최고의 암호화 전략 백 테스트 : 포트폴리오 재조정

>

거래 전략을 연구하는 것은 암호 화폐 공간에서 예술이되었습니다. 긍정적 인 의미가 아닙니다. 그것은 해석의 여지가있는 예술의 유형이되었습니다..

이 연구의 나머지 기간 동안 모호함을 남기지 않는 것이 우리의 목표입니다. 우리는 우리의 이해가 결과에 대한 유일한 해석이라고 합리적으로 기대할 수있는 방식으로 전략을 정확하게 연구하고 싶습니다..

이러한 수준의 이해에 도달하기 위해 우리는 백 테스팅.

이 연구에서는 역사적으로 가장 성공적인 구성을 식별하기 위해 다양한 포트폴리오 재조정 전략을 백 테스트 할 것입니다..

백 테스팅이란??

백 테스팅은 과거 시장 데이터를 사용하여 전략이 과거에 얼마나 잘 수행되었는지 계산하는 프로세스입니다. 정확한 매도 매도 가격 정보를 사용하여 매 순간 할 수 있었을 거래를 재구성 할 수있었습니다..

백 테스팅은 과거 데이터 만 평가한다는 점을 강조해야합니다. 과거 실적이 미래 수익을 보장하지는 않지만 백 테스팅은 여전히 ​​유망한 전략을 식별하는 데 유용한 도구입니다..

백 테스팅이란??

백 테스팅은 거래 전략의 성과를 평가하기 위해 거래자가 사용하는 수학적 시뮬레이션입니다. 시뮬레이션은 과거 시장 데이터를 활용하여 과거에 거래 전략이 얼마나 잘 수행되었는지 계산합니다..

연구 방법론

결과로 이동하기 전에 연구 설계에 대해 논의 해 보겠습니다. 이렇게하면 결과에서 얻을 수있는 신뢰 수준을 결정할 수 있습니다..

전략

우리는 단일 기본 전략에 초점을 맞출 것입니다. 재조정. Rebalancing은 수십 년 동안 기관에서 사용되어 왔으며 시간의 시험을 견뎌 왔습니다. 표면적으로는 단순 해 보이지만 재조정에는 고유 한 기회를 제공하는 복잡성이 있습니다..

특히 임계 값 재조정 및 주기적 재조정 전략을 모두 평가할 것입니다. 이 두 가지 전략은 자체적으로 완전한 연구를 수행하기에 충분한 뉘앙스를 이미 포함하고 있지만 여기서 멈추지 않습니다. 각 전략은 표준 재조정을 Shrimpy의 “비용 최적화”재조정과 비교합니다..

수수료 최적화 된 재조정은 지능형 라우팅과 함께 메이커 및 테이커 주문의 정교한 조합을 사용하여 수수료를 줄이고 자산 간의 거래를 최적으로 라우팅합니다..

포트폴리오 재조정에 대해 더 알아보기.

수수료 최적화

연구 전반에 걸쳐 수수료 최적화 재조정과 표준 재조정을 비교합니다. 표준 재조정은 수수료 최적화를 사용하지 않는 단순한 재조정입니다..

수수료 최적화는 Shrimpy 팀에서 개발 한 기능입니다. 이는 메이커와 테이커 거래의 조합을 배치하기 위해 더 정교한 알고리즘을 활용하여 거래자가 수수료를 줄일 수있는 방법을 제공합니다. 이것은 테이커 거래 만 사용하는 표준 재조정과 대조됩니다..

Shrimpy에서 재조정은 또한 다른 거래 쌍을 실시간으로 평가하여 대체 거래 쌍을 통해 지능적으로 거래를 라우팅 할 수있는 특수한 스마트 주문 라우팅 알고리즘을 활용합니다. 이것은 추가로 수수료를 감소.

수수료 최적화 재조정에 대해 자세히 알아보기.

역사적 자료

백 테스트의 핵심은 데이터입니다. 백 테스트를 시뮬레이션하기 위해 캔들 스틱 데이터를 사용하는 서비스가 시장에 많이 있지만이 연구에서는 더 정확할 것입니다..

집계 된 데이터 나 부정확 한 촛대를 사용하는 대신 정확한 주문 장부를 사용합니다. 바이 낸스 교환. 이 고 충실도 데이터는 연구에 매우 중요하므로 시장에서 선도적 인 데이터 제공 업체와 파트너 관계를 맺었습니다. 이 연구의 파트너는 카이 코.

Kaiko는 2014 년부터 과거 시장 데이터의 신뢰할 수있는 제공 업체였습니다. 그 이후로 회사는 새로운 제품 및 서비스 개발을 위해 과거 데이터를 활용하는 방식을 계속 재정의 해 왔습니다..

kaiko 시장 데이터

100 개 이상의 현물 및 파생 상품 거래소의 과거 및 라이브 데이터 피드에 대한 원활한 연결.

각 백 테스트에 포함 된 데이터의 시간 범위 2019 년 12 월 1 일에 시작하여 2020 년 12 월 1 일에 종료됩니다.. 그렇게 우리는 정확히 1 년의 과거 데이터를 연구하고 있습니다..

포트폴리오 선택

각 백 테스트는 정확히 무작위로 선택된 자산 10 개. 사용 가능한 자산 만 2019 년 12 월 1 일 바이 낸스 포함됩니다. 해당 날짜까지 Binance에서 특정 자산을 사용할 수없는 경우 해당 자산은이 연구에서 제외됩니다..

자산은 각 백 테스트 반복이 시작될 때 선택됩니다. 단일 백 테스트 반복은 HODL 전략, 표준 재조정 (수수료 최적화 없음) 및 비용 최적화 재조정을 평가합니다. 즉, 새 포트폴리오를 무작위로 선택하기 전에 이러한 3 가지 전략 각각으로 동일한 포트폴리오가 평가됩니다. 이를 통해 정확히 동일한 자산으로 각 전략의 결과를 비교할 수 있습니다..

최적의 포트폴리오 크기에 대해 자세히 알아보기.

분포

선택된 모든 포트폴리오는 포트폴리오의 자산을 균등하게 할당합니다. 본질적으로, 포트폴리오의 각 자산은 포트폴리오 가중치의 정확히 10 %를 차지합니다. 백 테스트 시작시. 각 재조정 이벤트 동안 할당은 각 자산의 원래 10 % 할당과 정확히 일치하도록 다시 가져옵니다..

포트폴리오에 자산을 배포하는 가장 좋은 방법에 대해 알아보십시오..

결과

이제 물류가 중단되었습니다. 결과를 파헤칠 시간입니다. 다음 결과에는 주기적 및 임계 값 재조정 검사가 포함됩니다. 이 두 가지 고유 한 전략 외에도 수수료 최적화를 사용하지 않은 전략과 수수료 최적화를 활용 한 재조정 결과를 비교합니다..

주기적 재조정

주기적인 재조정은 1 시간, 1 일, 1 주 및 1 개월 간격으로 평가되었습니다. 이러한 각 간격은 간단한 HODL 전략, 표준 재조정 및 수수료 최적화 재조정의 성능을 비교하는 데 사용되었습니다..

총 12 개의 서로 다른 조건이 평가되었으며 각 조건은 1,000 개의 백 테스트를 통해 실행되었습니다. 최종 결과는 12,000 개의 다양한 백 테스트 정기적 인 재조정의 효과를 평가 한.

HODL 결과

그림 1 : 위 차트는 포트폴리오에 대한 거래가 수행되지 않았을 때 관찰 한 포트폴리오 성과 분포의 예입니다. 히스토그램에는 1,000 개의 백 테스트가 포함되었습니다. 각 백 테스트가 실행 된 후 성능 버킷 중 하나에 배치되어 보이는 곡선을 생성했습니다. 예를 들어, 약 195 개의 백 테스트가 HODL 전략에 대해 86 %에서 115 % 사이의 성능 결과를 생성했습니다..

평가 된 1 년 동안 HODL 전략을 사용한 포트폴리오의 평균 포트폴리오 가치는 다음과 같습니다. 113.7 %. 재조정 기간을 조정해도 HODL 전략이 재조정되지 않으므로 중앙값 성능에 영향을주지 않습니다..

결과에서 HODL 성능의 작은 편차가 관찰됩니다. 이러한 작은 편차는 단순히 우연의 결과입니다. 1,000 개의 백 테스트에 대한 포트폴리오 선택에 따라 중앙값이 매번 동일하지 않을 것으로 예상합니다..

정기적 인 재조정 결과

그림 2 : 위 차트는 일일 리 밸런싱 거래 전략 (수수료 최적화없이)을 사용할 때 관찰 한 포트폴리오 성과 분포의 예입니다. 히스토그램에는 1,000 개의 백 테스트가 포함되었습니다. 각 백 테스트가 실행 된 후 성능 버킷 중 하나에 배치되어 보이는 곡선을 생성했습니다. 예를 들어, 약 160 개의 백 테스트가 일일 재조정 전략에 대해 114 %에서 139 % 사이의 성능 결과를 생성했습니다..

동일한 1 년 기간 동안 정기적 인 재조정의 중간 성능은 126 %에서 139.1 %까지였습니다..

  • 1 시간 재조정 – 126.6 % 중앙값 성능

  • 1 일 재조정 – 139.1 % 중앙값 성능

  • 1 주 재조정 – 129.4 % 중앙값 성능

  • 1 개월 재조정 – 126.0 % 중앙값 성능

수수료 최적화 재조정 결과

그림 3 : 위의 차트는 시간별 재조정 거래 전략 (수수료 최적화없이)을 사용할 때 관찰 한 포트폴리오 성과 분포의 예입니다. 히스토그램에는 1,000 개의 백 테스트가 포함되었습니다. 각 백 테스트가 실행 된 후 성능 버킷 중 하나에 배치되어 보이는 곡선을 생성했습니다. 예를 들어, 약 160 개의 백 테스트에서 시간별 재조정 전략에 대해 191 %에서 231 % 사이의 성능 결과가 생성되었습니다..

동일한 1 년 기간 동안 수수료 최적화 된 주기적 재조정의 중앙값은 129.4 %에서 254.8 % 범위였습니다..

  • 1 시간 재조정 – 254.8 % 중앙값 성능

  • 1 일 재조정 – 158.2 % 중앙값 성능

  • 1 주 재조정 – 135.9 % 중앙값 성능

  • 1 개월 재조정 – 129.4 % 중앙값 성능

토론

결과를 결합하여 최종 공연을 그리드로 시각화 할 수 있습니다..

그림 4 : 그리드의 각 셀은 1,000 개의 백 테스트의 중간 성능을 나타냅니다. $ 5,000의 시작 가치에서 100 %의 성과는 $ 10,000의 최종 포트폴리오 가치를 나타냅니다. 즉,이 표에 표시된 모든 중앙값 포트폴리오 값은 1 년 동안 두 배 이상 증가했습니다..

그림 4에서 가장 실적이 좋은 전략은 수수료 최적화를 활용 한 1 시간 재조정 전략이었습니다..

언뜻보기에 수수료 최적화 된 재조정을 위해 재조정 빈도가 증가함에 따라 성능이 향상되는 것으로 보일 수 있습니다. 그러나 포트폴리오가 재조정되는 빈도가 높을수록 포트폴리오가 수수료 최적화의 이점을 더 많이 경험하게 될 것입니다. 본질적으로 포트폴리오가 더 자주 거래 될수록 “수수료 최적화”가 성과에 더 큰 영향을 미칠 수 있습니다..

각 재조정 전략과 간단한 구매 및 보유 전략을 비교하면 다음과 같은 결과를 얻을 수 있습니다..

그림 5 : 각 셀은 재조정 전략과 HODL 간의 비교를 나타냅니다. 양수 값은 전략이 해당 금액만큼 보유하고 있다는 것을 의미합니다. 기본적으로 보유 전략이 1 년 동안 + 100 %를 수행 한 경우 양수 백분율은 재조정 전략이 + 100 %보다 훨씬 더 잘 수행되었음을 의미합니다..

그림 5에서 우리는 모든 재조정 전략이 (중앙값 포트폴리오 성과를 기준으로) 보유를 능가하는 것을 볼 수 있습니다. 즉, 중간 값 매수 및 보류 전략이 재조정 전략의 중간 값보다 성능이 더 나쁩니다..

마지막으로 수수료 최적화 재조정 결과를 표준 재조정 결과와 비교하여 수수료 최적화를 사용하여 생성되는 특정 이점을 확인할 수 있습니다..

그림 6 : 각 셀은 수수료 최적화로 인한 이점을 나타냅니다. 본질적으로 수수료 최적화를 사용하지 않는 것보다 수수료 최적화를 사용할 때 포트폴리오의 성능이 얼마나 향상됩니까?.

이전에 논의했듯이 재조정 빈도가 증가함에 따라 수수료 최적화의 이점이 증가 함을 알 수 있습니다..

결론

이러한 결과로부터 리 밸런싱이 역사적으로 매수 및 보유 전략을 능가하는 경향이 있다는 결론을 내릴 수 있습니다. 또한 수수료 최적화 전략 사용의 이점은 거래 빈도에 따라 증가하는 경향이 있음을 알 수 있습니다. 전략이 더 자주 거래 될수록 수수료 최적화에서 더 많은 혜택을 얻을 수 있습니다..

수수료 최적화없이 최고의 성과를내는 전략은 1 일 재조정 간격이었습니다..

임계 값 재조정

임계 값 재조정을 평가하기 위해 7 가지 임계 값 전략을 검토합니다. 여기에는 1 %, 5 %, 10 %, 15 %, 20 %, 25 % 및 30 % 임계 값 재조정이 포함됩니다. 이 연구의 주기적 재조정 부분과 유사하게 표준 재조정, 수수료 최적화 재조정 및 HODL 결과를 비교합니다..

각 구성은 총 1,000 개의 고유 한 백 테스트를 실행합니다. 21,000 개의 백 테스트.

HODL 결과

그림 7 : 위의 차트는 포트폴리오에 대한 거래가 수행되지 않았을 때 관찰 한 포트폴리오 성과 분포의 예입니다. 히스토그램에는 1,000 개의 백 테스트가 포함되었습니다. 각 백 테스트가 실행 된 후 성능 버킷 중 하나에 배치되어 보이는 곡선을 생성했습니다. 예를 들어, 약 160 개의 백 테스트가 HODL 전략에 대해 110 %에서 137 % 사이의 성능 결과를 생성했습니다..

평가 된 1 년 동안 HODL 전략을 사용한 포트폴리오의 평균 포트폴리오 가치는 다음과 같습니다. 115 %. 재조정 임계 값을 조정해도 HODL 전략이 재조정되지 않으므로 중앙값 성능에 영향을주지 않습니다..

HODL 성능의 작은 편차가 결과에서 관찰됩니다. 이러한 작은 편차는 단순히 우연의 결과입니다. 1,000 개의 백 테스트에 대한 포트폴리오 선택에 따라 중앙값이 매번 동일하지 않을 것으로 예상합니다..

정기적 인 재조정 결과

그림 8 : 위 차트는 15 % 임계 값 재조정 전략 (수수료 최적화 포함)을 사용할 때 관찰 한 포트폴리오 성과 분포의 예입니다. 히스토그램에는 1,000 개의 백 테스트가 포함되었습니다. 각 백 테스트가 실행 된 후 성능 버킷 중 하나에 배치되어 보이는 곡선을 생성했습니다. 예를 들어, 약 98 개의 백 테스트에서 15 % 임계 값 재조정 전략에 대해 173 %에서 197 % 범위의 성능 결과가 생성되었습니다..

1 년 동안 정기적 인 임계 값 재조정은 평균 성능이 134.1 %에서 152.7 %였습니다..

  • 1 % 임계 값 – 134.1 % 중앙값 성능

  • 5 % 임계 값 – 150.5 % 중앙값 성능

  • 10 % 임계 값 – 150.2 % 중앙값 성능

  • 15 % 임계 값 – 152.7 % 중앙값 성능

  • 20 % 임계 값 – 147.4 % 중앙값 성능

  • 25 % 임계 값 – 150.2 % 중앙값 성능

  • 30 % 임계 값 – 147.0 % 중앙값 성능

수수료 최적화 재조정 결과

그림 9 : 위의 차트는 1 % 임계 값 재조정 거래 전략 (수수료 최적화 포함)을 사용할 때 관찰 한 포트폴리오 성과 분포의 예입니다. 히스토그램에는 1,000 개의 백 테스트가 포함되었습니다. 각 백 테스트가 실행 된 후 성능 버킷 중 하나에 배치되어 보이는 곡선을 생성했습니다. 예를 들어, 약 118 개의 백 테스트에서 1 % 임계 값 재조정 전략에 대해 152 %에서 189 % 사이의 성능 결과가 생성되었습니다..

1 년 동안 수수료 최적화 임계 값 재조정은 156.5 %에서 258.3 % 범위의 중간 성능을 보였습니다..

  • 1 % 임계 값 – 258.3 % 중앙값 성능

  • 5 % 임계 값 – 197.2 % 중앙값 성능

  • 10 % 임계 값 – 179.1 % 중앙값 성능

  • 15 % 임계 값 – 172.1 % 중앙값 성능

  • 20 % 임계 값 – 163.2 % 중앙값 성능

  • 25 % 임계 값 – 164.1 % 중앙값 성능

  • 30 % 임계 값 – 156.3 % 중앙값 성능

토론

결과를 결합하여 최종 공연을 그리드로 시각화 할 수 있습니다..

그림 10 : 그리드의 각 셀은 1,000 개의 백 테스트의 중간 성능을 나타냅니다. 백분율은 1 년 동안 포트폴리오 가치의 증가율을 나타냅니다. 따라서 100 %는 백 테스트 기간 동안 두 배로 늘어난 포트폴리오의 가치를 나타냅니다..

그림 10에서 우리는 매수 및 보유 전략을 활용하는 중앙값 포트폴리오가 1 년 동안 가치가 두 배 이상 증가했지만 모든 임계 값 재조정 전략이 HODL 전략을 능가했음을 알 수 있습니다..

이는 선택한 임계 값에 관계없이 리 밸런싱이 역사적으로 보유하고있는 것보다 더 나은 성과를 거두었다는 것을 의미합니다..

수수료 최적화 재조정과 표준 재조정 만 비교하도록 평가 범위를 좁 히면 수수료 최적화가 결과에 큰 영향을 미친다는 것을 알 수 있습니다..

그림 11 : 각 셀은 각 전략이 매수 및 보유에 대한 중간 증가율을 나타냅니다. 기본적으로 양수 값은 전략이 해당 비율만큼 매수 및 보유를 능가했음을 의미합니다. HODL 전략을 사용하는 포트폴리오의 가치가 100 % 증가하면이 표의 양수 값은 재조정 전략이 훨씬 더 잘 수행되었음을 의미합니다 (이 예에서는 100 % 이상)..

그림 11에서 우리는 연구 된 모든 사례에서 중앙값 재조정 전략이 단순한 HODL 전략을 능가하는 것을 볼 수 있습니다. 그러나 수수료 최적화는 성능 향상을 기반으로 추가 가치를 창출 할 수있었습니다..

두 가지 재조정 전략 만 비교하면 “수수료 최적화”재조정에 사용 된 수수료 최적화 알고리즘에 의해 실제로 얼마나 많은 가치가 생성되었는지 확인할 수 있습니다..

그림 12 : 각 셀은 수수료 최적화에서 파생 된 이점을 나타냅니다. 본질적으로 수수료 최적화를 사용하지 않는 것보다 수수료 최적화를 사용할 때 포트폴리오의 성능이 얼마나 향상됩니까?.

그림 12에서 수수료 최적화 전략을 활용하는 이점을 볼 수 있습니다. 주기적인 재조정 사례에서 본 테마를 유지하면 수수료 최적화가 빈번한 거래가있을 때 더 많은 이점을 제공한다는 것을 알 수 있습니다..

결론

주기적 재조정과 유사하게 임계 값 재조정은 역사적으로 단순한 매수 및 보유 전략을 능가했습니다. 또한 거래가 빈번 해짐에 따라 수수료 최적화의 이점이 증가하는 것을 확인했습니다..

마지막 생각들

33,000 건의 백 테스트를 검토 한 결과 수수료 최적화를 사용하지 않는 전략과 비교할 때 수수료 최적화 재조정의 이점을 지속적으로 입증 할 수있었습니다. 또한 포트폴리오 재조정이 과거에 HODL 전략을 능가했다는 결과를 확실하게 생성 할 수있었습니다..

사실 거의 85 % 평가 된 모든 포트폴리오 중 HODL과 비교할 때 재조정 전략을 사용할 때 더 나은 결과를 얻었습니다..

전체 결과보기

전체 세부 결과는 다음 Google 문서에서 찾을 수 있습니다. 전체 결과를 자유롭게 탐색하고 흥미로운 추세 나 패턴을 추가로 찾으십시오..

고지 사항 : 백 테스트는 과거 성과 만 검사 할 수 있으며 미래 성과를 보장하지 않습니다. 이 연구는 1 년 동안 재조정을 평가합니다. 재조정은 단기 전략이 아니며 하루 또는 일주일 내에 측정 가능한 결과를 생성하지 못할 가능성이 높습니다..

추가 좋은 읽기

Python을 사용하여 암호화 거래 봇을 만드는 방법

암호 화폐 포트폴리오에 대한 재조정 전략 비교

Crypto의 일반적인 재조정 시나리오

암호화 포트폴리오 관리를위한 임계 값 재조정

DeFi 란 무엇입니까? 탈 중앙화 금융 가이드

우리의 소셜 트레이딩 플랫폼

Shrimpy 암호 화폐를위한 소셜 거래 플랫폼입니다. 전문가와 초보자 모두가 성장하는 암호화 산업에 대해 배우고 배울 수 있도록 설계되었습니다. Shrimpy에서 사용자는 다른 트레이더의 포트폴리오 및 거래 전략을 복사 할 수 있습니다..

우리를 따라 오세요 트위터페이스 북 업데이트를 확인하고 놀랍고 활동적인 커뮤니티에 질문을 전보 & 불일치.

들러 주셔서 감사합니다!

Shrimpy 팀

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