實力不夠,策略來湊。
相信很多有過股票投資的幣友,應該知道一個比較有趣的現象:一周中,總有幾天比其他幾天更容易獲利或損失。
比如,當年弗倫奇在紐交所發現股票周一的回報率通常低于前一個周五,后來這一現象有了一個專業名詞——“周末效應”。學者們總結是因為上市公司通常在周五股市停牌后才發布利空消息。
另一面,幣圈一直都是7*24小時輪軸轉,但如今的“白天市場”悄悄進入加密市場也有段時間了。幣哩認為這是因為很多大戶配備了專業的操盤團隊,加上機構的入場,所以歐美和亞洲工作時間是最容易變盤的時候。比如7—9點、3點—5點。
不過,到目前為止,對加密市場的“星期幾”效應還沒有太多的研究。
同樣的規則適用幣圈嗎?
周一買幣+周末前賣幣=嫩模別墅?
數據:以太坊持有100枚以上地址達45,589,創16個月內新高:金色財經消息,據Glassnode數據顯示,持有100枚以上以太坊的地址數量剛剛達到45,589,為16個月內新高。
據之前監測,2022年8月23日的16個月內高點為45,583。[2022/8/24 12:44:53]
加密市場的“周內最佳交易日”到底是那幾天?
我們一一來推測。
測試“一周中最佳交易日期”的策略:
為找到答案,我們先仔細研究一下包括周末在內的每一天的“BTC平均價格回報”。正如各大分析師們常做的那樣,我們把BTC作為整個加密市場的晴雨表,因為很多altcoins都與BTC聯動,獨立行情畢竟是少數。
首先,我們先看2017年到現在比特幣周內日平均回報率:
數據:擁有超1萬和1千枚ETH的錢包地址數量均創歷史新低:根據Glassnode發布的數據,擁有10000枚以上ETH的錢包地址數量大幅下降,達到了21個月以來的最低點——1020。此外,擁有超過1000枚ETH的錢包地址數量已經跌至2年低點(7253)。(U.Today)[2020/9/12]
這里需要強調一下:我們這里是金本位。計算平均回報率時,會遇到正回報和負回報相加的問題。設想比特幣下跌50%,第二天又上漲50%,這時傻瓜式相加的平均回報率是0%,但實際的回報率是-25%。因為你先損失了一半的錢,然后剩下一半的錢上漲的50%。也即是說,一個幣當天跌了50%,第二需要翻倍才能回本。
如上圖所示,在不同工作日內,BTC的回報率有一些大的差異:
周一和周六收益最為明顯,平均回報率分別為+0.69%和+0.5%。
舉個例子,如果幣哩從2017年初到今天,每周六買入比特幣,然后在這一天結束前賣出,那么幣哩目前的比特幣投資回報率將為正。
動態 | 權威數據顯示:當前能夠監測到的歸零幣或空氣幣達到755種 傳銷幣102種:11月18日晚,央視焦點訪談欄目聚焦區塊鏈。節目中,記者在調查中發現,隨著區塊鏈熱潮,危害最嚴重的亂象出現在數字貨幣上,這些項目將區塊鏈概念和金融知識、貨幣知識混淆在一起,混水摸魚,普通百姓根本難以分辨,欺騙性極強。國家互聯網應急中心相關部門提供的數據顯示,眼下能夠監測到的歸零幣或空氣幣達到755種,傳銷幣102種。[2019/11/18]
周三、周四和周日的數據均為負值。到目前為止,周三是表現最差的一天。
當然,僅依靠上述策略來制定投資計劃太過武斷,需要進一步的論證。
有了這些信息后,我們現在繼續測試“BTC周內投資策略”。
從2018年開始,我們只在周一和周六購買比特幣,并在一天結束時賣出,那么,我們的投資回報率是怎樣的?
動態 | 數據顯示:加密貨幣錢包數量呈指數增長:據今日消息,市場和消費者數據提供商Statista的最新數據顯示,截至2019年中,加密市場中已經創建超4000萬個加密貨幣錢包,而在2016年,這一數字僅為約800萬。而Statista最新統計則是基于加密錢包提供商Blockchain.com的數據。[2019/10/2]
藍線表示我們的周內日投資策略,橙色的線,我們使用它作為基準,顯示從相同時間開始計算長持BTC的收益。
在觀察到的時間范圍內,我們的周內策略帶來了68%的利潤,而長持比特幣的人將受到38%的損失。
從模型上看,最差的情況是,2018年底的那次大跌也發生在周一,這使得我們的策略發生重大錯誤,并少有的與基準收益貼近。但盡管如此,我們的日策略在2018年熊市的大部分時間里都實現了相對穩定的增長,并毫無壓力的超過了基準收益。
但進一步研究過去也會得到有趣的結果。在2017年以后到今天,我們對當日策略進行回測,可以得出以下結果:
BitTrade與大學合作研究利用交易等級數據進行行為分析和預測:據日本數字貨幣交易所BitTrade官網消息,BitTrade已聯合一橋大學學院經營管理研究科宮川大介準教授的研究室共同發起一項數字貨幣相關合作研究。該研究將就個人投資者的數字貨幣買賣模型,利用交易等級數據進行行為分析和預測。[2018/6/1]
這一次,我們的策略實際上并沒有超過hoding,考慮到2017年是比特幣大牛市,在這個延長時間的測試框架內,我們的日策略只有469%的利潤回報——大約是基準回報率的71%。
雖然看起來像是我們做了一個十分傻X的投資策略,但要注意的是:我們只在一周中進行交易了兩天,就得到了基準71%的回報。另外,這兩種策略表現出的波動性也存在巨大差異。
最重要的是,長持讓投資者投資的過程像坐過山車,也讓他們承擔的風險更大。雖然那些在2012就進行加密市場投資并囤幣的人,如今可能已財富自由。
但幣哩懷疑,那個時代可能已徹底成為過去。
我們的日策略會弱化BTC的大部分波動風險,在測試的時間范圍內,我們可以看出該方法是一條緩慢但卻穩定、并且幾乎連續上升的投資策略。
從數字上看,我們的日策略在觀察時段的年化標準差為0.43,而持有的年化標準差為0.84。我們策略的年化夏普比率為1.65,長持是1.35。
*,標準差越高代表風險越高;年化夏普比率原指基金投資績效評價標準化指標,是經典指標之一,夏普比率可以同時對收益與風險加以綜合考慮。越大,說明基金單位風險所獲得的風險回報越高。)
可以看出,我們的周內日投資策略明顯降低了波動性,提高了風險調整后的收益,為投資者提供了更好的風險收益平衡。
比特幣為首的加密市場波動太大,一直是很多新手和傳統金融機構觀望的原因。尤其是幣圈早期都是賺的是信息差與資本實力差的錢,后面靠的是認知與理解。對于我們小散戶,投資策略一定會比K線技術指標更重要。
即使從盤面上看,我們的投資回報與長持基準回報相比表現不佳,但另一面,我們的策略是犧牲了一些收益但大幅降低了不確定風險,畢竟誰也不能確定未來走勢。否則2010年就應該買入比特幣。
不過,可能也有人會質疑:這個策略難道不是馬后炮嗎?
確實,我們是從歷史數據中進行推測。其實很多制作模型的人,一開始就已經知道在同一框架下什么時間點的數據可以論證觀點。先入為主確實不是壞就是蠢,尤其是2020年都要減半了,面對這種歷史性事件帶來的波動,該模型是否還有效。
因此,讓我們從2016年開始再測試一次,當時的市場情緒和現在類似。
*
以下是2016—2017年比特幣的周內日回報率:
考慮到2016年比特幣的看漲趨勢,我們得到的結果實際上與計算2017-2019年的周內日回報率時非常相似。
在牛市中,表現最好的仍然是周一、外加了新的第二名周四,周六也同樣不錯,與前模型0.5相差不大。盡管周三和周日(之前的最差日)返回正值。也別意外,因為這是牛市。
有了這些結果(我們選擇2018年減半后的大熊市),我們決定在周一、周四和周六交易比特幣,并在每個交易日結束時賣出。
以下是我們2018年1月起投資策略的成果:
由于只有過去的數據可用,我們再次跑贏了長持的基準回報率,與他們的-38%相比,我們只損失了4%。幣哩覺得已經不錯了,本來投資就是一場比賽,贏過大部分人最終才能賺錢。
因此,我們的模型其實也已經證明,對于幣圈的BTC交易者來說:牛市中周一、周四、周六,熊市中周一、周六更加容易獲利,至少賠的概率不大。
不過有一點需要說明,雖然大盤中大部分主流幣與比特幣聯動,但個別CX、山寨幣的走勢,估計只有莊家才知道。使用這個策略的投資者,也需要具備一些基本的金融投資經驗。
本文參考文獻:《Backtestingtheweek:Whichdaysarebestfortradingcrypto?》;Theauthor:Jan.S;
Tags:比特幣BTC數字貨幣TRA比特幣歷史走勢圖sbtc幣哪個鏈數字貨幣被騙了幾十萬提取不出來Decentralized Bank
作者:上海發展研究基金會副會長兼秘書長喬依德?來源:探索與爭鳴本文將刊于《探索與爭鳴》2019年第11期,內容以正刊為準.
1900/1/1 0:00:00本文來源:小蔥APP 作者:化簡幣市 加密貨幣分析師CharlesEdwards日前發推指出,最近一段時間里比特幣哈希率數據的變化暗示礦工們又要迎接“命運抉擇”了,究竟是繼續硬抗并承擔虧損.
1900/1/1 0:00:002017年,7月,一位非常年輕的幣圈投資者從北京飛到深圳找我。找我學習如何自己保存幣。看到他云幣賬戶上的幣,我都驚呆了。真有錢.
1900/1/1 0:00:00來源:見聞美股 導讀:11月21日,嘉楠耘智美國IPO首日開盤大漲40%,最大漲幅超過44%,但開盤價出爐不到半小時就跌破發行價,一度下跌將近9%,最終收跌0.11%.
1900/1/1 0:00:00來源/LongHash 最近,一篇學術論文聲稱Tether的操縱行為導致了2017年比特幣牛市,引起了各方的關注。這篇論文最初發布于2018年,但最近增加了一些新的分析.
1900/1/1 0:00:0011月6日華為舉行的《與任正非咖啡對話》活動上,華為創始人任正非與智能工廠工業4.0精神之父、德國生產自動化教授DetlefZuehlke以及前聯合國安理會主席馬凱碩進行了“數字主權.
1900/1/1 0:00:00