Cryptocurrency Rebalancing 전략을위한 최상의 임계 값

>

이 연구는 암호 화폐 포트폴리오에 대한 임계 값 기반 재조정에 대한 첫 번째 주요 분석이 될 것입니다. 이 연구의 목적은 임계 값 재조정의 과거 성과를 정확하게 설명 할뿐만 아니라 그 결과를 단순 매수 및 보류 전략 및 주기적 재조정의 결과와 비교하는 것입니다. 포트폴리오 관리 애플리케이션에서 임계 값 재조정에 대한 지원에 대한 최근 발표로 인해이 전략을 장기간 실행했을 때의 역사적 의미를 철저히 이해하는 것이 적절합니다..

임계 값 재조정이 작동하는 방식을 이해하기위한 토대를 제공하기 위해 전략 및 Shrimpy에서 구현 된 방식을 안내하는 간단한 설명을 게시했습니다. 계속하기 전에 적어도 여기에서 해당 기사를 훑어 보는 것이 좋습니다.

임계 값 재조정-암호 화폐 포트폴리오 관리의 진화

이제 임계 값 기반 재조정의 작동 방식을 일반적으로 이해 했으므로 포트폴리오 전략에 대한 모든 연구를 통해 최신 상태를 유지하십시오. 텔레 그램 그룹에 가입.

주기적 재조정의 성능을 평가 한 과거 연구는 블로그에서 찾을 수 있습니다. 여기.

소개

데이터를 얻기 전에이 연구를 설정 한 방법에 대해 논의 해 보겠습니다. 연구 수행 방식에 대한 확실한 이해 없이는 결과의 정확성에 의존 할 수 없습니다..

데이터 & 무역 계산

이 연구의 데이터는 Bittrex 제 3 자 서비스를 통한 암호 화폐 교환 CoinAPI. CoinAPI는 모든 주요 암호 화폐 거래소에서 주문 장 데이터를 수집하고 보관하는 데이터 제공 업체입니다. 개발자는 데이터 API를 사용하여 백 테스트, 시장 분석 및 실시간 가격 데이터까지이 데이터에 액세스 할 수 있습니다. 우리 팀은 CoinAPI에서 각 내역 주문 장 스냅 샷을 수집하여 정확한 입찰 요청 가격 데이터. 이렇게하면 거래를 계산할 때 시뮬레이션 된 재조정이 최대한 정확해질 것입니다..

주의 : 백 테스트를 실행할 때는 정확한 입찰-매도 데이터 만 사용해야합니다. CoinMarketCap 또는 기타 유사한 서비스에서 집계 된 데이터를 사용하면 계산이 매우 부정확 해집니다. 그러한 데이터의 사용으로 인해 허술한 연구가 손상되지 않았습니다..

이 연구의 데이터는 2017 년 3 월 15 일 그리고까지 연장됩니다 2019 년 6 월 20 일. 여기에는 완전한 시장주기를 강조하기 위해 2017 년의 강세장과 2018 년의 약세장이 모두 포함됩니다..

각 시뮬레이션 된 재조정 동안 각 거래를 다음을 통해 라우팅하여 거래가 계산됩니다. BTC. 이러한 시뮬레이션 된 각 거래는 .25 % 거래 수수료 포함 Bittrex의 표준입니다. 예를 들어 우리 포트폴리오가 ETH에 대해 LTC를 판매하는 경우 백 테스트는 LTC에서 BTC로, 하나는 BTC에서 ETH로 2 개의 거래를 시뮬레이션합니다. 이 두 거래 모두 .25 % 거래 수수료가 발생합니다. 이 예에서 Bittrex는 직접적인 ETH-LTC 시장을 가지고 있습니다. 단순성을 위해 백 테스트에서는 이러한 최적화를 고려하지 않습니다..

재조정을 실행하는 방법에 사용할 수있는 고급 알고리즘이 있습니다. 이전 기사에서 더 복잡한 알고리즘에 대해 논의했습니다. 이 기사는 여기에서 찾을 수 있습니다.

암호화의 포트폴리오 재조정 알고리즘 (1 부)

문지방

이 연구에 사용 된 임계 값은 다음과 같습니다. 1 %에서 50 %. 초기 1 % 임계 값 이후에 백 테스트는 각 5 % 증가를 평가했습니다. 따라서 50 %까지 5 %, 10 %, 15 % 등을 평가합니다. 이를 통해 추세를 식별하기 위해 평가할 수있는 광범위한 임계 값을 제공했습니다..

임계 값 재조정은 편차 밴드 (일명 “임계 값”)를 사용하는 전략입니다. 개별 자산이 목표 할당에서 벗어나서 현재 할당이이 자산의 편차 범위를 벗어나면 전체 포트폴리오가 재조정됩니다. 이것은 단일 자산이 임계 값을 초과하면 모든 자산이 재조정됩니다..

이 연구에서는 각 자산이 나타내는 편차를 시간별 목표 할당과 비교합니다. 즉, 한 시간에 한 번 데이터가 평가되고 임계 값이 초과되었는지 확인됩니다. 임계 값을 초과하면 재조정이 트리거됩니다. 따라서 최대 재조정 빈도 얻을 수있는 것은 시간별 재조정입니다..

포트폴리오 크기 & 자산 선택

포트폴리오 구성 과정에서 각 포트폴리오는 10 개의 자산 할당. 이 10 개 자산은 2017 년 3 월 15 일부터 2019 년 6 월 20 일까지 사용 가능한 자산에서 무작위로 선택됩니다. 즉, 전체 기간 동안 자산을 ​​사용할 수 없었던 경우 해당 자산은이 연구에 포함되지 않습니다..

다음 자산은이 연구에 포함 된 자산입니다.

ABY, AEON, AMP, ARDR, BAY, BITB, BLK, BLOCK, BTC, BTS, BURST, CLOAK, CRW, CURE, DASH, DCR, DGB, DGD, DMD, DOGE, EMC, EMC2, ETC, ETH, EXCL, EXP, FCT, FLDC, FLO, FTC, GAME, GEO, GRC, GRS, IOC, ION, IOP, KMD, KORE, LBC, LSK, LTC, MAID, MEME, MONA, MUE, NAV, NEOS, NLG, NXS, NXT, OK, PINK, PIVX, POT, PPC, QWARK, RADS, RDD, REP, SBD, SHIFT, SIB, SLR, SLS, SPHR, STEEM, STRAT, SWT, SYNX, SYS, TX, UBQ, VIA, VRC, VTC, WAVES, XDN, XEM, XLM, XMR, XRP, XST, XVG, XWC, XZC, ZCL, ZEC.

우리 팀은 포트폴리오 다양성이 성과에 영향을 미치는 방식에 매료되었습니다. 주제에 대한 전체 연구를 보려면 여기에서 이전 연구를 방문하십시오.

다각화하는 암호화 사용자의 성과

백 테스팅

각 퍼센트 임계 값을 분석하기 위해 우리의 연구는 1,000 개의 백 테스트. 결과는 시각적으로 분석적으로 연구 할 수있는 분포를 제공하는 각 임계 값의 히스토그램입니다. 전체적으로 15,000 개의 백 테스트 이 연구를 위해 운영되었습니다.

각 백 테스트가 시작될 때 포트폴리오에 초기 자본 $ 5,000 백 테스트 전반에 걸쳐 포트폴리오를 구성하고 재조정하는 데 사용되었습니다. 단순성을 위해 포트폴리오는 균등하게 분산 된 포트폴리오. 즉, 10 개 자산 각각에 포트폴리오에서 정확히 10 % 가중치가 부여되었습니다..

다양한 분포가 성능에 미치는 영향에 대해 자세히 알고 싶다면 여기에이 주제에 대한 연구를 게시했습니다.

Cryptocurrency Rebalancing을위한 자산 분배 최적화

성능 계산

결국 사람들이 이해할 수있는 방식으로 실적을 계산하지 않으면 문제가되지 않습니다..

각 백 테스트의 끝에서 결과는 포트폴리오의 가치 인 단일 달러 금액입니다. 이 값은 재조정 된 백 테스트와 HODL 전략을 사용한 백 테스트 모두에 대해 수신됩니다. 두 결과 값은 성능을 계산하기 위해 다음과 같은 방식으로 서로 비교됩니다.

성능 = ((R-H) / H) x 100

어디,

  • 아르 자형 재조정 된 포트폴리오의 가치.

  • H HODLed 포트폴리오의 가치.

  • 결과는 100 배 소수에서 퍼센트로 변환.

결과

다음 결과는 역사적으로 재조정 된 포트폴리오와 HODL 된 포트폴리오 간의 성능 차이를 평가하기 위해 15,000 개의 백 테스트를 포함합니다. 마지막에 추가 리소스로 이러한 결과는 임계 값 재조정 대신주기적인 재조정 전략을 사용한 결과와 비교됩니다..

각 섹션에서 분포에 대한 4 가지 주요 속성을 평가합니다. 이러한 속성은 다음과 같습니다.

  • 기본 성능 분포 : 대부분의 백 테스트가 성능 분포에 속하는 범위입니다. 범위에 10 개 이상의 백 테스트가있는 첫 번째 버킷을 사용하여이 범위를 계산하고 버킷에 10 개 미만의 백 테스트가있을 때까지 모든 백 테스트를 포함합니다..

  • HODL을 능가한 임계 값 백 테스트 비율 : HODLing 대신 임계 값 기반 재조정 전략을 사용하여 더 잘 수행 된 포트폴리오의 비율.

  • 평균 성능 증가 : HODLing 대신 임계 값 재조정 전략을 사용한 포트폴리오에서 관찰 된 평균 증가율.

  • 중앙값 성능 증가 : HODLing 대신 임계 값 재조정 전략을 사용한 포트폴리오에서 관찰 된 중앙값 증가율.

임계 값 재조정 백 테스트

임계 값 재조정 백 테스트의 결과.

1 % 임계 값

그림 1 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능이 향상되었음을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을 얻습니다. 이 백분율을 기준으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -89.9 % ~ 337.3 %

  • HODL을 능가한 역치 백 테스트 비율 : 76.6 %

  • 평균 성능 향상 : 101 %

  • 중앙값 성능 향상 : 84 %

1 % 임계 값 중앙값 포트폴리오 성능 : 84 %

5 % 임계 값

그림 2 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능이 향상되었음을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을 얻습니다. 이 백분율을 기준으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -44.4 % ~ 663.9 %

  • HODL을 능가하는 역치 백 테스트 비율 : 93.6 %

  • 평균 성능 향상 : 255 %

  • 중앙값 성능 향상 : 216 %

5 % 임계 값 중앙값 포트폴리오 성능 : 216 %

10 % 임계 값

그림 3 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -24.4 % ~ 762.7 %

  • HODL을 능가하는 역치 백 테스트 비율 : 98.3 %

  • 평균 성능 향상 : 353 %

  • 중앙값 성능 향상 : 298 %

10 % 임계 값 중앙값 포트폴리오 성능 : 298 %

15 % 임계 값

그림 4 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -12.9 % ~ 810.1 %

  • HODL을 능가하는 역치 백 테스트 비율 : 98.6 %

  • 평균 성능 향상 : 365 %

  • 중앙값 성능 향상 : 305 %

15 % 임계 값 중앙값 포트폴리오 성능 : 305 %

20 % 임계 값

그림 5 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -20.3 % ~ 807.8 %

  • HODL을 능가하는 역치 백 테스트 비율 : 98.6 %

  • 평균 성능 향상 : 350 %

  • 중앙값 성능 향상 : 295 %

20 % 임계 값 중앙값 포트폴리오 성능 : 295 %

25 % 임계 값

그림 6 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -51.8 % ~ 822.0 %

  • HODL을 능가한 역치 백 테스트 비율 : 98.5 %

  • 평균 성능 향상 : 353 %

  • 중앙값 성능 향상 : 289 %

25 % 임계 값 중앙값 포트폴리오 성능 : 289 %

30 % 임계 값

그림 7 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -58.2 % ~ 780.5 %

  • HODL을 능가하는 역치 백 테스트 비율 : 98.3 %

  • 평균 성능 향상 : 328 %

  • 중앙값 성능 향상 : 279 %

30 % 임계 값 중앙값 포트폴리오 성능 : 279 %

35 % 임계 값

그림 8 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -49.5 % ~ 710.5 %

  • HODL을 능가하는 역치 백 테스트 비율 : 98.1 %

  • 평균 성능 향상 : 322 %

  • 중앙값 성능 향상 : 275 %

35 % 임계 값 중앙값 포트폴리오 성능 : 275 %

40 % 임계 값

그림 9 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -49.7 % ~ 746.6 %

  • HODL을 능가하는 역치 백 테스트 비율 : 97.7 %

  • 평균 성능 향상 : 307 %

  • 중앙값 성능 향상 : 268 %

40 % 임계 값 중앙값 포트폴리오 성능 : 268 %

45 % 임계 값

그림 10 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -16.5 % ~ 637.0 %

  • HODL을 능가한 역치 백 테스트 비율 : 98.8 %

  • 평균 성능 향상 : 310 %

  • 중앙값 성능 향상 : 274 %

45 % 임계 값 중앙값 포트폴리오 성능 : 274 %

50 % 임계 값

그림 11 : 위의 히스토그램은 임계 값 재조정의 성능 백분율을 매수 및 보류 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -12.3 % ~ 710.8 %

  • HODL을 능가한 역치 백 테스트 비율 : 99.1 %

  • 평균 성능 향상 : 316 %

  • 중앙값 성능 향상 : 275 %

50 % 임계 값 중앙값 포트폴리오 성능 : 275 %

주기적

주기적인 재조정 백 테스트의 결과.

다음의 주기적 재조정 백 테스트는 임계 값 재조정 백 테스트와 동일한 기록 데이터 세트에 대해 실행되었습니다. 유일한 차이점은 사용 된 전략입니다..

1 시간

그림 12 : 위의 히스토그램은 매수 / 보류 전략과 시간별 재조정의 성능 백분율을 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 백 테스트가 완료되면 “성능 계산”섹션에 설명 된 방법론을 사용하여 재조정 포트폴리오의 포트폴리오 값을 HODL 된 포트폴리오의 값과 비교합니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -93.2 % ~ 336.3 %

  • HODL을 능가하는 주기적 재조정 백 테스트의 비율 : 75.3 %

  • 평균 성능 향상 : 97 %

  • 중앙값 성능 향상 : 72 %

1 시간 주기적 재조정 중앙값 포트폴리오 성능 : 72 %

1 일

그림 13 : 위의 히스토그램은 일일 재조정의 성과 비율을 매수 및 보유 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 다음과 같습니다. 백 테스트가 완료되면 재조정 포트폴리오의 포트폴리오 값이 “성능 계산”섹션에 설명 된 방법론을 사용하여 HODL 된 포트폴리오의 값과 비교됩니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -55.2 % ~ 517.7 %

  • HODL을 능가하는 주기적 재조정 백 테스트의 비율 : 95.1 %

  • 평균 성능 향상 : 202 %

  • 중앙값 성능 향상 : 166 %

1 일 주기적 재조정 중앙값 포트폴리오 성능 : 166 %

일주

그림 14 : 위의 히스토그램은 매주 재조정의 성과를 매수 및 보유 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 다음과 같습니다. 백 테스트가 완료되면 재조정 포트폴리오의 포트폴리오 값이 “성능 계산”섹션에 설명 된 방법론을 사용하여 HODL 된 포트폴리오의 값과 비교됩니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -46.3 % ~ 382.9 %

  • HODL을 능가하는 주기적 재조정 백 테스트의 비율 : 94.9 %

  • 평균 성능 향상 : 152 %

  • 중앙값 성능 향상 : 131 %

1 주 주기적 재조정 중앙값 포트폴리오 성과 : 131 %

1 개월

그림 15 : 위의 히스토그램은 매월 재조정의 성과를 매수 및 보유 전략과 비교합니다. x 축은 각 백 테스트에 대해 매수 및 보류보다 성능 향상을 나타냅니다. y 축은 x 축의 각 성능 범위에 속하는 백 테스트의 수입니다. 따라서이 히스토그램을 구성하는 프로세스는 다음과 같습니다. 백 테스트가 완료되면 재조정 포트폴리오의 포트폴리오 값이 “성능 계산”섹션에 설명 된 방법론을 사용하여 HODL 된 포트폴리오의 값과 비교됩니다. 이 비교에서 우리는 HODL보다 리 밸런싱이 얼마나 좋거나 나쁘다는 것을 나타내는 백분율을받습니다. 이 백분율을 기반으로 해당 성능 범위에 속하는 백 테스트 수를 증가시킵니다..

  • 주요 성능 분포 : -63.5 % ~ 368.4 %

  • HODL을 능가하는 주기적 재조정 백 테스트의 비율 : 92.3 %

  • 평균 성능 향상 : 193 %

  • 중앙값 성능 향상 : 121 %

1 개월 주기적 재조정 중앙값 포트폴리오 성과 : 121 %

개요

이러한 결과를 결합하여 임계 값을 늘릴 때 중간 임계 값 재조정 성능에 대한 전체 그림을 그리는 몇 가지 간단한 차트를 생성 할 수 있습니다..

백 테스트에서 중앙값 성능을 사용하는 이유는 이것이 특이 치의 영향을 줄이는 데 도움이되기 때문입니다. 그 결과, 포트폴리오의 50 %가 중앙값보다 더 잘 수행되고 50 %가 더 나쁘다는 값에 도달합니다..

그림 16 : 위 차트는 각 해당 백분율 임계 값에서 임계 값 재조정의 중간 성능을 그래프로 나타냅니다..

위의 차트는 임계 값 백분율을 기준으로 중앙값 포트폴리오의 성능이 어떻게 증가 및 감소하는지 보여줍니다. 1 % 임계 값부터 시작하여 84 %의 가장 낮은 중앙값 성능을 관찰합니다. 이는 15 % 임계 값에 도달 할 때까지 임계 값 백분율을 높이면 빠르게 증가합니다. 이 시점에서 중간 성능은 305 %로 최고치입니다..

임계 값을 15 % 이상 계속 높여도 성능이 더 향상되지는 않습니다. 대신 약 275 %가 안정화 될 때까지 성능이 약간 저하됩니다. 이러한 요점을 다른 방식으로 요약하기 위해 조사 된 각 임계 값에 대한 성과를 나열 할 수 있습니다. 편의를 위해 동일한 시뮬레이션 기간 동안 발생한 기간 기반 재조정 백 테스트의 결과와의 비교도 포함했습니다..

그림 17 : 위의 차트는 각 해당 백분율 임계 값에서 임계 값 재조정의 중간 성능을 나열합니다..

그림 18 : 위의 차트는 각 해당 재조정 기간에서 주기적 재조정의 중간 성능을 그래프로 보여줍니다..

주기적 재조정 전략의 결과는이 데이터 세트 및 교환에 대해 1 일 재조정 기간으로 최고 성능을 얻었음을 나타냅니다. 두 전략 모두 높은 빈도의 재조정을 초래하는 전략을 사용할 때 가장 낮은 성능을 얻었습니다..

참고 :이 데이터는 Bittrex에만 해당됩니다. 이 연구에서 고주파 재조정이 성능을 저하시키는 것으로 밝혀졌지만 Binance 데이터를 평가 한 과거 연구에 따르면 유동성이 높고 수수료가 낮은 거래소에서 자주 재조정을 실행하면 성능이 향상 될 수 있습니다. 연구를 찾을 수 있습니다 여기.

임계 값 재조정이 주기적 재조정을 능가하는 여러 요인이 있습니다. 이러한 이유 중 가장 분명한 것은 임계 값 재조정이 사용하는 “필요 기반”트리거입니다. 본질적으로 포트폴리오의 상태에 관계없이 항상 재조정하는 대신, 임계 값 재조정은 시장의 움직임으로 인해 포트폴리오가 잘못 정렬 된 경우에만 재조정됩니다. 포트폴리오가 목표 할당과 일치하면 재조정이 시도되지 않습니다. 이것은 장기적으로 거래 수수료를 절약 할 수 있습니다.

수수료 절감 외에도 임계 값 재조정은 포트폴리오가 시장의 급증을보다 정확하게 포착 할 수 있도록합니다. 변동성이 큰 순간이있는 경우 주기적 재조정은 다음 재조정 기간까지 변경 사항을 무시합니다. 반면 임계 값 재조정은이 변동성을 사용하여 급증이 임계 값을 초과 할 때 재조정하는 이점이 있습니다..

이 두 가지 주요 측면은 임계 값 재조정을 통해 비용을 절감하고 장기간에 걸쳐 수익을 높일 수 있습니다..

결론

결과는 임계 값 재조정이 HODL 된 포트폴리오와주기적인 재조정 전략을 활용 한 포트폴리오를 능가하는 성과를 명확하게 보여줍니다. 기간 기반 재조정은 1 일 재조정 기간 동안 매수 및 보류에 비해 166 % 증가한 반면, 임계 값 기반 재조정은 15 % 임계 값에 대한 매수 및 보류보다 305 % 성능 향상으로 정점에 도달했습니다..

주목할 다른 흥미로운 항목은 다음과 같습니다.

  • 15 % 임계 값 기반 재조정은 성능 결과의 가장 큰 분포를 경험했습니다..

  • 50 % 임계 값은 포트폴리오의 가장 높은 비율이 99.1 %로 HODL보다 더 나은 성과를 보였습니다..

  • 1 시간 재조정은 75.3 %로 HODL을 능가하는 가장 낮은 비율의 포트폴리오를 보았습니다..

15 % 임계 값 재조정은 HODL을 305 % 초과했습니다..

Shrimpy로 임계 값 재조정

결과가 나오고 임계 값 재조정으로 경쟁이 날아갔습니다. 이 전략을 직접 구현할 수도 있지만, Shrimpy 이 전체 전략을 5 분 이내에 자동화 할 수 있습니다. 거래소 계정을 주요 거래소에 연결하고 포트폴리오를 선택하고이 강력한 재조정 전략을 활용하십시오..

Shrimpy 계정에 가입

여전히 Shrimpy가 당신에게 맞는지 결정할 수 없다면, 데모 사용해보기.

추가 자료

자동화 된 암호 화폐 인덱스 펀드-개인 자산 관리

암호 화폐를위한 포트폴리오 재조정

Cryptocurrency Trading Bots-완전한 가이드

고주파 리 밸런싱 분석

재조정 vs. HODL : 약세 시장 분석

우리를 따라 오는 것을 잊지 마세요 트위터페이스 북 업데이트를 확인하고 놀랍고 활동적인 커뮤니티에 질문을 전보 & 불일치.

임계 값 재조정에 대한 경험을 알려주십시오.!

Shrimpy 팀

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