nedenfor, har vi forholdet mellom prisen på ZCash (ZEC) og Monero (XMR). Vi har også modellert Bollinger Bands i disse seriene.

Gjennomsnittlig reversering i kryptopar

Tilbakeslag til gjennomsnittet i parhandel, ZEC til XMR. Bilde via Tradingview

Som du kan se, var det to anledninger da forholdet var utenfor 2 standardavvik. Dette betyr at det til slutt kan gå tilbake, og du vil kortere ZEC og kjøpe XMR i håp om at sistnevnte vil øke i pris og førstnevnte vil redusere.

Her vil du bruke innganger som ligner på de som vi nevnte ovenfor. Du kan ta en titt på Bollinger Bands og bruke det som et tegn på at spredningen mellom prisene har økt / redusert utover historisk forsvarlige tall.

Bortsett fra i dette tilfellet vil kryptohandelsalgoritmen legge ut ordrer på mer enn én kryptovaluta. Den sender de spesifikke kjøps- / salgsordrene for XMR og ZEC separat.

Arbitrage handler

Dette er kanskje en av de mest gunstige handelsmulighetene som finnes for kryptohandelsalgoritmer. Med arbitragehandel prøver du å dra nytte av feilprisinger og tjene en risikofri fortjeneste.

Det er mange arbitrasjemuligheter i markedene som for tiden eksisterer på tvers av børser og til og med innenfor dem. Vi vil ikke gå inn på alle strategiene, ettersom vi har dekket det grundig i vår artikkel om cryptocurrency arbitrage.

Arbitrage-muligheter er de handler som eksisterer nettopp fordi det ikke er så mange mennesker som prøver å dra nytte av det. Det er lav konkurranse fra andre handelsalgoritmer som gjør det mer lønnsomt for de som er først på markedet.

På samme måte må du være rask for å utnytte disse mulighetene. De eksisterer ofte bare i noen sekunder før et marked innser at det er feilpris og lukker gapet.

I kryptovalutamarkedene er arbitragehandlene som vanligvis er mest lønnsomme de som handler prisforskjellene mellom mynter på mange børser. For eksempel kunne de handle feilpris på verdien av Ripple på BitFinex og Binance-børsen.

Dette vil kreve at botutvikleren har en konto med begge sentralene og kobler ordrene fra algoritmen til API-systemene sine.

Det er også roboter som er i stand til å dra nytte av feilpriser på selve børsen. For eksempel er det denne bot kalt “Agent Smith” som var i stand til å tjene ganske mye penger under oksemarkedet da det handlet feilpris på Poloniex.

Nedenfor er et eksempel på en potensiell triangulær arbitragehandel som en algoritme kan komme inn på. Som du kan se, er det feil pris i Litecoin (LTC), Bitcoin (BTC) og Ethereum (ETH) på Kraken Exchange.

Crypto Arbitrage Trade Exchange

Eksempel på potensiell arbitragehandel på Pair Mispricings

Det som sannsynligvis vil skje i dette tilfellet er at feilpris bare vil eksistere i noen sekunder, og de roboter som er i stand til å få øye på det og plassere handler, vil høste gevinsten. Disse algoritmene vil skanne Kraken-ordrebøkene innen millisekunden for å identifisere den lille gevinsten.

Bestill Chasing Bots

Ordenjakt er handlingen med å plassere handler i påvente av ordreflyt som er i ferd med å komme fra mye større kjøpere / selgere (institusjoner).

Det er viktig å påpeke at ordrejakt basert på innsideinformasjon er ulovlig (kalt “front running”). Med andre ord, hvis du er en megler som vet at klienten din er i ferd med å gjøre en stor ordre og du legger inn handler før dem, handler du på innsideinformasjon og kan få besøk fra SEC.

Imidlertid, hvis du har en algoritme som er i stand til å bestemme ordrestrømmen før de andre deltakerne basert på offentlig tilgjengelig informasjon, er det rettferdig spill. I dette tilfellet trenger du algoritmen din for å være utrolig rask for å tilpasse seg potensielt nyheter på markedet før konkurrenten din kan.

Dette er faktisk strategien som brukes av en rekke høyt sofistikerte høyfrekvente handelsselskaper på Wall Street. De vil prøve å lese ordrestrømmen før de store institusjonene klarer det.

Foreløpig er det ikke for mange institusjoner i kryptovalutamarkedene, og de som deltar vil vanligvis velge å handle i OTC-markedene (større blokkjøp). Imidlertid kan du fortsatt få en anstendig avkastning fra ordre som jager stor etterspørsel etter detaljhandel.

For eksempel, under galskapen i 2017 bull run, utviklere kodet algoritmer som ville kjøpe mynter som ble twitret av John McAfee i sin “dagens mynt”. De ville skanne tweets hans for Crypto tickers og deretter legge inn ordrer i påvente av etterspørselen.

Disse Python-robotene har til og med blitt utgitt som åpen kildekode på Github. For eksempel er det denne av Dimensjonsprogramvare og denne av drigg3r. Disse vil sannsynligvis ikke tjene mye av et formål nå da McAfee har avsluttet øvelsen for lenge siden. Faktisk oppfattet mange disse handlingene som pump-and-dumps som også er ulovlige.

Selv om dette eksemplet er tvilsomt, illustrerer det hvordan utviklere brukte potensiell ordreflyt for å kjøpe før alle de andre deltakerne kunne komme inn..

Hvordan utvikle en algoritme

Mens det tekniske om hvordan du koder en kryptohandelsalgoritme ligger utenfor omfanget av denne artikkelen, er det en rekke generelt aksepterte trinn man bør følge når man utvikler roboter.

Før du faktisk kan begynne å utvikle en handelsalgoritme, må du ha en ide om hvilken type strategier du vil at den skal bruke. Algoritmer starter som dine ideer som deretter blir formulert til kode og deretter definert.

Her er noen av de løse trinnene du kan ta når du utvikler handelsalgoritmen din.

1. Formuler strategiene dine

Du kan ha en ide om en bestemt strategi som du vil at boten skal følge. Dette kan enten være en enkel hypotese basert på bevegelser i markedene du har observert og vil utnytte.

Alternativt kan det være en rekke strategier som du har brukt i det tekniske handelsforsøket. Du kunne ha plassert disse handler basert på visuelle nivåer som nå må formuleres til definerte beslutningsprosesser.

2. Kod det opp

Dette er sannsynligvis en av de mest involverte prosessene og krever at du forstår programmeringsspråk som Python, Nodejs, C ++ eller Java.

Dette er stadiet der du gjør beslutningsprosessen nevnt i trinn 1 til definert kode. I de enkleste tilfellene er dette vanligvis en samling av if-then-uttalelser som vil utføre handlinger basert på definerte forhold.

3. Gjentesting av historiske data

Dette er et veldig viktig trinn som hjelper deg med å teste hypotesen din over en lengre periode med tidligere data. Du kan prøve det på en rekke forskjellige markeder over mange forskjellige tidsrammer.

Backtesting av en algoritme

Backtesting av en enkel middel reverseringsstrategi. Kilde: Quantopian

Dette er generelt også ganske enkelt å utføre, ettersom du har mye data å jobbe med.

4. Avgrens algoritmen

Den viktigste grunnen til at du vil gjøre back testing er å itere og forbedre algoritmen din. Du vil ha verifiserbare returresultater fra back-testing som gjør at du kan vurdere lønnsomheten.

Deretter kan du justere parametrene du bruker, for eksempel tilbakeblikk og glidende gjennomsnittsperioder, samt hva slags eiendeler du kan handle og deres relative lønnsomhet..

Når du har den mest optimaliserte strategien, kan du gå videre til å teste algoritmen din i sanntid.

5. Minimal Live-konto

Ordrestørrelser kan enkelt skaleres med handelsalgoritmen, og det er ingen grunn til å hoppe ut i markedene med store ordrer før den er testet tilstrekkelig. Derfor vil du starte med en liten mengde startkapital med lavere ordrestørrelser.

Du vil koble trading bot til API for en børs og la den kjøre. Dette trinnet må overvåkes nøye, ettersom vi alle vet at nåværende avkastning kan være vidt forskjellig fra tidligere avkastning når statistiske forhold brytes sammen.

Videre, når du handler live, må du utføre ordrer som kan være forsinket. Den lavere hastigheten på utførelsen kan også påvirke ytelsen du observerte i back testing-fasen.

Maks latens høyfrekvente bots

Eksempler på maksimal latens for spesielle algoritmiske strategier. Kilde: Quantinsti

Du vil bruke denne perioden med begrenset live testing for å bestemme om du vil øke handelsstørrelsene eller om du vil avgrense koden ytterligere.

7. Upsize og Monitor

Hvis du er mer komfortabel med avkastningen til boten din, kan du øke handelsstørrelsene. Dette er ikke helt greit da større ordrestørrelser på mer illikvide kryptokurver kan hindre modellytelsen.

Derfor er det viktig å bare skalere i trinn og hele tiden overvåke innvirkningen som har på avkastningen sammenlignet med hva du forventet.

Du vil også være sikker på at du har sterke risikostyringsprotokoller. Ofte kan roboter utføre på uventede måter, og handelsalgoritmer kan gå i haywire. Det siste du vil ha, er at systemet ditt foretar villfarlige handler som kan avvikle deg.

En merknad om open source-roboter

Det er mye åpen kildekode som kan brukes til å utvikle og kjøre kryptohandelsalgoritmer. Disse er fine å bruke så lenge koden faktisk er åpen og du kan revidere det.

Det er en hel rekke falske kryptohandelsroboter som ofte markedsføres som en automatisert og enkel måte for tradere å tjene penger på. Dette er ofte ingenting annet enn svindelprodukter som enten vil stjele dine private nøkler eller føre deg til en uekte megler.

Scam Crypto Bot

Eksempel på en Scam Bot markedsført online

For eksempel deg ha Bitcoin Trader som selges under falsk påskudd om å tjene penger på brukerne. Den samme roboten har vært involvert i falsk reklame som hevdet at den ble godkjent av Dragon’s Den Peter Jones på twitter.

Noen av de beste open source trading-robotene som er på markedet inkluderer Gekko trading bot, HaasOnline og Gunbot.

Et annet mer brukervennlig alternativ er å utvikle programmitiske handelsskripter på MetaTrader-plattformene. MT4 og MT5 er velkjente plattformer som brukes til å handle CFDer (Contracts For Difference) som er et annet derivatprodukt. Vi går ikke inn på CFD-er her, men for mer informasjon kan du lese dette oversikt.

Quant Funds og HFT Inngående

Mens de nåværende kryptohandelsalgoritmene kan virke avanserte, er de ingenting i forhold til systemene som står til rådighet for Wall Street Quant-midler og HFT-butikker (HFT)..

Etter hvert som markedene blir mer imøtekommende for institusjonelle investorer, vil disse sofistikerte handelsaktivitetene sannsynligvis følge. Det er faktisk indikasjoner på at en rekke HFT-selskaper har begynt å handle i kryptomarkedene.

For eksempel har det nylig vært rapporterte at handelsselskaper med rekvisita, inkludert DRW, Jump Trading, TransMarket og XR Trading, er involvert i kryptomarkeder.

Cumberland Trading Crypto

Traders Diskussing Strategies at DRW’s Cryptocurrency Unit. Kilde: DRW

Disse firmaene forplikter omfattende ressurser og ferdigheter til å utvikle algoritmer for kryptovalutahandel som opererer i bare millisekunder. De satte opp sine handelsservere i dedikerte samlokaliseringsdatasentre i nærheten av børsene.

Er dette imidlertid en god eller en dårlig ting for kryptovalutaer?

Disse HFT-selskapene har virkelig tiltrukket seg mye uro fra noen for innvirkningen de har hatt på aksjemarkedene. For eksempel 2010 flash-krasj av Dow ble mye beskyldt for HFT-firmaer. De har også blitt portrettert negativt i Michael Lewis ‘ Flash Boys-bok.

Likevel er det en rekke mennesker som ser på HFT-firmaene som gir mange fordeler for økosystemet. For en er de i stand til å gi rikelig med likviditet og effektiv gjennomføring for de store institusjonene.

Noen hevder også at de hjelper til med å gjøre markedene mer effektive ved å eliminere en rekke prissettingseffektiviteter som ellers ville eksistert.

Uansett hva du ser på HFT-firmaer og kvantitative fond, ser kryptovalutamarkeder ut til å være et naturlig hjem for dem. Så snart det er mer klarhet fra tilsynsmyndighetene rundt forvarings- og clearingaspektet ved krypto, kan det være en flom av andre firmaer og midler som kommer inn.

Dessverre for de nåværende krypto algo-handelsmennene som stoler på arbitrasjemuligheter, kan inngangen til disse midlene bety en eliminering av eventuelle risikofrie handler som eksisterte. Imidlertid kunne de skifte til andre mer etablerte strategier.

Konklusjon

Mens kryptovaluta algo-handel har blitt mer konkurransedyktig de siste månedene, er det fortsatt interessante muligheter for detaljhandlere å dra nytte av.

Selv om arbitrasjemulighetene blir spist opp av HFT-firmaene, kan du fortsatt utvikle bot for å handle på tekniske indikatorer og veletablerte handelsmønstre..

Faktisk, hvis det er en strategi du har brukt som har fungert bra for deg, er det ingen grunn til at du ikke skal jobbe med din egen algoritme. Hvis du skal bruke programvare med åpen kildekode, må du sørge for at den er trygg og ikke drives av svindlere.

Selvfølgelig, som med handel manuelt, må du ta en samlet innsats for å håndtere risikoen på riktig måte. Algoritmer fungerer bra til den ene dagen de ikke fungerer. Den ene dagen kunne eliminere alle gevinstene dine helt.

Likevel, så lenge du ikke risikerer mer enn du kan miste, og du har passende drepebrytere, bør du være godt beskyttet.

God koding!

Utvalgt bilde via Fotolia

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me