BBK:数据向 | 一周内,那一天交易BTC不会赔?_BKX

实力不够,策略来凑。

相信很多有过股票投资的币友,应该知道一个比较有趣的现象:一周中,总有几天比其他几天更容易获利或损失。

比如,当年弗伦奇在纽交所发现股票周一的回报率通常低于前一个周五,后来这一现象有了一个专业名词——“周末效应”。学者们总结是因为上市公司通常在周五股市停牌后才发布利空消息。

另一面,币圈一直都是7*24小时轮轴转,但如今的“白天市场”悄悄进入加密市场也有段时间了。币哩认为这是因为很多大户配备了专业的操盘团队,加上机构的入场,所以欧美和亚洲工作时间是最容易变盘的时候。比如7—9点、3点—5点。

不过,到目前为止,对加密市场的“星期几”效应还没有太多的研究。

同样的规则适用币圈吗?

周一买币+周末前卖币=嫩模别墅?

去中心化用户数据基础设施Terminal 3完成Pre-Seed轮融资,Consensys Mesh等参投:8月2日消息,总部位于香港的去中心化用户数据基础设施服务提供商Terminal 3宣布以超额认购完成Pre-Seed轮融资,500 Global、CMCC Global、Consensys Mesh、Bixin Ventures、BlackPine、DWeb3、Hard Yaka、Bored Room Ventures、Mozaik Capital等参投。具体融资金额暂未披露。

Terminal 3旨在取代中心化数据存储模式,利用去中心化存储和零知识证明帮助企业解决用户数据的合规和安全性问题,实现用户数据可以自由组合,同时保持完全的私密性和安全性。[2023/8/2 16:13:12]

加密市场的“周内最佳交易日”到底是那几天?

我们一一来推测。

测试“一周中最佳交易日期”的策略:

为找到答案,我们先仔细研究一下包括周末在内的每一天的“BTC平均价格回报”。正如各大分析师们常做的那样,我们把BTC作为整个加密市场的晴雨表,因为很多altcoins都与BTC联动,独立行情毕竟是少数。

Cardano 开发团队 Input Output 已开源基于 PoS 的数据同步解决方案 Mithril:8月29日消息,Cardano 开发团队 Input Output 已开源基于 PoS 的数据同步解决方案 Mithril,该方案旨在提高节点间数据同步的速度和效率,通过利用现有网络提供所有或部分区块链状态的经过认证的快照来实现。Mithril 将运行在 Cardano 主网之上,参与者共同对当前区块链状态进行签名,贡献比例与质押量成正比,之后所有签名将被聚合成多重签名,但需要签名者总质押量达到阈值时才会被认为有效。[2022/8/29 12:55:36]

首先,我们先看2017年到现在比特币周内日平均回报率:

这里需要强调一下:我们这里是金本位。计算平均回报率时,会遇到正回报和负回报相加的问题。设想比特币下跌50%,第二天又上涨50%,这时傻瓜式相加的平均回报率是0%,但实际的回报率是-25%。因为你先损失了一半的钱,然后剩下一半的钱上涨的50%。也即是说,一个币当天跌了50%,第二需要翻倍才能回本。

数据:以太坊销毁 ETH 总价值突破13亿美元,总销毁量达到近41万枚:据ultrasound.money数据,自8月初以太坊伦敦升级后约两个月内,销毁 ETH 总价值突破13亿美元,总销毁量达到近41万枚。[2021/10/2 17:20:44]

如上图所示,在不同工作日内,BTC的回报率有一些大的差异:

周一和周六收益最为明显,平均回报率分别为+0.69%和+0.5%。

举个例子,如果币哩从2017年初到今天,每周六买入比特币,然后在这一天结束前卖出,那么币哩目前的比特币投资回报率将为正。

周三、周四和周日的数据均为负值。到目前为止,周三是表现最差的一天。

当然,仅依靠上述策略来制定投资计划太过武断,需要进一步的论证。

有了这些信息后,我们现在继续测试“BTC周内投资策略”。

从2018年开始,我们只在周一和周六购买比特币,并在一天结束时卖出,那么,我们的投资回报率是怎样的?

BBKX平台ETF专区行情数据 LINK3L日内涨幅超29%:据BBKX行情显示,BBKX交易平台ETF专区多个币对持续上涨,截至今日10:05(UTC+8),

LINK3L/USDT当前净值3.6905美元,日内涨幅29.92%,

BSV3L/USDT当前净值0.0716美元,日内涨幅16.23%,

XTZ3L/USDT当前净值0.0578美元,日内涨幅13.33%。

杠杆ETF是一种锚定标的资产价格变化的指数基金。BBKX平台目前已经上线BTC、ETH、EOS多个主流币种以及HT、BNB、OKB等平台币,管理费每倍0.1%。

BBKX成立于2019年6月,已获得节点资本和链上基金的联合战略投资。[2020/4/9]

蓝线表示我们的周内日投资策略,橙色的线,我们使用它作为基准,显示从相同时间开始计算长持BTC的收益。

动态 | 数据:过去十年,持有比特币较大地址的供应量下降了3倍:CoinMetrics数据报告显示,2011年2月,比特币供应量的33%由较大的地址持有,这些地址至少占总供应量的千分之一,这一比例今年已降至11%。不过在过去9年里,较小地址所占比例一直在稳步上升。这可能是一个积极的信号,表明随着时间的推移,BTC正在被更多的人使用。此前消息,自2018年第二季度以来,比特率超过0.01的地址数量一直在稳步增长。(Ambcrypto)[2020/2/19]

在观察到的时间范围内,我们的周内策略带来了68%的利润,而长持比特币的人将受到38%的损失。

从模型上看,最差的情况是,2018年底的那次大跌也发生在周一,这使得我们的策略发生重大错误,并少有的与基准收益贴近。但尽管如此,我们的日策略在2018年熊市的大部分时间里都实现了相对稳定的增长,并毫无压力的超过了基准收益。

但进一步研究过去也会得到有趣的结果。在2017年以后到今天,我们对当日策略进行回测,可以得出以下结果:

这一次,我们的策略实际上并没有超过hoding,考虑到2017年是比特币大牛市,在这个延长时间的测试框架内,我们的日策略只有469%的利润回报——大约是基准回报率的71%。

虽然看起来像是我们做了一个十分傻X的投资策略,但要注意的是:我们只在一周中进行交易了两天,就得到了基准71%的回报。另外,这两种策略表现出的波动性也存在巨大差异。

最重要的是,长持让投资者投资的过程像坐过山车,也让他们承担的风险更大。虽然那些在2012就进行加密市场投资并囤币的人,如今可能已财富自由。

但币哩怀疑,那个时代可能已彻底成为过去。

我们的日策略会弱化BTC的大部分波动风险,在测试的时间范围内,我们可以看出该方法是一条缓慢但却稳定、并且几乎连续上升的投资策略。

从数字上看,我们的日策略在观察时段的年化标准差为0.43,而持有的年化标准差为0.84。我们策略的年化夏普比率为1.65,长持是1.35。

*,标准差越高代表风险越高;年化夏普比率原指基金投资绩效评价标准化指标,是经典指标之一,夏普比率可以同时对收益与风险加以综合考虑。越大,说明基金单位风险所获得的风险回报越高。)

可以看出,我们的周内日投资策略明显降低了波动性,提高了风险调整后的收益,为投资者提供了更好的风险收益平衡。

比特币为首的加密市场波动太大,一直是很多新手和传统金融机构观望的原因。尤其是币圈早期都是赚的是信息差与资本实力差的钱,后面靠的是认知与理解。对于我们小散户,投资策略一定会比K线技术指标更重要。

即使从盘面上看,我们的投资回报与长持基准回报相比表现不佳,但另一面,我们的策略是牺牲了一些收益但大幅降低了不确定风险,毕竟谁也不能确定未来走势。否则2010年就应该买入比特币。

不过,可能也有人会质疑:这个策略难道不是马后炮吗?

确实,我们是从历史数据中进行推测。其实很多制作模型的人,一开始就已经知道在同一框架下什么时间点的数据可以论证观点。先入为主确实不是坏就是蠢,尤其是2020年都要减半了,面对这种历史性事件带来的波动,该模型是否还有效。

因此,让我们从2016年开始再测试一次,当时的市场情绪和现在类似。

*

以下是2016—2017年比特币的周内日回报率:

考虑到2016年比特币的看涨趋势,我们得到的结果实际上与计算2017-2019年的周内日回报率时非常相似。

在牛市中,表现最好的仍然是周一、外加了新的第二名周四,周六也同样不错,与前模型0.5相差不大。尽管周三和周日(之前的最差日)返回正值。也别意外,因为这是牛市。

有了这些结果(我们选择2018年减半后的大熊市),我们决定在周一、周四和周六交易比特币,并在每个交易日结束时卖出。

以下是我们2018年1月起投资策略的成果:

由于只有过去的数据可用,我们再次跑赢了长持的基准回报率,与他们的-38%相比,我们只损失了4%。币哩觉得已经不错了,本来投资就是一场比赛,赢过大部分人最终才能赚钱。

因此,我们的模型其实也已经证明,对于币圈的BTC交易者来说:牛市中周一、周四、周六,熊市中周一、周六更加容易获利,至少赔的概率不大。

不过有一点需要说明,虽然大盘中大部分主流币与比特币联动,但个别CX、山寨币的走势,估计只有庄家才知道。使用这个策略的投资者,也需要具备一些基本的金融投资经验。

本文参考文献:《Backtestingtheweek:Whichdaysarebestfortradingcrypto?》;Theauthor:Jan.S;

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

区块博客

[0:15ms0-7:279ms