彈性供應的穩定幣AMPL 是否可以做網格交易套利？_AMP

前不久，微博有個幣圈博主發了一個互動問題，問大家玩DeFi這么久，哪個項目最讓你興奮，評論區里AMPL的票數最高，甚至有人說AMPL就是一種宗教。為什么AMPL這個項目會有讓人成為信眾的魅力？

這里我們引用藍狐筆記的概述介紹一下，AMPL有兩大特點：1.彈性供給，但用戶所有權比例不變；2.愿景很大。它的短期目標是試圖成為跟其他加密貨幣相關性不高的資產，中期目標是成為DeFi基礎組件之一，終極目標則是成為更好的比特幣，可以同時兼具價值存儲、計價單位和交換媒介的特性，且具有加密原生的特色，沒有通脹、彈性供應、無須信任、不可稀釋等。

這些特點讓AMPL既給了大家非常好的預期，彈性供應帶來的“價格上漲，數量變少，價格下跌，數量變多”又讓它更具有網格套利空間。

網上已經有研究給大家科普了什么是網格套利，以及從推理上論證為什么AMPL可以套利。但是相信大家更想知道的是，實證角度AMPL是否真的可以套利，如果能套利該如何套利。

本期非小號研究從傳統金融實證研究的角度探討，AMPL網格套利的可行性，同時也會補充一些關于套利原理和風控的知識，希望能夠對大家打開思路有所助益。

閱讀本文大概需要15min

文章主要內容：

什么是套利及套利的原理和特點

驗證AMPL網格套利的前提：協整性

AMPL是否可進行網格套利，怎么套利

1.什么是套利

套利，通常指在某種實物資產或金融資產擁有兩個價格的情況下，以較低的價格買進，較高的價格賣出，從而獲取豐厚的收益。一個詞概括那就是常說的“低買高賣”。

那為什么同一資產會常有價格高低波動的情況出現呢？這就需要講到第二個概念性知識，套利的原理。

微軟首席商務官：工業元宇宙具備同時提升供應鏈彈性、業務效率和可持續性的潛力:金色財經報道，微軟全球執行副總裁，首席商務官Judson Althoff在微軟官網發文《從韌性到數字恒力：各行各業利用數字技術迎接時代變革》，其中表示，工業元宇宙（Industrial Metaverse）具備同時提升供應鏈彈性、業務效率和可持續性的潛力，目前比利時的百威英博（AB Inbev）、博世（Bosch）、川崎重工（Kawasaki Heavy Industries）、現代汽車集團（Hyundai Motor Group）、丹麥的諾和諾德（Novo Nordisk）都已部署微軟Azure 數字孿生（Azure Digital Twins）。[2022/7/29 2:45:37]

套利原理

套利的原理是均值回歸，套利者認為某項資產或是資產組合的價格，在一定時間內總圍繞某一個相對穩定的價格上下波動，當偏離一定程度后回歸。

舉個例子：一名學生的真實學習成績是穩定的，但是考試成績是在穩定水平上的發揮，比如某次能夠超常發揮，但是超常發揮不代表真實水平，所以下次可能回歸到正常水平或是由于驕傲沒有發揮好而低于正常水平。一定時期看，考試成績只能圍繞真實學習水平隨著發揮好和壞上下波動。長期來看，只有學習水平提高了，才會整體提高每次的考試成績。

套利特點

由于獲利率長期穩定，套利利潤的波動不會像單邊投機那樣劇烈；

高流動性，市場資金容量大，進出方便；

風險低，理論上，套利是沒有風險的；

套利交易更適合機構投資者，因為需要投資者有大額資金，機構投資者有這種優勢，也有研發優勢，更傾向于獲得穩定的回報。

套利與趨勢交易有什么區別和聯系呢？

摩根大通：比特幣市場結構比傳統資產更具彈性:金色財經報道，根據摩根大通銀行策略師的新報告，加密貨幣在3月的市場瘋狂中基本上幸免于難，這表明加密貨幣“作為資產類別是長壽的”。但是，策略師稱“價格行動表明，他們將繼續被用作投機工具，而非交換或價值存儲手段”。最后，報告稱比特幣的市場結構比貨幣、股票、國債和黃金更具彈性。[2020/6/13]

套利者多相信均值回歸，趨勢交易者更相信馬太效應。所以套利交易者更加愿意尋找收益率平穩的資產，找到收益率具有平穩性質的資產或是協整性好的資產組合就意味著收益。趨勢交易者更愿意找到趨勢顯著穩定的資產，找到這類資產可以做波段的交易。套利交易和趨勢交易本身沒有優劣之分，只是投資者對風險的厭惡不同導致了存在不同的交易方式。以下是總結的幾點區別：

網格交易套利是什么？

網格交易是量化交易的一種，是一種穩定的、保險的、收益率不會大起大落的交易方式。在傳統金融應用多年，指以某個價格為基礎，以一定價差在上下各價位掛一定數量的買賣單，高賣低買。放在行情波動較大的加密貨幣領域同樣適用，即在交易區間內，借助數字資產價格的不斷波動，自動化地低吸高拋，持續獲利。

套利的前提條件是協整性

傳統金融中兩個資產協整性要求：上文我們講過考試成績圍繞學習水平上下波動的例子，這個例子有一個前提是一段時間內學習水平是穩定的。所以我們在套利中也需要某項資產或是資產組合的價格或收益率是相對穩定的，價格或收益率圍繞穩定值或是均值上下波動，這被我們稱作平穩性。滿足平穩性資產的價格或收益率圖形如下圖所示：

證券時報頭版評論：人民幣匯率彈性適度增強利于穩外需:證券時報頭版評論文章表示，近日，離岸人民幣對美元匯率一度跌破7.19關口。人民幣走貶，已經引起了市場各方廣泛關注。市場自發增強匯率的彈性和靈活度，可以增強外貿企業的競爭力，提升國際市場對于中國產品的相對購買力，緩解一部分因為海外疫情引發的外貿低迷，有助于穩住外貿主體。中國的外匯市場、股票市場、貨幣市場和債券市場都可能受到國際資本流動的影響。因此，在人民幣匯率彈性提升的過程中，國內宏觀審慎監管體系也應做到未雨綢繆，為市場提供更多的風險管理工具。[2020/5/29]

但是現實中很多單個資產不具備平穩性，這是否意味著我們不能使用平穩性進行獲利了呢？這個時候就需要用到兩個資產的協整性。簡單的說協整性就是如果兩組序列是非平穩的，但它們的線性組合可以得到一個平穩序列，那么我們就說這兩組時間序列數據具有協整的性質。

傳統金融中一般采用兩個相關品種的價差或相同品種的基差進行套利，套利前要做協整性的檢驗，以便于判斷均值回歸的穩定性。收益率之間具有協整性的兩個資產收益率大致如下圖所示：

一般協整性的股票有相同的影響因素，比如美的空調和格力空調。期貨與期貨、期貨與現貨以及期貨不同周期之間也都具有協整性，這也是我們常說的跨品種套利、期現套利和跨期套利。

2.驗證AMPL的平穩性

單位根檢驗

傳統金融中很難有單個品種有AMPL這種均值回歸的屬性，都需要驗證兩個品種的協整性。那我們如何大致驗證AMPL是平穩的？

傳統的觀察法、自相關圖和偏自相關圖兩種方法都比較主觀，我們在這里采用單位根檢驗方法。

Ripple CEO：全球經濟進入未知水域 市場極具彈性:Ripple CEO Brad Garlinghousef首次公開發表有關冠狀病大流行及其對全球經濟影響的評論。他表示他目前的重點是團隊健康。Ripple位于美國受疫情影響最嚴重的區域之外，但員工仍要求在家辦公，通過視頻會議保持聯系。關于疫情對全球經濟的影響，他表示全球經濟進入未知水域，但他從歷史中學到的是市場“極具彈性”。

Ripple直接感受到了加密市場的動蕩，公司擁有市場上一半以上的XRP，在全球經濟衰退后，該公司的持幣價值暴跌逾100億美元。[2020/3/20]

單位根檢驗方法原理是：當一個時間序列的滯后算子多項式方程存在單位根時，我們認為該時間序列是非平穩的；反之，當該方程不存在單位根時，我們認為該時間序列是平穩的。

下圖為單位根檢驗結果，原假設：收益率時間序列不平穩，備擇假設：收益率時間序列平穩

由檢驗結果我們可以知道：

1.因為檢驗值-13.49748665279405顯著低于1%的臨界值-3.448493650810824，所以拒絕原假設接受備擇假設，AMPL的收益率在時間序列上是平穩的，置信度為99%；

2.AMPL時間序列數據滯后階數為1，從這是說今天的數據收到昨天的影響。比如ARCH模型中就涉及到滯后階數作為參數，換個角度如果是LSTM模型角度就是神經元記憶上一個時間點的信息。

另外兩種方法觀察法、自相關圖和偏自相關圖兩種方法都比較主觀，圖形如下所示：

BM: DPOS在受到攻擊時是有彈性的:今日，BM 發推表示：“ 看到STEEM社區是如何獲得投票并保持去中心化，我十分激動，這證明DPOS在受到攻擊時是有彈性的。”[2020/3/4]

圖形方法的優點就是比較直觀，但是不利于量化比較，容易造成不同人看同一張自相關圖和偏自相關圖時可能得到不同的結論。

上邊我們已經進行了收益率的單位根檢驗，下面我們進行價格的單位根檢驗，檢驗結果是1年的價格作為樣本價格的時間序列數據是不平穩的，但是近6個月數據作為樣本時價格的時間序列數據是平穩的。

下圖為單位根檢驗結果，原假設：價格時間序列不平穩，備擇假設：價格時間序列平穩

近1年價格數據單位根檢驗結果

結論：價格數據是不平穩的

近6個月價格數據單位根檢驗結果

結論：在95%的置信度水平下價格的時間序列數據是平穩的

單位根的檢驗結果以收益率還是價格為準

金融領域的諸多模型為什么要比較收益率的關系而不是價格的關系？

價格的分布可以到正無窮，是一個無窮連續變量，不符合正態分布；

收益率符合正態分布；

正態分布具有優良屬性，比如正態分布加正態分布后還是正態分布，比如利用正態分布的

樣本數據可以輕松地估算整體收益率低于0%所占概率密度面積，從而估算收益率低于0的概率。當然正態分布也存在尖峰肥尾的情況，但這并不影響正態分布屬性優良在各種金融分析中廣泛使用的事實。

我們這次課題一定要選擇價格平穩性作為入場交易的前提條件，原因是可以預想到大多數資產的收益率都是正態分布的，這并不能說明價格是平穩的，需要證明哪個數據時間序列平穩就做哪個數據的單位根檢驗。

3.AMPL可以進行網格套利嗎？

我們可以從之前的數據看到1年數據作為樣本不平穩，但是6個月數據作為樣本平穩，那么我們該如何選擇？

造成這個問題的原因是我們選擇樣本數據的時間太長所導致，我們一定要知道在金融建模時并不是樣本越多越好，往往過多的樣本會導致有較多的異常值干擾，導致模型不準確，所以這里我們選擇了距離現在時間更近的6個月時間序列時間平穩的結論，認為AMPL價格是平穩的，可以參與網格套利。

這很像我們之前舉的例子，AMPL這位同學最近半年的學習成績是穩定的，但是相較于過去是提高的或是降低的，所以不能拿太久之前的學習成績衡量近期的考試成績。

網格套利需要的止損策略

大家可能要問網格套利是不是每次都會盈利，無需止損？答案是否定的，網格套利為了降低單次錯誤帶來的損失，也是需要止損的。

這是為了防止95%置信度以外的5%情況發生，也是保護本金的必要手段。

常見止損方式包含但不限于以下幾種，讀者也可以自行探索：

達到單筆虧損限額止損；

達到規定網格止損。

對于風險控制我們補充一個VAR方法，具體實施細節比較復雜我們就不展開講了。感興趣的朋友可以自行學習，如何使用VAR方法計算一段時間后幣種收益率的置信區間，以便確定在99%置信度時置信區間在哪里，發生1%風險時可能的損失是多少。

4.交易機會與單次交易收益之間如何平衡

在不考慮手續費等費用情況下交易利潤公式如下：

交易利潤=*交易次數

由以上公式我們可以得到的認知是，如果單次收益率和勝率要求過高就意味著，需要在AMPL價格向下偏離均值較多時候入場，雖然這時收益率和勝率都提高了，止損也降低了，但是交易次數顯著會變少。這是對整體交易盈利水平不利的，也是我們不希望的交易情況。

同樣，如果為了追求交易次數單次交易收益率和勝率也都會下降，所以我們要測算在那個位置入場盈利最高，不是價格剛偏離均值時，也不是價格偏離到均值的極限情況，而是這之間的某個平衡點。

很多人都以為網格交易不用考慮趨勢，其實這也是很盲目的。

假設分為5次入場，每次達到網格就入場，如果第一次開始的入場位置不好，之后幾次入場網格間隔又太小非常容易被套住，這樣時間成本是很高的，即使最后解套了也喪失了很多機會，這是得不償失的，尤其在趨勢品種中這樣操作是大忌。

多種情況中，哪種情況最終收益最優，是一個網格測試問題。

我們可以設定1倍標準差的位置到3倍標準差的位置是網格區間，利用歷史數據價格每間隔0.5個標準差進行一次計算機模擬測試，可以獲得在哪個位置入場時收益最大，這個就是其他條件不變時我們的理論最優入場點。

這里我們用偏離均線的標準差距離構建網格，不同于很多交易軟件上水平直線和垂直直線組成的網格，在實際操作中有多種構建網格的方法，感興趣的朋友可以自行查找學習。

之前為什么用1倍標準差和3倍標準差？它們的置信區間分布是70%和99%，也就是說價格到達1倍標準差時候有30%概率會繼續偏離均線，有70%概率會回歸，同樣3倍標準差的統計含義是僅有1%的概率繼續偏離均線，可以理解為100次僅有1次會繼續偏離均線。同時超越3倍標準差或許也是一個良好的最終止損點。

5.網格交易中資金管理的重要性

雖然我們經常會看到某個交易員重倉做網格交易，但是網格交易中也存在資金管理，并不是任何情況下都可以使用比較重的倉位，比較重的倉位會大大提高風險。

例如本金為10萬美元，單次允許的虧損為1%，那么我們可以測算出最大可承受的虧損為10萬*3%即為3000元。

這時我們就可以根據3000元的最大單次允許虧損和預測的最大逆向點位確認交易量了，比如在均值減2倍標準差時入場，最大止損位置時均值減3倍標準差。

假設一個標準差跨越的點位是100點，這時允許交易量為3000/100即30個AMPL幣。如果考慮到還存在網格加倉的可能性，那么初始入場的AMPL幣數量應該是10個甚至更低的。

好的資金管理也能防止單次虧損過大，遇到需要加倉的大行情時候沒有足夠本金的情況。網格交易也遵循放大風險敞口會擴大預期收益率的規律，這有點像企業發債或貸款融資經營通過杠桿提高盈利時擴大了風險的情況。

但是每個交易者都不能為了收益無限放大風險，選擇自己能夠承受的風險水平就是最好的投資選擇。

補充：AMPL與其他幣種的不同點平穩性也包含了潛在風險

AMPL的特點是幣價在一定范圍內會維持穩定，但是幣種數量會增發。所以影響收益的因素不只是AMPL價格是否平穩，還有一個重要的因素就是AMPL數量處于增長期還是收縮期。

如果AMPL數量處于增長期，明顯做多更有利。由于現貨沒有做空，借入行為相當于做空，所以AMPL數量處于收縮期時，借入更有利，但是借入后也沒有辦法做空進行套利。

Tags：AMPLAMPMPL加密貨幣Amplify Protocolbitstamp交易平臺盈利需要交稅么SMPL價格加密貨幣-新浪財經

MATIC